Пример кодирования торговой стратегии в R с использованием пакета Quantmod

Перевод. Оригинал здесь. 

Тестирование торговой стратегии можно разделить на четыре этапа: 

1. Получение исторических данных. 

2. Формулирование торговой стратегии и определение правил. 

3. Выполнение торговой стратегии на исторических данных. 

4. Оценка ее эффективности. 

  

В этой статье мы протестируем нашу стратегию в R. Пакет quantmod позволяет нам легко скачать исторические данные с Yahoo Finance. Приведенная ниже строка кода загружает котировки индекса NSE ( Nifty). 

  

> getSymbols("^NSEI") 

  

Quantmod также обеспечивает возможности визуализации данных. Приведенная ниже команда строит график данных NSE. 

     

> chartSeries(NSEI,TA=NULL) 

  

 

  

TA = «Null» означает не используется никакой технический индикатор. Следующий шаг - выбрать торговую стратегию. В этом примере мы возьмем MACD (схождение - расхождение скользящих средних). В стратегии пересечения скользящих средних вычисляются две скользящие средние: медленная и быстрая. Разница между быстрой и медленной скользящими средними называется линией MACD. Третья средняя называется сигнальной линией; это 9-дневная экспоненциальная скользящая средняя MACD. Если линия MACD пересекает сигнальную линию снизу вверх, то это бычий сигнал, и мы открываем длинную позицию. Если линия MACD пересекает сигнальную линию сверху вниз, то это медвежий сигнал, и мы открываем короткую позицию. Для расчета средних значений мы выбираем цену закрытия NSE. Эта задача выполяется с помощью следующей команды: 

     

> data=NSEI[,4] 

  

Для корректной работы функций необходимо исключить строки, содержащие значения NA. Это можно сделать с помощью следующей команды: 

> NSEI<- span="">na.omit(NSEI) 

Приведенная ниже команда рассчитывает MACD для цен закрытия. 

     

> macd=MACD(data, nFast=12, nSlow=26, nSig=9, maType=SMA, percent=FALSE) 

  

В зависимости от требований торговой системы можно выбирать различные параметры для быстрой, медленной и сигнальной средних. Здесь мы придерживаемся стандартных параметров. MACD - это функция в quantmod, которая вычисляет схождение - расхождение скользящих средних, данные - это цена закрытия для NSE, nFast - быстрая скользящая средняя, nSlow - медленная скользящая средняя, maType = SMA указывает, что мы выбрали простую скользящую среднюю, percent = FALSE подразумевает, что мы вычисляем разницу между быстрой скользящей средней и медленной скользящей средней. Установка TRUE вернула бы процентную разницу между быстрой скользящей средней и медленной скользящей средней. 

  

Следующая команда строит график для цены закрытия NSE вместе с параметрами MACD. 

  

> chartSeries(NSEI,TA="addMACD()") 

  

 

  

Как говорилось ранее, наша торговая стратегия заключается в следующем: 

  

- если линия MACD пересекает сигнальную линию снизу вверх, то это бычий сигнал, и мы открываем длинную позицию по NSE; 

- если линия MACD пересекает сигнальную линию сверху вниз, то это медвежий сигнал, и мы открываем короткую позицию по NSE. 

  

Следующая команда генерирует соответствующий торговый сигнал. Мы используем оператор lag, чтобы избежать "заглядывания в будущее". 

  

> signal = Lag(ifelse(macd$macd < macd$signal, -1, 1)) 

  

Мы будем тестировать нашу стратегию на исторических данных по NSE с 17.09.2007 по 22.09.2015. Торговый сигнал применяется к цене закрытия. 

  

> returns=ROC(data)*signal 

  

Функция ROC дает нам процентную разницу между двумя ценами закрытия. Мы можем выбрать период, для которого мы хотим определить доходность. Последующая команда выбирает результаты между 02.06.2008 и 22.09.2015.  

> returns = returns["2008-06-02/2015-09-22"] 

  

Суммарная доходность может быть рассчитана и визуализирована с использованием следующих команд:  

  

> portfolio=exp(cumsum(returns)) 

> plot(portfolio) 

  

 

  

4-й этап тестирования - это оценка эффективности стратегии. Пакет performance analytics в R предоставляет консолидированную платформу для наблюдения за параметрами, связанными с эффективностью. Здесь можно отслеживать такие показатели, как  просадки, риски и т.д. 

  

Приведенные ниже команды обеспечивает вывод вышеупомянутых параметров и многое другое! 

> library(PerformanceAnalytics)    

> table.Drawdowns(returns,top=10) 

> table.DownsideRisk(returns) 

> charts.PerformanceSummary(returns)