关于我们
欢迎来电咨询及商务洽谈!

DolphinDB实现动量交易策略详解

发布日期:2018/09/25 浏览量:1 来源:未知
分享:
说到投资策略,动量策略是投资界最流行的策略之一。比如,在商品期货的CTA策略中,绝大多数都是动量策略,在股票市场,初入股市的新手利用MACD等技术指标寻找买卖点,也是常用的动量策略。通俗地讲,动量策略就是“追涨杀跌”,买涨的厉害的,卖跌的厉害的。下面将介绍如何在DolphinDB中测试动量交易策略,并计算动量交易策略的累积回报。
 
最常用的动量因素是过去一年扣除最近一个月的收益率。动量策略通常是一个月调整一次并且持有期也是一个月。本文的例子中,我们每天调整1/21的投资组合,并持有新的投资组合21天。为了简单起见,我们不考虑交易成本。
 
假设我们有一个数据表,它可以是分布式表,也可以是本地的CSV文件。它包含以下列:
PERMNO:股票代码
date:日期
PRC:每股价格
SHROUT:流通股数
RET:股票日收益
VOL:每日交易量
 
我们以本地的US.csv文件为例。
步骤1. 加载股票交易数据,对数据进行清洗和过滤,然后为每只股票构建过去一年扣除最近一个月收益率的动量信号。
 
US = loadTable("C:/US.csv”)
def loadPriceData(inData){
       USstocks = select PERMNO, date, abs(PRC) as PRC, VOL, RET, SHROUT*abs(PRC) as MV from inData where weekday(date) between 1:5, isValid(PRC), isValid(VOL) order by PERMNO, date
       USstocks = select PERMNO, date, PRC, VOL, RET, MV, cumprod(1+RET) as cumretIndex from USstocks context by PERMNO
       return select PERMNO, date, PRC, VOL, RET, MV, move(cumretIndex,21)\move(cumretIndex,252)-1 as signal from USstocks context by PERMNO
}
priceData = loadPriceData(US)

 
步骤2. 为动量策略生成投资组合
首先,选择满足以下条件的流通股:动量信号值无缺失、当天的交易量为正、市值超过1亿美元以及每股价格超过5美元。
 
def genTradables(indata){
       return select date, PERMNO, MV, signal from indata where PRC>5, MV>100000, VOL>0, isValid(signal) order by date
}
tradables = genTradables(priceData)

 
然后根据每天的动量信号,产生10组流通股票。只保留2个最极端的群体(赢家和输家)。假设在21天内,每天总是多头1美元和空头1美元,所以我们每天在赢家组多头$1/21,在输家组每天空头$1/21。在每组中,我们可以使用等权重或值权重, 来计算投资组合形成日期上每个股票的权重。
 
//WtScheme=1表示等权重;WtScheme=2表示值权重
def formPortfolio(startDate, endDate, tradables, holdingDays, groups, WtScheme){
       ports = select date, PERMNO, MV, rank(signal,,groups) as rank, count(PERMNO) as symCount, 0.0 as wt from tradables where date between startDate:endDate context by date having count(PERMNO)>=100
       if (WtScheme==1){
              update ports set wt = -1.0\count(PERMNO)\holdingDays where rank=0 context by date
              update ports set wt = 1.0\count(PERMNO)\holdingDays where rank=groups-1 context by date
       }
       else if (WtScheme==2){
              update ports set wt = -MV\sum(MV)\holdingDays where rank=0 context by date
              update ports set wt = MV\sum(MV)\holdingDays where rank=groups-1 context by date
       }
       return select PERMNO, date as tranche, wt from ports where wt != 0 order by PERMNO, date
}
startDate=1996.01.01
endDate=2017.01.01
holdingDays=21
groups=10
ports = formPortfolio(startDate, endDate, tradables, holdingDays, groups, 2)
dailyRtn = select date, PERMNO, RET as dailyRet from priceData where date between startDate:endDate

 
步骤3. 计算投资组合中每只股票接下来21天的利润或损失。在投资组合形成后的21天关停投资组合。
 
def calcStockPnL(ports, dailyRtn, holdingDays, endDate, lastDays){
       ages = table(1..holdingDays as age)
       dates = sort distinct ports.tranche
    dictDateIndex = dict(dates, 1..dates.size())
    dictIndexDate = dict(1..dates.size(), dates)
       pos = select dictIndexDate[dictDateIndex[tranche]+age] as date, PERMNO, tranche, age, take(0.0,size age) as ret, wt as expr, take(0.0,size age) as pnl from cj(ports,ages) where isValid(dictIndexDate[dictDateIndex[tranche]+age]), dictIndexDate[dictDateIndex[tranche]+age]<=min(lastDays[PERMNO], endDate)
 
       update pos set ret = dailyRet from ej(pos, dailyRtn,`date`PERMNO)
       update pos set expr = expr*cumprod(1+ret) from pos context by PERMNO, tranche
       update pos set pnl = expr*ret/(1+ret)
       return pos
}
lastDaysTable = select max(date) as date from priceData group by PERMNO
lastDays = dict(lastDaysTable.PERMNO, lastDaysTable.date)
undef(`priceData, VAR)
stockPnL = calcStockPnL(ports, dailyRtn, holdingDays, endDate, lastDays)
 

步骤4. 计算投资组合的利润或损失,并绘制随时间推移的动量策略累积回报。
 
portPnL = select sum(pnl) as pnl from stockPnL group by date
portPnL = select * from portPnL order by date;
plot(cumsum(portPnL.pnl) as cumulativeReturn,portPnL.date, "Cumulative Returns of the Momentum Strategy")
 

以下是我们使用包含1996年到2016年23206只美国股票每日交易记录的CSV文件执行得出的结果。回测时,每天产生一个新的tranche,持有21天。如此庞大的数据量和计算列,使用单线程计算,DolphinDB耗时仅3分钟。

动量策略实施起来需要理解获得超额回报的原理和一定的交易技能,以及可能带来的投资风险。感兴趣的朋友可以到官网下载DolphinDB设计自己的动量策略。