文|Curtis Miller

本篇文章是"Python股市數(shù)據(jù)分析"兩部曲中的第二部分，內(nèi)容基于我在猶他州立大學課程上的一次講座，在本文中，我將介紹一些關于金融數(shù)據(jù)分析的基礎知識，例如，使用pandas獲取雅虎財經(jīng)上的數(shù)據(jù)，股票數(shù)據(jù)可視化，移動均線，開發(fā)一種均線交叉策略，回溯檢驗以及基準測試。而本篇文章中，我討論的話題包括均線交叉策略的設計、回溯檢驗、基準測試以及實踐中可能出現(xiàn)的若干問題，以供讀者思考。

注意：本篇文章所涉及的看法、意見等一般性信息僅為作者個人觀點。本文的任何內(nèi)容都不應被視為金融投資方面的建議。此外，在此給出的所有代碼均無法提供任何保證。選擇使用這些代碼的個人需自行承擔風險。

三、交易策略

我們把在未來條件滿足時將被終止的交易稱為未平倉交易。多頭倉位是指在交易過程中通過金融商品增值來獲取利潤，而空頭倉位是指在交易過程中通過金融資產(chǎn)價值下跌來獲取利潤。在直接交易股票時，所有的多頭倉位看漲，所有的空頭倉位看跌。這也就是說，持看漲態(tài)度并不需要伴隨著一個多頭倉位，而持看跌態(tài)度同樣也不需要伴隨著一個空頭倉位（在交易股票期權時，更是如此）。

這里有一個例子。打算你買入了一只股票，計劃在股價上漲時以更高的價格將股票拋出。這就是多頭倉位：你持有一種金融資產(chǎn)，如果資產(chǎn)價值增長，你將從中獲利。你的潛在利潤是無限的，而你的潛在損失受到股價的限制，因為股價永遠不會低于0。另一方面，如果你預計一只股票的價格會下跌，你可以向經(jīng)紀公司籌借股票并出售，以期在后續(xù)以較低的價格回購股票，從而獲取利潤。這種做法稱為做空股票，屬于空頭倉位，即通過股價下跌賺取收益。做空股票的潛在利潤受到股價的限制（最好的做法是，使股票變得一文不值，這樣你可以免費回購這些股票），而損失卻是無限的，因為你可能需要花費任意多的錢來買回籌借的股票。因此，在允許投資者做空股票前，經(jīng)紀人需要確保投資者保持良好的財務狀況。

任何交易員都必須有一套規(guī)則，決定她愿意在任何一筆交易上投入多少錢。例如，一名交易員可能認為在任何情況下，她在一筆交易中承受的風險都不能超過所有投資的10%。另外，在任何交易中，交易員必須制定一個由一組條件構成的退出策略，決定她何時退出倉位，從而獲利或止損。交易員可以設置一個目標，即促使她清空倉位的最少利潤。同樣地，交易員也要明確自身能夠承受的最大損失；如果潛在損失超過了這個金額，交易員將退出倉位，以避免任何進一步的損失（通常通過設置止損指令來實現(xiàn)，觸發(fā)該指令以避免進一步損失）。

如果一個方案包括促成交易的交易信號、一套能在任何特定策略情況下明確承受多少投資風險的規(guī)則、以及一個適用于任何交易的退出策略，那么我們稱這個方案為一個完整的交易策略。目前，我們關注的是如何設計和評價交易策略。

我們假設任何一筆交易的金額都是投資總資產(chǎn)的一個固定比例；10%看起來是一個不錯的數(shù)字。我們決定，對于任何一筆交易，如果損失超過交易金額的20%，我們將結束交易。現(xiàn)在，我們需要一種方法來判斷何時進入倉位以及何時退出倉位，進而獲取利潤。

在這里，我將介紹一種。我們將使用兩條移動均線：一條表示長期均線，另一條表示短期均線。采用的策略如下：

• 當短期均線越過長期均線時，交易金融資產(chǎn)。
• 當短期均線再一次越過長期均線時，結束交易。

當短期均線高于長期均線時，我們應進行多頭交易，當短期均線再次越過（低于）長期均線時，結束此類交易。當短期均線低于長期均線時，我們應進行空頭交易，當短期均線再次越過（高于）長期均線時，結束此類交易。

