策略開發10分鐘上手

想快速了解 FinLab 策略開發工具的精華功能嗎?

看這份範例就對了。

colab 範例檔案連結

1.安裝套件¶

In [22]:

!pip install finlab > log.txt

!pip install finlab > log.txt

2.取得資料¶

2-1.時間序列¶

In [ ]:

from finlab import data

pb = data.get('price_earning_ratio:股價淨值比')
close = data.get('price:收盤價')
close.iloc[:5,:5]

from finlab import data pb = data.get('price_earning_ratio:股價淨值比') close = data.get('price:收盤價') close.iloc[:5,:5]

輸入成功!

INFO:finlab.data:price_earning_ratio:股價淨值比 -- Daily data usage: 434.0 / 5000 MB
INFO:finlab.data:price:收盤價 -- Daily data usage: 455.0 / 5000 MB

Out[ ]:

	0015	0050	0051	0052	0053
date
2007-04-23	9.54	57.85	32.83	38.40	NaN
2007-04-24	9.54	58.10	32.99	38.65	NaN
2007-04-25	9.52	57.60	32.80	38.59	NaN
2007-04-26	9.59	57.70	32.80	38.60	NaN
2007-04-27	9.55	57.50	32.72	38.40	NaN

2-2.非時間序列¶

In [ ]:

company_basic_info = data.get('company_basic_info')
company_basic_info.head(3)

company_basic_info = data.get('company_basic_info') company_basic_info.head(3)

Out[ ]:

	stock_id	公司名稱	產業類別	外國企業註冊地國	住址	營利事業統一編號	董事長	總經理	發言人	發言人職稱	...	公司網址	投資人關係聯絡人	投資人關係聯絡人職稱	投資人關係聯絡電話	投資人關係聯絡電子郵件	公司網站內利害關係人專區網址	市場別	上櫃日期	興櫃日期	公司簡稱
0	1101	台灣水泥股份有限公司	水泥工業	－	台北市中山北路2段113號	11913502	張安平	李鐘培	黃健強	資深副總經理	...	http://www.taiwancement.com	張佳琪	主任	02-25317099分機20358	[email protected]	http://www.taiwancement.com/tw/csr/csr5-1.html	sii	nan	nan	台泥
1	1102	亞洲水泥股份有限公司	水泥工業	－	台北市大安區敦化南路2段207號30、31樓	03244509	徐旭東	李坤炎	周維崑	副總經理	...	www.acc.com.tw	陳韋仲	投資人關係副經理	02 27338000 ext.8336	[email protected]	http://www.acc.com.tw/tw/stakeholder/stakehold...	sii	nan	nan	亞泥
2	1103	嘉新水泥股份有限公司	水泥工業	－	台北市中山北路2段96號	11892801	張剛綸	祁士鉅	王立心	執行副總經理	...	www.chcgroup.com.tw	王立心	執行副總經理	(02)2551-5211#243	[email protected]	www.chcgroup.com.tw/index.php?route=system/sys...	sii	nan	nan	嘉泥

3 rows × 42 columns

3.撰寫策略¶

3-1.策略條件¶

價格 > 20 日均線入場, 價格 < 60 日均線出場，最多持有10檔，超過 10 個進場訊號，則以股價淨值比小的股票優先選入。

3-2.hold_until function¶

這大概是所有策略撰寫中，最重要的語法糖，上述語法中 entries 為進場訊號，而 exits 是出場訊號。所以 entries.hold_until(exits) ，就是進場訊號為 True 時，買入並持有該檔股票，直到出場訊號為 True 則賣出。

此函式有很多細部設定，可以讓你最多選擇 N 檔股票做輪動。另外，當超過 N 檔進場訊號發生，也可以按照客制化的排序，選擇優先選入的股票。最後，可以持外設定停損停利，來增加出場的時機點。以下是 hold_until 的參數說明：

• exit (pd.Dataframe): 出場訊號。
• nstocks_limit (int): 持有檔數上限。
• stop_loss (float): 停損基準。範例：0.1，代表成本價下跌 10% 時出場。
• take_profit (float): 停利基準。範例：0.1，代表成本價上漲 10% 時出場。
• trade_at (str): 停損停利參考價。可選 close 或 open。
• rank (pd.Dataframe): 當天進場訊號超過 nstocks_limit 時，以 rank 數字越大的股票優先進場。

