Добавил:

ivanov666 Опубликованный материал нарушает ваши авторские права? Сообщите нам.

Вуз:

Башкирский Государственный Аграрный Университет

Предмет:

[НЕСОРТИРОВАННОЕ]

Файл:

Создание, тестирование и оптимизация торговых систем с использованием программы Metastok и языка R. Учебное пособие

.pdf

Скачиваний:

Добавлен:

08.09.2026

Размер:

2 Мб

Скачать

☆

<<< < Предыдущая 1 2 3 45 / 65 6 > Следующая >>>

getSymbols(paste0('SPFB.',RTS), src='Finam',

from= Sys.Date() - 365,

to= Sys.Date())

price = merge.zoo(SPFB.RTS[,4])

Во многих пакетах для тестирования уже заложены данные класса

data.frame. Например, в библиотеке TTR имеется встроенный фрейм

данных ttrc. Для того чтобы вывести на экран первые пять строк этого фрейма данных и определить его класс, достаточно выполнить следующие команды:

library(TTR)

data(ttrc)

head(ttrc)

class(ttrc)

Для удобства работы с финансовыми временными рядами рекомендуется преобразовывать фрейм данных в объекты класса

xts (eXtensible

Time-Series). Для этого можно использовать библиотеку xts и выпол-

нить следующую команду:

library(xts)

qxts<-

xts(ttrc[,-1],order.by=ttrc[,1])

Для очистки оперативной памяти можно использовать команду

rm(list=ls())

2.4. Выгрузка данных из программы R/Rstudio

Приведем некоторые простейшие приемы сохранения результатов работы, полученных во время сессии R:

 sink(file= <имя файла>) – выводит результаты выполне-

ния последующих команд в режиме реального времени в файл с заданным именем; для прекращения действия этой команды необходимо выполнить команду

sink() без параметров;

 save(file= <имя файла>, <список сохраняемых объектов>)

– сохраняет указанные объекты в двоичном файле

XDR-формата, с которым можно работать в любой операционной системе;

 load(file= <имя файла>) – восстанавливает сохраненные

объекты в текущей среде;

 save.image(file= <имя файла>) – сохраняет все объ-

екты, созданные в ходе работы, в виде специфичного для R rda-файла.

Для записи данных в текстовый файл можно использовать функцию

write.table(). Например, запишем матрицу A в файл с именем MyData.csv, в качестве разделителя значений используем символ табу-

ляции:

write.table(A, file="MyData.csv", sep="\t")

В среде R можно генерировать пиксельное изображение необходимого качества почти для любого разрешения дисплея или устройства печати, а также сохранить полученные графические окна в файлах разного формата.

Для сохранения графика, построенного с использованием функции

plot(), можно выполнить следующий скрипт:

jpeg(file="saving_plot.jpeg")

plot(…)

dev.off()

В RStudio для сохранения построенных графиков в буфер обмена можно использовать команду

Следующий код позволяет загрузить котировки акций компании

ple

(AAPL) с сервера Yahoo Finance, затем сохранить данные в файл Ap-

Plots – Copy to Clipboard… .

Ap-

ple.rds в бинарном формате и загрузить данные из файла в перемен-

ную

Apple:

library(quantmod)

library(xts)

getSymbols("AAPL",src='yahoo')

saveRDS(AAPL, file="Apple.rds")

Apple = readRDS("Apple.rds")

Бинарный формат позволяет использовать исходные данные в разных операционных системах.

2.5. Проведение технического анализа

Все объекты данных (а следовательно, и переменные) в R можно разделить на следующие классы (Шитиков, 2017):

 numeric – объекты, к которым относятся целочисленные

(integer) и действительные числа (double);

 logical – логические объекты, которые принимают только два

значения: FALSE (сокращенно F) и TRUE (T);

 character – символьные объекты (значения переменных зада-

ются в двойных либо одинарных кавычках).

В языке R можно создавать имена для различных объектов (функций или переменных) как на латинице, так и на кириллице, но следует учесть, что

а (кириллица) и a (латиница) – это два разных объекта. Кроме того,

среда R чувствительна к регистру, т. е. строчные и заглавные буквы в ней различаются. Имена переменных (идентификаторы) в R должны начинаться с буквы (или точки чёркивания. При помощи команды

.) и состоять из букв, цифр, знаков точки и под-

?<имя>

можно проверить, существует ли переменная или функция с указанными именем. Для проверки класса объекта достаточно выполнить команду

class(<объект>).