現(xiàn)在，我們有了一個完整的策略。但在我們決定使用它之前，我們首先應該盡可能地評估這個策略的效果。回溯檢驗是一種常用的方法，該方法基于歷史數(shù)據(jù)對交易策略所能帶來的利潤多少進行評估。例如，看看上方圖表中Apple股票的表現(xiàn)，如果20天均線表示短期均線，50天均線表示長期均線，這個交易策略似乎并不能產(chǎn)生多少利潤，至少不如你一直持有多頭倉位更有利可圖。 讓我們看看我們是否可以自動進行回溯檢驗任務。我們首先確定20天均線什么時候低于50天均線，以及相反的情況。 

我們把這種差異的標志稱為行情。也就是說，如果短期均線高于長期均線，那么這是一個牛市行情（牛市規(guī)則），如果短期均線低于長期均線，則目前為熊市行情（熊市規(guī)則）。我使用以下代碼判斷當前的股市行情。

上面的最后一行表明，Apple股票在股市中的行情，有1005天為熊市，有600天為牛市，而有54天股市行情較為平穩(wěn)。

行情變化時會出現(xiàn)交易信號。當牛市開始時，買入信號會被觸發(fā)，而當牛市結束時，拋出信號會被觸發(fā)。同樣地，當熊市開始時，拋出信號會被觸發(fā)，而當熊市結束時，買入信號會被觸發(fā)（只有當你要做空股票，或使用一些股票期權等衍生品做空市場時，才會對這些感興趣）。

我們很容易就可以獲取交易信號。令rt表示t時刻的股市行情，st表示t時刻的交易信號，則有:

st = sing(rt - rt-1)

st ∈ {-1, 0, 1}，其中-1表示"拋出"，1表示"買入"，0表示不采取任何措施，我們可以這樣獲取信號： 

我們會買入Apple股票23次，并拋出Apple股票23次。如果我們僅持有多頭倉位，在6年期間只會進行23筆交易，然而，如果我們在每次多頭倉位終止后，由多頭倉位轉為空頭倉位，我們一共會進行23筆交易。（請記住，更加頻繁的交易并不一定就是好的，交易從來不是免費的。）

你可能會注意到，目前的系統(tǒng)并不是很健全，即使是一個短期均線超過長期均線的短暫瞬間，交易也會被觸發(fā)，并導致交易立即結束（這樣并不好，不僅僅是因為每一筆實際交易都伴隨著一筆費用，已獲得的收益會因此被迅速稀釋）。此外，每個牛市行情都會立即轉換到熊市行情，如果你在構建一個允許看漲押注和看跌押注的交易系統(tǒng)，這會導致在一筆交易結束時，立即觸發(fā)另一筆在股市中反向押注的交易，這看起來又有些挑剔了。一個更好的系統(tǒng)應該根據(jù)更多的證據(jù)來判斷股市正朝著發(fā)展的特定方向，但我們現(xiàn)在不會關心這些細節(jié)。

現(xiàn)在，讓我們嘗試著確定每次買入和拋出股票時的價格。

從上面我們可以看到，在2013年5月17日，Apple股票的價格大幅下跌，我們的交易系統(tǒng)似乎不能很好地處理這種狀況。但是，這次股價下跌并不是因為Apple公司受到了巨大的沖擊，而是由于股票拆分。盡管派付股息不如股票拆分那樣明顯，但是這些因素仍可能影響到我們交易系統(tǒng)的效果。

我們不希望我們的交易系統(tǒng)因為股票拆分和派付股息而表現(xiàn)得很糟糕。我們應該如何處理這種情況？一種方法是獲取股票拆分和派付股息的歷史數(shù)據(jù)，并設計一個處理這類數(shù)據(jù)的交易系統(tǒng)。這或許是最好的解決方案，能夠最為真實地反映股票的行為，但是它過于復雜。另一種解決方案是根據(jù)股票拆分和派付股息的情況調(diào)整股票價格。