In [23]:

from finlab import data
from finlab.backtest import sim

close = data.get('price:收盤價')
pb = data.get('price_earning_ratio:股價淨值比')  

sma20 = close.average(20)
sma60 = close.average(60)

entries = close > sma20
exits = close < sma60

position = entries.hold_until(exits, nstocks_limit=10, rank=-pb, take_profit=0.4)
backtest_report = sim(position, upload=False)

from finlab import data from finlab.backtest import sim close = data.get('price:收盤價') pb = data.get('price_earning_ratio:股價淨值比') sma20 = close.average(20) sma60 = close.average(60) entries = close > sma20 exits = close < sma60 position = entries.hold_until(exits, nstocks_limit=10, rank=-pb, take_profit=0.4) backtest_report = sim(position, upload=False)

4.回測¶

4-1.顯示策略回測結果¶

In [24]:

from finlab.backtest import sim

backtest_report = sim(position,upload=False)

# 新增對標的指數，你的策略能贏大盤嗎?
backtest_report.benchmark = data.get('benchmark_return:發行量加權股價報酬指數').squeeze()
backtest_report.display()

from finlab.backtest import sim backtest_report = sim(position,upload=False) # 新增對標的指數，你的策略能贏大盤嗎? backtest_report.benchmark = data.get('benchmark_return:發行量加權股價報酬指數').squeeze() backtest_report.display()

1104    0.1
1402    0.1
1451    0.1
2923    0.1
2929    0.1
3573    0.1
4543    0.1
5438    0.1
6605    0.1
8411    0.1
Name: 2022-07-06 00:00:00, dtype: float64

Timestamp('2022-07-06 00:00:00')

4-2.取得報酬率序列¶

In [ ]:

backtest_report.creturn

backtest_report.creturn

Out[ ]:

date
2007-05-07    1.000000
2007-05-08    0.998575
2007-05-09    0.996668
2007-05-10    1.006912
2007-05-11    1.014379
                ...   
2022-06-30    5.791745
2022-07-01    5.536816
2022-07-04    5.498622
2022-07-05    5.542169
2022-07-06    5.395311
Length: 3742, dtype: float64

4-3.取得近期持有部位與預期換股資訊¶

In [ ]:

backtest_report.position_info()

backtest_report.position_info()

Out[ ]:

