在 Python 中回测您的交易策略

欢迎来到全面的回测教程！本文专为希望加深对回测及其在金融领域应用的理解的交易员、投资者和金融专业人士而设计。回测是一种重要工具，用于通过模拟历史数据的表现来评估交易策略和投资组合的表现。

在本教程中，我们将从回测的基本介绍开始，包括其定义、优点和局限性。然后，我们将更深入地研究回测过程，包括涉及的步骤以及使用的数据和工具类型。此外，我们将介绍常见的回溯测试陷阱以及如何避免它们，以及前瞻性测试和蒙特卡罗模拟等高级主题。

到本教程结束时，您将对回测有深入的了解，并能够有效地使用它来评估和优化您自己的交易策略和投资组合。那么，让我们开始吧！

导入库：

• 让我们从为这段代码导入必要的库开始。我们将使用 Pandas 库来处理交易数据。

import pandas as pd

加载交易数据：

• 接下来，我们将交易数据加载到 Pandas 数据框中。对于此示例，我们假设数据存储在名为“btc_usdt_data.csv”的 CSV 文件中。

df = pd.read_csv( 'btc_usdt_data.csv' )

添加交易信号：

现在我们将向数据框添加一列来存储交易信号。信号 1 表示买入，信号 -1 表示卖出。你应该首先有信号列表

# Create an empty list to store the signalssignals = []# Loop over the rows of the dataframe and calculate the signals based on your trading strategydf['RSI']=ta.momentum.rsi(close=df['close'], window=14,fillna= True)df['ADX']=ta.trend.adx(high=df['high'] ,low=df['low'],close=df['close'], window=14, fillna= True)for i in range(1, len(df)): # Your trading strategy goes here # For example, you could use a simple moving average crossover strategy if df.iloc[i]['RSI'] > df.iloc[i]['ADX']: signals.append(-1) else: signals.append(1)# Add the signals list to the dataframe as a new columndf['signal'] = signals

• 接下来，我们将初始化一些我们将在回测中使用的变量。该investment变量存储初始投资金额 1000 美元。该current_investment变量存储当前投资金额，其起始值与 相同investment。max_drawdown变量存储从 0 开始的最大回撤。变量存储从 0 开始的max_profit最大利润。best_trade字典存储最佳交易的详细信息，从利润 0 和买入/卖出指数 0 开始。

investment = 1000current_investment = 1000invested_amount = 0fees = 0profit = 0is_invested = Falsebest_trade = -99999999worst_trade = 99999999largest_loss = 0largest_gain = 0total_trades = 0

循环交易信号：

• 接下来，我们将遍历交易信号并实施交易策略。如果信号为 1，我们将以当前收盘价购买资产。如果信号为 -1，我们将以当前收盘价卖出资产。如果信号为 0，我们什么都不做。best_trade如果当前交易的利润高于之前的最佳交易，我们还将计算利润、回撤并更新字典。

for i in range(0, len(df)): signal = df.iloc[i]['signal'] close = df.iloc[i]['close'] if signal == 1 and not is_invested: Entrypoint = close print(signal) print(close) quantity = (current_investment / close) print(current_investment) print(quantity) invested_amount = quantity * close is_invested = True elif signal == -1 and is_invested: print(signal) print(close) profit = quantity * (close - Entrypoint) - 2 print(profit) current_investment += profit invested_amount = 0 total_trades += 1 is_invested = False if profit > largest_gain: largest_gain = profit if profit < largest_loss: largest_loss = profit if profit > best_trade: best_trade = profit if profit < worst_trade: worst_trade = profit else: pass final_profit = current_investment - investmentprint('Final Profit: ', final_profit)print('Best Trade: ', best_trade)print('Worst Trade: ', worst_trade)print('Largest Loss: ', largest_loss)print('Largest Gain: ', largest_gain)print('Total Trades: ', total_trades)

就是这样！我们已经使用 Python 成功地为一个简单的交易策略创建了一个回溯测试框架。