雅虎財經(jīng)只提供調(diào)整后的股票收盤價，但是對于我們來說，要得到調(diào)整后的開盤價、最高價、最低價，這樣就足夠了。已調(diào)整收盤價計算方式如下：

price_t^adj = m_t x price_t

其中，m_t是用來調(diào)整股價的系數(shù)。只需進行一次除法就可以求出mt的值，因此，我們可以使用收盤價和已調(diào)整收盤價來調(diào)整股票的其他所有價格。

讓我們回到前面，調(diào)整Apple的股價，并用這些調(diào)整后的數(shù)據(jù)重新評估我們的交易系統(tǒng)。

你可以看到，根據(jù)股票拆分和派付股息情況調(diào)整后的股票價格有明顯的不同。從現(xiàn)在開始，我們將使用這些數(shù)據(jù)。 現(xiàn)在，讓我們創(chuàng)建一個價值100萬美元的虛擬投資項目，根據(jù)我們建立的規(guī)則，看看它會如何表現(xiàn)。規(guī)則包括：

• 在任何交易中，僅投資所有投資總額的10%。
• 如果損失超過交易金額的20%，則退出倉位。

在模擬的過程中，牢記以下幾點：

• 股票交易以100股為單位。
• 我們的止損規(guī)則包含在股價下跌至一定程度時將股票拋出的指令。因此，我們需要檢查這一期間的低價是否已經(jīng)足夠得低，以至于觸發(fā)止損指令。實際上，除非我們買入了看跌期權，否則我們無法保證以設置的止損價格拋出股票，但為簡單起見，我們將這個價格作為拋出價。
• 每一筆交易都需要向經(jīng)紀人支付一筆傭金，這部分費用應該計算在內(nèi)。但在這里我們不這樣做。

回溯檢驗按如下方式進行：

我們的投資項目總值在六年間增長了10%。考慮到任何一筆交易僅涉及所有投資總額的10%，這樣的表現(xiàn)并不差。

請注意，這個交易策略并不會觸發(fā)我們的止損指令。難道這意味著我們不需要止損指令嗎？要回答這個問題并不簡單。畢竟，如果我們選擇了另一個不同的股價來判斷是否拋出股票，止損指令可能真的會被觸發(fā)。

止損指令會被自動觸發(fā)，且不會詢問指令被觸發(fā)的原因。這意味著股價的真實變化與短暫波動都有可能觸發(fā)止損指令，而后者我們更為關心，因為你不僅要為訂單支付費用，而且還無法保證以指定的價格拋出股票，這可能會使你的損失更大。與此同時，你交易股票的走勢仍在繼續(xù)，如果止損指令不被觸發(fā)，你甚至可以從中獲利。也就是說，止損指令能夠幫助你保持自己的情緒，繼續(xù)持有股票，即使它已經(jīng)失去了自己的價值。如果你無法監(jiān)控或快速訪問自己的投資項目，例如在度假，它們也能發(fā)揮作用。

我曾介紹過一些關于和止損指令的觀點，但從現(xiàn)在起，我不會要求我們的回溯檢驗系統(tǒng)考慮止損指令。雖然不太現(xiàn)實（我確實相信在工業(yè)中實際應用的系統(tǒng)能夠考慮止損規(guī)則），但這簡化了回溯檢驗任務。

更為真實的投資項目不會將投資總額的10%押注在一只股票上。更現(xiàn)實的做法是考慮在多只股票上分散投資。涉及多家公司的多筆交易可能會在任何時刻進行，并且大多數(shù)投資項目會選擇股票交易，而不是現(xiàn)金。既然我們將在多只股票上投資，只有當移動均線交叉（不是因為止損）時才退出倉位，那么我們需要改變進行回溯檢驗的方式。例如，我們將使用pandas中的DataFrame來記錄所有考察股票的買入、拋出訂單，前面的循環(huán)代碼也需要記錄更多的信息。