{'1104 環泥': {'entry_date': '2022-07-06',
  'entry_price': 0.0,
  'exit_date': '',
  'next_weight': 0.1,
  'return': 0.0,
  'status': '買進',
  'weight': 0.0},
 '1402 遠東新': {'entry_date': '2022-07-06',
  'entry_price': 0.0,
  'exit_date': '',
  'next_weight': 0.1,
  'return': 0.0,
  'status': '買進',
  'weight': 0.0},
 '1451 年興': {'entry_date': '2022-04-22',
  'entry_price': 21.0,
  'exit_date': '',
  'next_weight': 0.1,
  'return': 0.07142857142857095,
  'status': '買進',
  'weight': 0.10060208160861868},
 '2201 裕隆': {'entry_date': '2022-06-20',
  'entry_price': 49.75,
  'exit_date': '2022-07-06',
  'next_weight': 0.0,
  'return': -0.14572864321608014,
  'status': '賣出',
  'weight': 0.09758099807682835},
 '2474 可成': {'entry_date': '2022-05-09',
  'entry_price': 155.5,
  'exit_date': '2022-07-06',
  'next_weight': 0.0,
  'return': 0.012861736334404794,
  'status': '賣出',
  'weight': 0.09850363328058616},
 '2514 龍邦': {'entry_date': '2022-07-01',
  'entry_price': 17.3,
  'exit_date': '2022-07-06',
  'next_weight': 0.0,
  'return': -0.023121387283237205,
  'status': '賣出',
  'weight': 0.09944445830150599},
 '2923 鼎固-KY': {'entry_date': '2022-07-01',
  'entry_price': 27.5,
  'exit_date': '',
  'next_weight': 0.1,
  'return': -0.040000000000000036,
  'status': '買進',
  'weight': 0.09772624635925513},
 '2929 淘帝-KY': {'entry_date': '2022-05-19',
  'entry_price': 12.9,
  'exit_date': '',
  'next_weight': 0.1,
  'return': 0.07364341085271287,
  'status': '買進',
  'weight': 0.10945090553098917},
 '3252 海灣': {'entry_date': '2022-06-20',
  'entry_price': 23.1,
  'exit_date': '2022-07-06',
  'next_weight': 0.0,
  'return': -0.17532467532467533,
  'status': '賣出',
  'weight': 0.09541832353529327},
 '3573 穎台         ': {'entry_date': '2016-05-09',
  'entry_price': 26.3,
  'exit_date': '',
  'next_weight': 0.1,
  'return': 0.001901140684410274,
  'status': '買進',
  'weight': 0.1019434426967336},
 '4543 萬在': {'entry_date': '2022-07-06',
  'entry_price': 0.0,
  'exit_date': '',
  'next_weight': 0.1,
  'return': 0.0,
  'status': '買進',
  'weight': 0.0},
 '5438 東友': {'entry_date': '2022-06-20',
  'entry_price': 14.7,
  'exit_date': '',
  'next_weight': 0.1,
  'return': -0.00340136054421758,
  'status': '買進',
  'weight': 0.10125230071234896},
 '6605 帝寶': {'entry_date': '2022-05-12',
  'entry_price': 58.8,
  'exit_date': '',
  'next_weight': 0.1,
  'return': 0.16496598639455673,
  'status': '買進',
  'weight': 0.09807760989784062},
 '8411 福貞-KY': {'entry_date': '2022-07-06',
  'entry_price': 0.0,
  'exit_date': '',
  'next_weight': 0.1,
  'return': 0.0,
  'status': '買進',
  'weight': 0.0},
 'next_trading_date': '2022-07-06',
 'trade_at': 'close',
 'update_date': '2022-07-06'}

4-4.取得交易紀錄¶

4-4-1.trade_record重點欄位說明¶

• exit_sig_date:進場訊號產生日。
• entry_sig_date:出場訊號產生日。
• entry_date:進場日。
• exit_date:出場日。
• period:持有天數。
• position: 持有佔比。
• return:報酬率。
• mdd:持有期間最大回撤。
• mae:持有期間最大不利幅度。
• g_mfe:持有期間最大有利幅度。
• b_mfe:mae發生前的最大有利幅度。

In [ ]:

trade_record = backtest_report.get_trades()
trade_record.head(5)

trade_record = backtest_report.get_trades() trade_record.head(5)

Out[ ]:

	stock_id	entry_date	exit_date	entry_sig_date	exit_sig_date	position	period	entry_index	exit_index	return	entry_price	exit_price	mae	gmfe	bmfe	mdd	pdays
trade_index
0	3297 杭特	2007-05-08	2007-05-28	2007-05-07	2007-05-25	0.100000	14.0	10.0	24.0	0.535874	44.60	68.50	0.000000	0.535874	0.000000	-0.044402	14.0
1	3376 新日興	2007-05-08	2007-06-05	2007-05-07	2007-06-04	0.100000	20.0	10.0	30.0	-0.022727	220.00	215.00	-0.027273	0.006818	0.006818	-0.033860	2.0
2	4102 永日	2007-05-28	2007-06-05	2007-05-25	2007-06-04	0.109485	6.0	24.0	30.0	-0.046053	15.20	14.50	-0.046053	0.006579	0.006579	-0.052288	2.0
3	9962 有益	2007-05-08	2007-06-05	2007-05-07	2007-06-04	0.100000	20.0	10.0	30.0	-0.065507	48.85	45.65	-0.077789	0.000000	0.000000	-0.077789	0.0
4	3311 閎暉	2007-05-08	2007-06-13	2007-05-07	2007-06-12	0.100000	26.0	10.0	36.0	0.022508	155.50	159.00	-0.025723	0.048232	0.025723	-0.055215	16.0

