本文原由作者于2016年12月23日首发于人大经济论坛,整理如下。
引言:
本系列帖子“量化小讲堂”,通过实际案例教初学者使用python、pandas进行金融数据处理,希望能对大家有帮助。
【所有系列文章汇总】请点击此处
微信:xbx_laoshi,量化交流Q群(快满):438143420,有问题欢迎交流。
文中用到的A股数据可在www.yucezhe.com下载,这里可以下载到所有股票、从上市日起的交易数据、财务数据、分钟数据、分笔数据、逐笔数据等。
简易波动指标(EMV)策略在A股的实证
上一期量化小讲堂向大家介绍了布林带策略在A股的实证效果(http://bbs.pinggu.org/thread-4901403-1-1.html)。本期将以简易波动指标(EMV)策略为例,实证检验一下EMV策略在A股的实际效果。
策略简介
简易波动指标(EMV),是为数不多的考虑价量关系的技术指标。它是根据成交量和人气的变化,构成一个完整的股价系统循环。该指标指示投资者在人气聚集且成交热络的时候买进股票,并且在成交量逐渐展现无力时,卖出股票。具体来说,当股价下跌时,由于买方萎靡退缩,致使成交量逐渐的减少,EMV数值也因而尾随下降,直到股价下跌至某一个合理支撑区,捡便宜货的买单促使成交量再度活跃,EMV 数值于是作相对反应向上攀升。所以EMV 指标的上升下降意味着市场的强弱变化,可以以此作为择时的判断依据。

本文采用的EMV策略的具体规则为:
第一步:计算EM指标的值

其中,$H_i,L_i,VOL_i$分别是第i日股票的最高价、最低价和成交量。
第二步:计算EMV = EM的n日简单移动平均
第三步:计算MAEMV = EMV的m日简单移动平均
第四步:当EMV大于MAEMV时,买入,信号为1;当EMV小于MAEMV时,卖出,信号为-1。
实战
为了检验EMV策略在A股的实际效果,本文将该策略在所有A股都运行一遍。由于策略用不同的参数回测结果也不一样,因此对每只股票回测时都遍历一遍参数,选择使超额收益率最大的参数作为该股票的最优参数。具体步骤如下:
一、遍历数据文件夹中所有股票文件的文件名,得到股票代码列表
用python提取股票历史数据文件夹下每个股票对应的文件名(即股票代码)并存放到一个列表里,这样就得到了所有A股的代码列表。
接着遍历股票代码的列表,读取每只股票的历史数据。
二、计算股票的后复权价格
在读取某只股票的历史数据后,为了回测结果的可靠性,本文重新计算了复权后的开盘价、收盘价、最高价和最低价,后面计算指标值和涨跌幅都以复权后的数据为基础。有些上市不久的股票由于时间太短可能不具有代表性,因此本文在运行策略之前会先判断该股票上市至今的交易天数,剔除掉上市不到1年半的股票。
三、遍历参数进行回测
接着就是计算EMV指标并给出每天的信号了,在计算EMV和MAEMV时本文用到参数范围分别是n取16到26,间隔为2,m取20到25,间隔为1。即遍历该范围内的所有参数组合,每一参数组都会输出对应的每天的信号,根据买卖信号,可以得到每天的仓位,进而可以得到资金曲线及相关的回测指标(相关内容可参考量化小讲堂http://bbs.pinggu.org/thread-4745852-1-1.html)。在得到所有参数的回测结果后,根据超额收益率大小进行排序,选择使超额收益最大的参数作为该股票的最优参数,并将相应数据存入csv文件。
最后,在遍历完所有A股后,我们可以得到每只股票在最优参数组下使用EMV策略的回测结果,并和股票的年化收益及最大回撤做了一下对比。
本文希望通过对EMV策略的实际操作,向大家介绍pandas的以下几个功能的运用:
1. 移动标准差函数rolling_std()函数的用法
2. 时间序列超前滞后函数shift()函数的用法
3. 空值填充函数fillna()函数的用法
下面上具体的程序。
程序
要运行EMV策略,需要所有A股的历史交易数据,在www.yucezhe.com可以下载到所有股票历史至今的数据。如下图所示,每一行是每一天的数据:

数据有以下的字段:
【code】股票的代码,上证股票以sh开头,深证股票以sz开头
【date】交易日期
【open】开盘价
【high】最高价
【low】最低价
【close】收盘价
【change】涨跌幅,复权之后的真实涨跌幅,保证准确
【volume】成交量
【money】成交额
【traded_market_value】流通市值
【market_value】总市值
【turnover】换手率,成交量/流通股本
【adjust_price】后复权价,复权开始时间为股票上市日,精确到小数点后10位
【report_date】最近一期财务报告实际发布的日期
【report_type】最近一期财务报告的类型,3-31对应一季报,6-30对应半年报,9-30对应三季报,12-31对应年报
【PE_TTM】最近12个月市盈率,股价 / 最近12个月归属母公司的每股收益TTM
【PS_TTM】最近12个月市销率, 股价 / 最近12个月每股营业收入
【PC_TTM】最近12个月市现率, 股价 / 最近12个月每股经营现金流
【PB】市净率,股价 / 最近期财报每股净资产
下面是代码的截图,代码里面有详细的注释,有问题可以留言,附件中有程序的源码,回复即可下载。






这是最后回测结果的部分截图:

运行该策略的一共有2607只股票,其中,策略年化收益大于股票本身年化收益的有1950只个股,占比大概为74.8%,而年化收益除以最大回撤绝对值能超过股票本身的有2304只个股,大概占88.4%,总的来说EMV策略的效果还不错。大家有其他一些技术指标也可以尝试一下,看看效果如何,只需要将第一部分信号产生方式改成自己的策略逻辑就可以了。
扫描下图二维码,加邢不行私人微信,获取文中附件、代码、数据的下载链接。

关于《量化小讲堂》之后想看的内容,或者相关问题,可以加我微信xbx_laoshi、Q群(快满):438143420沟通。

网友评论