Python教程 第7节: 探索单均线系统——历史平均收益率最佳均线分析

在前几节的内容中，我们打下了使用Python进行分析和视图的基础。现在，我们可以进行一个更加有趣的分析，不同指数下，使用单均线系统时的历史平均收益率最佳均线长度是多少？

简单单均线系统回顾

在第4节中，我们构建了一个简单的单均线系统，详情可见链接。现在，我们将在此基础上进行改进。

构建单均线系统的收益函数

首先，根据上节的内容，我们可以创建了一个名为 strategie.py 的文件，把单均线系统的收益函数放进去。

import numpy as np
import pandas as pd

from utils import get_moving_average


def single_moving_average_strategy(prices, sma_window_size, initial_capital=1000):
    in_position = False
    cash = initial_capital
    stock_quantity = 0
    sma = get_moving_average(prices, sma_window_size)
    date_list = []
    capital_list = []
    for date, price, sma_value in zip(prices.index, prices['Adj Close'], sma):
        if not np.isnan(sma_value):  # 忽略均线计算前的NaN值
            if price > sma_value and not in_position:  # 突破均线且当前不在持仓中
                in_position = True
                stock_quantity = cash / price
                cash = 0
            elif price < sma_value and in_position:  # 跌破均线且当前持仓中
                in_position = False
                cash = stock_quantity * price
            date_list.append(date)
            capital_list.append(cash + stock_quantity * price)
    return pd.DataFrame({"Date": date_list,
                         "capital": capital_list}), capital_list[-1] / initial_capital

这个函数有两个输出：一个是关于时间的总资产的DataFrame，另一个是总收益率。

修改主文件 main.py

接下来，我们修改了主文件 main.py，使用 matplotlib.pyplot 中的 bar 函数绘制柱状图，横坐标表示不同的均线长度，纵坐标表示总收益率。

# main.py
import matplotlib.pyplot as plt

from strategies import single_moving_average_strategy
from utils import get_prices

plt.style.use('dark_background')


def main():
    prices = get_prices("^NDX")
    sma_size_range = range(2, 365 * 10)
    ratio_list = []
    for sma_size in sma_size_range:
        _, ratio = single_moving_average_strategy(prices, sma_size)
        ratio_list.append(ratio)
    plt.bar(sma_size_range, ratio_list)
    plt.show()

if __name__ == '__main__':
    main()

在这段代码中，我们使用了 matplotlib.pyplot 中的 bar 函数绘制柱状图，bar函数中的第一个参数是横坐标，也就是均线长度，第二个参数是纵坐标，这里是总收益率。

代码中_在Python中表示不需要使用的变量，这里相当于一个占位符。

sma_size_range用于测试从2天到10年的均线，我们看一下输出的效果图。

使用日k线，收益最高的均线长度是318，按照美股一年252个交易日计算，大约相当于1.247年。但是，即便是最高点的总收益也没到100，而这段时间纳斯达克100指数的总收益是162.984倍。

测试不同周期的数据

通过替换代码中的周期，我们测试了周K和月K数据。具体如下：

prices = get_prices("^NDX", "1wk")
sma_size_range = range(2, 52 * 10)

prices = get_prices("^NDX", "1mo")
sma_size_range = range(2, 12 * 10)

周k的最高点是110周均线，最高收益大概122倍。

月k的最高点是25个月均线，总收益大概123倍。

结论

我们可以发现：

• 使用周k和月k做分析决策，长线看来是有优势的，因为可以过滤掉很多市场的杂音
• 单均线系统在任何情况下都没有超过指数自己本身的收益，所以使用单一均线反复买卖操作，在纳指上是得不偿失的。

最后，大家可以试试其他指数，看是否会得出相同的结论。

print(prices.iloc[-1]["Adj Close"]/prices.iloc[0]["Open"])#可以用来获得指数收益率
# 指数代码SP500: ^GSPC; A50: 000001.SS