用R语言实现简单的交易回测

一、R代码实现。

用google在网上搜索到的回测语句都大同小异，下面给出一个示例，改编自：量化策略回测：

# 以S&P500为例，其雅虎代码为^GSPC；我们要计算5日均线指标的函数就是SMA()，

# 先载入需要的扩展包
> library(quantmod)
> library(PerformanceAnalytics)

# 先获取S&P500的交易数据，然后根据其收盘价（由函数Cl()抽取）计算其5日均线值：
> getSymbols('^GSPC') #S&P500 OHLC data
> close <- Cl(GSPC)
> mv5 <- SMA(close, 5)

# 策略是当收盘价大于5日均线，代表可以入市，取1，否则代表清仓，取0。（-1是代表卖空，不适用。）
> sig <- ifelse(close < mv5, 1, 0)

# 使用Lag()将信号序列向“过去”推迟一天，代表将昨天的信号，应用到今天。
> sig <- Lag(sig) #将该序列向“过去”延迟一天

# 计算收益序列
# discrete代表用离散方式计算当天收益率，即(Close-Close(-1))/Close(-1)
# continous代表用连续方式计算当天收益率，即ln(Close/Close(-1))
> roc <- ROC(type='discrete',close) 
> ret <- roc * sig

# 画出策略收益图
> charts.PerformanceSummary(ret)

# 最上面的板块是积累收益，相当于对cumprod(1+ret)的绘图；
# 第二个是日收益，相当于对ret原始收益数据的绘图；
# 最下面的是下跌图（又称“水下图”），将下跌成分独立绘出，有助于我们分析亏损状况和研究弥补措施。

以上需要注意的地方是制定策略的语句

> sig <- ifelse(close < mv5, 1, 0)
# 当收盘价大于5日均线时，sig取1，否则取0。

在网上公布的代码当中，有的是取-1，这里-1代表卖空，不是清仓，得到的结果是不对的。

二、excel模拟。

当初得到这个结果的时候我很怀疑，用几条R语句就把量化策略及结果模拟出来了？看上去这么神奇，结果对不对呢？我在excel里对该策略进行模拟：

以上面的策略为基础，细化得到的交易方案是这样的：

1. 当股票收盘价格高于五日均线，且无持仓，那么第二天满仓入市。
2. 当股票收盘价格高于五日均线，且满仓，那么第二天继续持仓。
3. 当股票收盘价格低于五日均线，且无持仓，那么第二天继续空仓。
4. 当股票收盘价格低于五日均线，且满仓，那么第二天全部平仓。

为了简化计算，假设以前一天的收盘价作为成交价：即以前一天的收盘价满仓入市，或以前一天的收盘价全部平仓。当然这可以在进一步的研究中细化，但这里我们只是为了演示，就不过于复杂了。

excel表格里得到的结果如下：

由于是取5日平均，所以5日平均值SMA从第5个交易日开始出现。这几天的资产都是现金，总收益为1。

从第6个交易日开始，通过判断收盘价与5日均线之间的大小，得到交易信号sig，注意，这里的sig是滞后一日的，代表前一天的收盘价与5日均线之间的相对大小。

1. 1994-1-10 close>SMA，sig=1，以前一天的收盘价6.25满仓入市，当天收盘价为6.45，日内收益率为0.032，股票价值1.032，现金为0，总资产价值为1.032。

2. 1994-1-11 close>SMA，sig=1，鉴于前一天已入市，继续持仓，当天收盘价为6.15，日内收益率为-0.047，股票价值0.984，现金为0，总资产价值为0.984。

3. 1994-1-12 close>SMA，sig=1，继续持仓，当天收盘价为6.15，日内收益率为0，股票价值0.984，现金为0，总资产价值为0.984。

4. 1994-1-13 close<SMA，sig=0，以前一天的收盘价6.15全部清仓，股票价值为0，现金为前一天的股票价值0.984，总资产价值为0.984。

此时，经历了一次持仓以及清仓之后，投资者手里只拥有现金资产，总资产价值为0.984，亏损0.016。

通过对比excel计算的ret（ROC*sig）与R代码计算的ret，两者的结果完全一致。

通过用excel对以上回测策略的模拟，可以发现以上回测策略的隐含前提：

(1) 入市价格和清仓价格均为前一天的收盘价。

(2) 入市则全部满仓，离市则全部清仓。

三、神秘的charts.PerformanceSummary()函数。

在R代码中，一条charts.PerformanceSummary()语句，画出在该策略下，对应股票的总资产收益，日收益和下跌图。它就像一个神奇的黑箱，给我们以策略是否有效以最直观的图形表示。但光有图形还不够，这三条曲线分别对应哪些数据，能不能分别导出方便进一步研究呢？

1. 总资产收益。

   对应的是excle表格当中的总收益，直观表示了应用该策略，投资者总资产在回测时间内的增减情况。虽然在excel模拟中用股票、现金、总资产三个条目来代表，但其实用一条R代码就可以实现了：

    cumprod(1+ret)
   

   也就是对（1+ret）的连乘。很容易理解：假设到了第n天，那么这一天的总收益Rn应该等于前一天的总收益R(n-1)乘以当天的收益率，不是ret，而应当是(1+ret)。

   R代码得到的结果与excel是一致的。

2. 日收益。

   就是R代码当中的ret和excel表格中的ROC*sig。

3. 下跌图（这部分参考了R包计算回撤）。

   这里只是将下跌成分独立绘出，对应的excel数据也是ROC*sig，但这里的下跌图经过了整理。对应的R函数有：

   a)chart.Drawdown：下跌图，也就是charts.PerformanceSummary()的第三张图。

    data(edhec)
    chart.Drawdown(edhec[,c(1,2)], main="Drawdown from Peak Equity Attained", legend.loc="bottomleft")
   

   b)findDrawdowns:返回回撤的起始时间，时间间隔，回撤数值，常与sortDrawdowns连用找最大回撤。

    data(edhec)     
    findDrawdowns(edhec[,"Funds of Funds", drop=FALSE])     
    sortDrawdowns(findDrawdowns(edhec[,"Funds of Funds", drop=FALSE]))
   

   c)maxDrawdown:返回收益时间序列的最大回撤。

    data(edhec)
    t(round(maxDrawdown(edhec[,"Funds of Funds"]),4))
   

   d)table.Drawdowns:返回最差回撤的统计量表格。

    data(edhec)
    table.Drawdowns(edhec[,1,drop=FALSE])