我實現(xiàn)了為多只股票創(chuàng)建訂單數(shù)據(jù)的代碼，以及一個執(zhí)行回溯檢驗的函數(shù)。

這個虛擬的投資項目投資了十二只（科技）股票，最終的資產(chǎn)增長達到了100%左右。這很好嗎？雖然表面上看起來不錯，但我們會看到我們可以做得更好。

四、基準測試

回溯檢驗只是評估交易策略有效性過程的一部分。我們會對策略進行基準測試，或者與其他的可行（通常是眾所周知的）策略進行比較，以確定我們所能達到的效果。

當你評估一個交易系統(tǒng)時，有一個策略你一定要與它比較，除了少數(shù)互惠基金與投資管理人，這個策略的效果是最好的：買入并持有。有效市場假說聲稱，任何人都無法擊敗市場。因此，投資者應該一直購買反映市場結構的指數(shù)基金。SPY指數(shù)基金是一種交易所買賣基金（一種在市場上交易的類似股票的互惠基金），其價值實際上地代表著標準普爾500指數(shù)中股票的價值。通過買入并持有SPY指數(shù)基金，我們實際上可以嘗試將回報與市場匹配，而不是試著去擊敗市場。

我通過以下方式獲取關于SPY的數(shù)據(jù)，并根據(jù)收益簡單地買入和持有SPY指數(shù)基金。

買入和持有SPY指數(shù)基金的效果優(yōu)于我們的交易系統(tǒng)，至少優(yōu)于我們現(xiàn)在初期的系統(tǒng)，而且，我們甚至沒有說明，考慮到費用我們這個更加復雜的策略有多么的昂貴。考慮到機會成本和與主動投資策略相關的費用，我們不應該采用這樣的策略。

我們怎樣才能提高我們系統(tǒng)的效果呢？對于初學者而言，我們可以嘗試投資多樣化。我們之前考慮的所有股票都屬于科技公司，這意味著如果科技行業(yè)表現(xiàn)不佳，我們的投資項目也會反映出這種低迷的狀況。我們可以開發(fā)一個能夠做空股票或看跌押注的系統(tǒng)，這樣，我們就可以利用市場上各個行業(yè)領域的走向。我們還可以尋找一種能夠預測股價變化的方法。但是，無論我們做什么，都必須擊敗這個基準；否則，我們的交易系統(tǒng)中始終會存在著機會成本。

也存在著其他的基準測試策略，如果我們的交易系統(tǒng)擊敗了"買入和持有SPY基金"這個策略，那么我們可以與這些策略進行比較。這類的交易策略包括：

當每月收盤價高于十月均線時，買入SPY基金。

當十月均線的動量為正時，買入SPY基金。（動量是移動平均過程中的第一個差值，即MO_t^q = MA_t^q - MA_t-1^q。） （我最早在知道了這些策略。）普遍的經(jīng)驗仍然成立：對于一個包含大量活躍交易的復雜交易系統(tǒng)，如果一個涉及指數(shù)基金且不進行頻繁交易的簡單策略擊敗了它，那么不要使用這個復雜系統(tǒng)。

最后一點，假設你的交易系統(tǒng)確實在回溯檢驗中擊敗了所有的基準策略。回溯檢驗就能夠預測系統(tǒng)在未來的表現(xiàn)了嗎？不太可能。，所以，僅僅是回溯檢驗預測的上漲并不意味著在未來會保持上漲的勢頭。

結論

雖然這篇教程以一個令人沮喪的觀點收尾，但是請記住，有效市場假說有很多的反對者。我自己的看法是，隨著交易變得越來越算法化，擊敗市場也將變得更加困難。也就是說，擊敗市場仍然是有可能的，盡管互惠基金似乎還做不到（但是請記住，互惠基金表現(xiàn)得如此糟糕的部分原因，是因為交易所伴隨的費用）。

另一個資源（也是我準備這篇教程時參考的文獻）是O'Reilly出版的圖書《Python金融分析》，也可在猶他州立大學圖書館中找到。

文章原標題《An Introduction to Stock Market Data Analysis with Python (Part 2)》， 文章為簡譯，更為詳細的內(nèi)容，請查看(代碼可以復制)