股票投资组合-前进优化措施(Walk forward optimization)

By admin in mobile.365-838.com on 2019年2月3日

升高优化措施(Walk forward optimization)

贸易模型必须能透过历史回测才方可投入使用,不可以透过历史回测的交易系统不容许在实际上交易中获利,历史回测是交易系统投入实盘的必备后置环节。在切切实实世界中,大多数交易系统都在一如既往组历史数据上建模并测试,那样会招致纵然通过历史回测的交易系统在实际上演练中作用也并糟糕。因为那组历史数据提供的新闻往往是误导性的,它只是评估进程的一片段,而不是整整。因而完全重视测试结果来判断系统是或不是有利可图的观念是一无所长的。

前进优化措施(Walk forward
optimization),通过在同一组历史数据上推行一密密麻麻“向前看”的商海数据,并还要拓展一名目繁多的“向前看”的商海数据测试,从而模拟在切实市场环境下交易策略的不得预测性;通过一步步的迈入走持续确定最佳的参数,逐步相关性检验,确认系统有效,从而周密交易策略。进而辅助解决使用相同组历史数据上建模导致实际演练中效果不佳这一难点。

下边那张图,形象的印证了向前走优化措施与观念历史回测方法的区分:
图片 1

详情请调换  QQ  709639943

R语言案例演示Walk forward optimization

发展优化措施在股票投资组合中经过拔取偏向于整合波动而非收益率最大限度地增强分裂权重下投资组合的夏普率,即采纳股票时间窗口最大化一个投资混合在不一样权配置下的总回报。

接下去用代码表达从获取数据到输出结果所需的手续。 1. 股票数量得到及整治

require(quantmod)require(PerformanceAnalytics)setSymbolLookup(GZMT=list(name ="600519.SS", src='yahoo'))  #   贵州茅台setSymbolLookup(MSYH=list(name ="600016.SS", src='yahoo'))  #   民生银行getSymbols(c("GZMT", "MSYH"), from="2009-01-01")

## [1] "GZMT" "MSYH"

returns <- merge(Return.calculate(Ad(GZMT)), Return.calculate(Ad(MSYH)), join='inner')returns <- returns[-1,]
  1. 分裂组合权重下的共计收益率

configs <- list()for(i in 1:21) {  weightSPY <- (i-1)*.05  weightTLT <- 1-weightSPY  config <- Return.portfolio(R = returns, weights=c(weightSPY, weightTLT), rebalance_on = "months")  configs[[i]] <- config}configs <- do.call(cbind, configs)cumRets <- cumprod(1+configs)
  1. 计算分化权重配比,最大限度地升高每月月尾的Sharp比率

period <- 72roll72CumAnn <- (cumRets/lag(cumRets, period))^(252/period) - 1roll72SD <- sapply(X = configs, runSD, n=period)*sqrt(252)sd_f_factor <- 2.5modSharpe <- roll72CumAnn/roll72SD^sd_f_factormonthlyModSharpe <- modSharpe[endpoints(modSharpe, on="months"),]findMax <- function(data) {  return(data==max(data))}weights <- t(apply(monthlyModSharpe, 1, findMax))weights <- weights*1weights <- xts(weights, order.by=as.Date(rownames(weights)))weights[is.na(weights)] <- 0weights$zeroes <- 1-rowSums(weights)configs$zeroes <- 0
  1. 结合表现及结果

stratRets <- Return.portfolio(R = configs, weights = weights)rbind(table.AnnualizedReturns(stratRets), maxDrawdown(stratRets))

##                           portfolio.returns## Annualized Return                 0.2061000## Annualized Std Dev                0.3152000## Annualized Sharpe (Rf=0%)         0.6540000## 4                                 0.4358557

charts.PerformanceSummary(stratRets)

图片 2

  1. 进入相比较项-非组合下的单只表现

stratAndComponents <- merge(returns, stratRets, join='inner')charts.PerformanceSummary(stratAndComponents)

图片 3

rbind(table.AnnualizedReturns(stratAndComponents), maxDrawdown(stratAndComponents))

##                           X600519.SS.Adjusted X600016.SS.Adjusted## Annualized Return                    0.182100           0.1611000## Annualized Std Dev                   0.319500           0.3451000## Annualized Sharpe (Rf=0%)            0.570000           0.4667000## Worst Drawdown                       0.529815           0.4379973##                           portfolio.returns## Annualized Return                 0.2061000## Annualized Std Dev                0.3152000## Annualized Sharpe (Rf=0%)         0.6540000## Worst Drawdown                    0.4358557
  1. 年龄受益率相比

apply.yearly(stratAndComponents, Return.cumulative)

##            X600519.SS.Adjusted X600016.SS.Adjusted portfolio.returns## 2009-12-31           0.6628246          0.76865724        0.33702777## 2010-12-31           0.0952092         -0.36536060       -0.34610867## 2011-12-30           0.1826568          0.19551653        0.15907019## 2012-12-31           0.1019296          0.45991037        0.57773693## 2013-12-31          -0.3611985          0.02297592        0.00699064## 2014-12-31           0.6790561          0.71832221        1.18715154## 2015-11-26           0.2587723         -0.17880127        0.04664253