4-5.交易紀錄應用-繪製報酬率分佈¶

In [27]:

import plotly.express as px

trade_record['profit_loss'] = trade_record['return'].apply(lambda s: 'profit' if s > 0 else 'loss')
win_ratio = round(sum(trade_record['profit_loss'] == 'profit') / len(trade_record['profit_loss']) * 100, 2)
return_mean = round(trade_record['return'].mean(), 2)
fig = px.histogram(trade_record, x="return", color="profit_loss", title=f'profit_loss_hist - win_ratio: {win_ratio} %')
fig.add_vline(x=return_mean, line_width=3, line_dash="dash", line_color="green",
              annotation_position="top left",
              annotation_text=f'avg_return:{return_mean}', row=1, col=1)

import plotly.express as px trade_record['profit_loss'] = trade_record['return'].apply(lambda s: 'profit' if s > 0 else 'loss') win_ratio = round(sum(trade_record['profit_loss'] == 'profit') / len(trade_record['profit_loss']) * 100, 2) return_mean = round(trade_record['return'].mean(), 2) fig = px.histogram(trade_record, x="return", color="profit_loss", title=f'profit_loss_hist - win_ratio: {win_ratio} %') fig.add_vline(x=return_mean, line_width=3, line_dash="dash", line_color="green", annotation_position="top left", annotation_text=f'avg_return:{return_mean}', row=1, col=1)

4-6.策略流動性風險檢測¶

In [ ]:

from finlab.analysis.liquidityAnalysis import LiquidityAnalysis

# 交易紀錄進出場成交張數大於1000張的比例, 成交金額大於1000000元的比例，檢測資金部位胃納量
backtest_report.run_analysis(LiquidityAnalysis(required_volume=100000, required_turnover=1000000))

from finlab.analysis.liquidityAnalysis import LiquidityAnalysis # 交易紀錄進出場成交張數大於1000張的比例, 成交金額大於1000000元的比例，檢測資金部位胃納量 backtest_report.run_analysis(LiquidityAnalysis(required_volume=100000, required_turnover=1000000))

4-7.取得策略統計指標¶

取得數據如夏普率、索提諾比率、最大回檔、近期報酬率統計...

策略指標解析:

夏普值(sharpe_value)小於零，代表賠錢的意思，以一個簡易的選股策略來說，一般人波段實單操作，可能是0.7，以一個ETF來說，可能 0.9 就已經很不錯了，而以網路上付費選股策略 1.3 可能會是比較理想的數值，當然也有真的很厲害的選股策略，Sharpe可以到 2 或 3。

獲利峰態(kurt)是跟一般的高斯分佈做比較，比高斯分佈更尖 kurt 越高，通常代表策略績效越穩定，而一般股票而言大盤的kurt大約在 1~2 左右，大於 2 基本上算是勉強堪用，5以上就算還不錯。偏態的話也是跟高斯分佈比較，越偏向右邊越小，通常 -0.5 以下算是勉強堪用，-1左右算是還不錯

In [1]:

backtest_report.get_stats()

backtest_report.get_stats()

5.上傳 strategy¶

sim 中的 參數 upload 預設為 True，執行完回測後會在平台網頁模顯示選股清單。

複製下列cell的程式碼，貼到 finlab 量化平台，才可設定每日自動更新策略清單。

In [ ]:

from finlab import data
from finlab.backtest import sim

close = data.get('price:收盤價')
pb = data.get('price_earning_ratio:股價淨值比')  

sma20 = close.average(20)
sma60 = close.average(60)

entries = close > sma20
exits = close < sma60

position = entries.hold_until(exits, nstocks_limit=10, rank=-pb, take_profit=0.4)
sim(position, name='策略教學範例:pb_ma')

from finlab import data from finlab.backtest import sim close = data.get('price:收盤價') pb = data.get('price_earning_ratio:股價淨值比') sma20 = close.average(20) sma60 = close.average(60) entries = close > sma20 exits = close < sma60 position = entries.hold_until(exits, nstocks_limit=10, rank=-pb, take_profit=0.4) sim(position, name='策略教學範例:pb_ma')