量化交易入门书籍-Quantitative Trading how to Build Your Own Algorithmic Trading Business 03
由polll创建，最终由polll 被浏览 233 用户
英文书籍的特点就是废话是比较多的，写这个系列也是挑出精华部分，另外加上自己在实操中的一些东东，进行修改，但是是按照书的内容精神走。
英文书籍的特点就是废话是比较多的，写这个系列也是挑出精华部分，另外加上自己在实操中的一些东东，进行修改，但是是按照书的内容精神走。
回测文件格式
做交易时往往涉及到不同的交易品种，一般会按品种区分文件夹，如下图（这里是下载了所有的主力合约，就是每天交易量最大的合约）：
每一个文件夹按照品种命名，我们在做回测时需要保证读取数据时，路径及数据格式统一，方便不同策略回测，我们打开a文件夹，如下图：
这个文件夹里装着这个品种从11年以来的所有交易数据，数据命名格式为交易的合约标的（如：a1201）+ 数据日期（如：20110329），储存格式为TXT文本文件，下面我们再打开一个数据交易合约看看，如下图：
我们可以看到第一行#开头的为昨日的数据：开盘价、收盘价、成交量；第二行为今日交易数据，分别为：交易时间(time)、买价(bidprice)、买量(bidvolume)、卖价(askprice)、卖量(askvolume)、成交价(settleprice)、成交量(settlevolume)、累计成交量(totalvolume)。
所有的交易数据都以以上的格式进行储存。
现在我们用PYTHON来读取一下交易文件：
输出结果：
在回测中我们会写一个批量读取文件的函数，然后打开每日交易数据后，按照行数依次读取，在这里多讲一点点，我们可以观察一下上图的输出结果，其实交易数据并不是连续的，因为交易所只有在有交易产生的时候才推送一次数据，而且是数据快照，我们在做统计套利的策略时，就需要做一些处理，两个方法，一是提前对基础数据进行填充，将缺失的数据以上一个数据源填充，二是在回测程序中去识别交易时间，推送匹配的数据。但是在做其他交易策略时，数据点的缺失影响并不大。
策略评价指标
量化交易员会使用很多不同的指标来衡量策略的表现，这个跟个人偏好有很大关系（也就是前面说到的个人对策略风险与收益之间的偏好），对EP.CHAN来说他最看重的两个指标是夏普率和回撤，在第二章中已经提到了夏普率，最大回撤和最大回撤期间（maximum drawdown duration）,在这里，我们将介绍这些指标的具体计算方法。
夏普率：
通常，如果你计算你的平均收益和标准差收益需要基于一个交易区间T，T可以是按月、按天甚至按小时算，你必须确认你的交易时间跨度里有多个个T，我们记为Nt,那么年化夏普率为：
下面将用程序思维来表达计算方法，设：
value列= 每日日终的持有市值
daily return列 =value（2：end） - value(1 : end -1) / value (1 : end -1 )
每天的回报率都等于（T日终市值-T-1日终市值）/T-1日终市值
excessRet列 = dailyreturn - Rf(无风险收益率）/ 252 （每年252个交易日）
sharperatio = sqrt(252) * mean(excessRet)/std(excessRet)
大家可以测试一下每日赚0.01%的夏普率和今天赚0.03%，明天亏0.01%的两种情况下夏普率的差距，就比较能理解夏普率的概念了。
最大回撤：
最大回撤就比较简单了，设置一个变量 maxdraw = 0 ，当策略亏损时，就更新maxdraw , 交易结束时，就得到了期间最大亏损值。
最大回撤区间：
同样的设置变量 drawdownduration = 0，maxdownduration = 0
如果 t时刻策略亏损
drawdownduration + = 1
如果 t时刻策略盈利
drawdownduration = 0 (一旦盈利就初始化为0）
更新 maxdownduration
最后一部分是使用回撤数据需要注意的地方，作者东西写的比较散，但是都比较实用。
Look-ahead bias 使用未来数据
就是你在T日交易，你使用了T+1日的数据，我曾经有个策略就是这样，最终的结果就是策略盈利很恐怖，类似于如果T+1日涨，策略就在T日买入。基本上就是上帝视觉，你知道了明天市场将发生的情况。
Data-Snooping Bias 过度拟合
前面已经讲到了这个概念，解决方法：1、用新数据测试 2、对策略进行鲁棒性检验
Sample Size 数据集大小
以前有一个同学告诉我他发现了简单移动平均线赚大钱，我就问了他你按什么数据区间测试，他回答按照每日，共才800个数据。我说基本你选择了最优路线就回到了过度拟合中。
下一篇我们将按照书中的代码实现一个简单的统计套利策略。
\