因此积累收益率、日收益率和最大回撤率,以及年龄收益率比较,可以窥见使用提升优化措施的投资组合肯定优化传统的投资政策。

01、从无到有搭建中小型网络公司后台服务架构与运维架构

反映与提议

02、跨平台混编框架 MUI 仿豆瓣电影 APP

03、Node.js入门到公司Web开发中的应用

04、通晓高级RxJava 2响应式编程思想

05、Java秒杀系统方案优化 高品质高并发实战

06、Java深远微服务原理改造房产销售平台

07、连忙上手Linux 玩转典型应用

08、周详系统讲授CSS 工作选择+面试一步搞定

09、Java Spring Security开发安全的REST服务

10、深入Java虚拟机(JVM品质调优 内存模型 虚拟机原理)

11、Java Spring Boot带前后端 渐进式开发公司级博客系统

12、Java校招面试 谷歌(Google)面试官亲授

13、Java SSM到Spring Boot-从零付出高校商铺平台

14、Java SSM快速支付仿慕课网在线教育平台

15、Java Spring带前后端支出总体电商平台

16、程序猿的内功修炼,学好算法与数据结构

17、Java Spring 技术栈营造前后台团购网站

18、Java SSM开发马自达点评后端

19、SSM到Spring Boot 从零费用校园商铺平台

20、Elasticsearch一流高手连串-组合套餐

21、10时辰入门大数量

22、亿级流量电商详情页系统实战-缓存架构+高可用服务架构+微服务架构

23、Java并发编程原理与实战

24、MySQL大型分布式集群

25、Java SSM淘淘商城12天电商项目

26、MySQL品质管理及架构设计

27、Python入门到进阶

28、Python Flask 打造微电影视频网站

29、高质量可增添MySQL数据库设计及架构优化 电商项目

30、公司级刚需Nginx入门,周到精通Nginx配置+神速搭建高可用架构

31、Java Spring Boot集团微信点餐系统

32、Java大牛 带你从0到上线开发集团级电商项目

33、机器学习启蒙

34、Python高效编程技巧实战

35、Python操作三大主流数据库

36、python分布式爬虫营造搜索引擎

37、PHP 360大牛周密解读PHP面试

38、Vue+Django REST framework 创设清新电商项目

39、强力Django+杀手级Xadmin打造上线标准的在线教育平台

40、Java集团级电商项目架构演进之路 汤姆cat集群与Redis分布式

41、Redis从入门到高可用,分布式实践

42、玩转算法

43、算法与数据结构

44、玩转算法面试 leetcode

45、创设扛得住的MySQL数据库架构

46、Java c++算法与数据结构

47、全网稀缺Vue 2.0高级实战 独立开发专属音乐WebAPP

48、Java开发公司级权限管理种类

49、Vue.js高仿饿了么外卖App 前端框架Vue.js 1.0升格2.0

50、webapp书城支付

51、组件情势支付 Web App全站

52、看得见的算法 7个经典应用诠释算法精髓

53、Node.js微信公众号支付

54、全栈最终一英里 – Nodejs 项目标线上服务器布置与公布

55、Angular 4.0从入门到实战 创设股票管理网站

56、Vue2.0+Node.js+MongoDB 打造商城系统

57、ionic2快速上手的跨平台App开发

58、Python3.6 强力Django+杀手级Xadmin创设上线标准的在线教育平台

58、PHP Thinkphp 5.0 仿百度粳米开发多公司电商平台

59、AngularJS全栈开发新浪

60、微信小程序入门与实战 常用组件 API 开发技术 项目实战

61、PHP开发高可用高安全App后端

62、高品质 高价值的PHP API

63、react native 开发跨平台github

64、Angular 创设公司级同盟平台

65、前端小白入门种类课程

66、前端JS基础面试技巧

67、前端跳槽面试必备技巧

68、6钟头jQuery开发小应用

69、响应式开发一招致胜

70、精通React Native技术转型随意切换

71、对接真实数据 从0开发前后端分离集团级上线项目

72、英特尔liJ IDEA入门到掌握视频教程

73、Spring Cloud微服务实战摄像课程

74、Spring Boot实战与原理分析视频课程

75、Spring Boot 教程全集

76、基于Dubbo的分布式系统架构实战

77、Python数据解析与可视化实战

78、了解Redis开发、管理与优化深度讲解

79、opencv视频教程经典20讲

80、Deep Learning for Self-Driving Cars自动驾驶的纵深学习

81、selenium2从零学习自动化测试视频

82、区块链技术从入门到精通

83、Nginx从入门到明白

84、牛客网 初中高级项目

85、Java版数据结构与算法

86、udacity数据解析师微米学位

87、Udacity前端工程师飞米学位课程

88、Udacity机器学习

89、Python Flask 构建微电影视频网站

90、ES6+ 开发电商网站的账号序列 JS SDK

91、ES6零基础教学解析彩票品类

92、Redux+React Router+Node.js全栈开发

93、集团级刚需Nginx入门,周详控制Nginx配置+连忙搭建高可用架构

94、Webpack + React全栈工程架构项目实战精讲

95、Kotlin系统入门与进阶

96、Python3 全网最热的Python3入门+进阶 比自学更快上手实际成本

详情请互换  QQ  709639943

发表评论

电子邮件地址不会被公开。 必填项已用*标注

网站地图xml地图
Copyright @ 2010-2019 mobile.365-838.com 版权所有