原文鏈接：http://tecdat.cn/?p=23808

原文出處：拓端數(shù)據(jù)部落公眾號?

本文介紹如何根據(jù)歷史信號/交易制作股票曲線。

讓我們以MARKET TIMING與DECISION MOOSE的歷史信號為例，為該策略創(chuàng)建股票曲線。?

1. #*****************************************************************

2. # 加載信號

3. #*****************************************************************

4. 


5. 


6. # 提取交易歷史

7. temp = extract.table.from.webpage(txt, 'Transaction History', has.header = F)

8. temp = trim(temp[-1,2:5])

9. colnames(temp) = spl('id,date,name,equity')

10. 


12. tickers = toupper(trim(gsub('\\)','', sapply(temp[,'name'], spl, '\\('))))[2,]

13. 


14. 


15. load(file=filename)

16. 


17. 


18. #plota(make.xts(info$equity, info$date), type='l')

19. 


20. #*****************************************************************

21. # 加載歷史數(shù)據(jù)

22. #*****************************************************************

23. tickers = unique(info$tickers)

24. 


25. # 加載保存的代理原始數(shù)據(jù)

26. load('data/data.proxy.raw.Rdata')

27. 


28. # ?定義現(xiàn)金

29. tickers = gsub('3MOT','3MOT=BIL+TB3M', tickers)

30. 


31. #飛毛腿新亞洲基金（SAF），并入DWS新興市場股票基金

32. tickers = gsub('SAF','SAF=SEKCX', tickers)

33. 


34. 


35. #添加虛擬股票，以保持交易日期，如果它們與數(shù)據(jù)不一致的話

36. dummy = make.stock.xts(make.xts(info$equity, info$date))

37. 


38. getSymbols.extra(tickers, src = 'yahoo', from = '1970-01-01', env = data, raw.data = data.proxy.raw, auto.assign = T)

39. 


40. # 可選擇未被Adjusted捕獲的分叉點(diǎn)

41. #data.clean(data, min.ratio=3)

43. for(i in ls(data)) data[[i]] = adjustOHLC(data[[i]], use.Adjusted=T)

44. 


45. #print(bt.start.dates(data))

46. 


47. data$dummy = dummy

48. 


49. 


50. 


51. 


52. #*****************************************************************

53. # 設(shè)置

54. #*****************************************************************

55. prices = data$prices

56. 


57. models = list()

58. 


59. #*****************************************************************

60. #代碼策略，SPY - 買入和持有

61. #*****************************************************************

62. data$weight[] = NA

63. data$weight$SPY = 1

64. models$SPY = bt.run.share(data, clean.signal=T, silent=T)

66. #*****************************************************************

67. # 創(chuàng)建權(quán)重

68. #*****************************************************************

69. weight = NA * prices

71. for(t in 1:nrow(info)) {

72. weight[info$date[t],] = 0

73. weight[info$date[t], info$ticker[t]] = 1

74. }

79. #*****************************************************************

80. #創(chuàng)建報告

81. #******************************************************************

82. plota.matplot(scale.one(data$prices),main='Asset Perfromance')

plot(models, plotX = T)

print(plotbt))

?

1. m = 'decisionmoose'

2. plotbmap(models[[m]]$weight, name=m)

最受歡迎的見解

1.R語言對S＆P500股票指數(shù)進(jìn)行ARIMA + GARCH交易策略

2.R語言改進(jìn)的股票配對交易策略分析SPY—TLT組合和中國股市投資組合

3.R語言時間序列：ARIMA GARCH模型的交易策略在外匯市場預(yù)測應(yīng)用

4.TMA三均線期指高頻交易策略的R語言實(shí)現(xiàn)

5.r語言多均線量化策略回測比較

6.用R語言實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)預(yù)測股票實(shí)例

7.r語言預(yù)測波動率的實(shí)現(xiàn)：ARCH模型與HAR-RV模型

8.R語言如何做馬爾科夫轉(zhuǎn)換模型markov switching model

9.matlab使用Copula仿真優(yōu)化市場風(fēng)險