Выражение (expression) языка R представляет собой сочетание та-

ких элементов, как оператор присваивания (=, <-, ->), арифметические (+,

–, /, *, %/%, %%, ^) или логические операторы (==, !=, <, >, <=, >=, &, |, !), имена объектов и имена функций. Результат выполнения выражения,

как правило, сразу отображается в командном или графическом окне. Однако при выполнении операции присваивания результат сохраняется в соответствующем объекте и на экран не выводится

Построение графиков временных рядов. Загрузим котировки че-

тырех компаний General Electrics (GE), Кока-кола (KO), Apple (AAPL), McDonald’s (MCD) и индекс

Value Line Index (^VLIC) с сервера Yahoo

Finance за 2018 год. Для построения графика с пятью кривыми необходимо:

1. Подключить библиотеку:

library("quantmod")

2. Загрузить исходные данные:

symbols = c('^VLIC','GE','KO','AAPL','MCD') getSymbols(symbols, src='yahoo', from="2018-02-01",

to="2019-02-01")

3. Выбрать необходимые значения:

VLICad = VLIC$VLIC.Close; GEad = GE$GE.Close; KOad = KO$KO.Close; AAPLad = AAPL$AAPL.Close; MCDad = MCD$MCD.Close

4. Вычислить кумулятивную сумму ежедневных доходностей и

удалить первое слагаемое во временных рядах:

vl = cumsum((Delt(VLICad)*100)[-1,]) ge = cumsum((Delt(GEad)*100)[-1,]) ko = cumsum((Delt(KOad)*100)[-1,]) ap = cumsum((Delt(AAPLad)*100)[-1,]) md = cumsum((Delt(MCDad)*100)[-1,])

5. Предварительно сделать настройки осей графика:

lim = c(min(vl,ge,ko,ap,md), max(vl,ge,ko,ap,md))

6. Построить график для индекса и добавить на него четыре кривые

и легенду:

plot(vl,main="",ylim=lim,

xlab="",ylab="Доходность, %")

lines(ge, col="green"); lines(ko, col="red") lines(ap, col="violet"); lines(md, col="yellow") legend(x="topleft",

cex=0.4,c("VLIC","GE","KO","AAPL","MCD"),

lty=1, col=c("black", "green", "red", "violet",

"yellow"))

В результате выполнения скрипта на экране появится график, при-

веденный на рис. 26.

Рис. 26. График индекса VLIC и котировки компании GE, KO, AAPL, MCD

Построение линейной регрессионной модели для временного

ряда.

eral Reserve Bank

Загрузим временной ряд индекса Доу Джонса (DJIA) с сервера Fed-

за период с 2017 по 2018 год.

Для построения регрессионной модели

и проверки ее качества необ-

ходимо:

1. Подключить библиотеку:

library("quantmod")

2. Загрузить исходные данные:

getSymbols("DJIA", src="FRED")

3. Выбрать необходимые значения:

serie = DJIA["2017/2018"] price = as.numeric(serie) time = index(serie)

4. Построить линейную регрессию:

x=1:length(price) model = lm(price~x) reg = model$coef[1]+model$coef[2]*x

5. Построить график индекса Доу Джонса и добавить на него мо-

дельную кривую:

plot(x=time, y=price, main="Dow Jones",

type="l", xlab="Дата", ylab="Пункты")

lines(time, reg, col=2, lwd=2)

6. Познакомиться с оценками коэффициентов выборочного уравнения регрессии, значениями стандартных ошибок, вероятностями отклонения гипотез о равенстве полученных оценок истинным значениям, а также коэффициентом детерминации:

summary(fit)

В результате выполнения скрипта на экране появится график, при-

веденный на рис. 27.

Рис. 27. Котировки индекса Доу Джонса и линейная регрессия (красная линия)

Применение индикатора технического анализа к графику коти-

ровок

. Загрузим котировки Microsoft (MSFT) c сервера yahoo. Построим свечной график цены для полученных данных за 2018–2019 гг., периодичность – 1 неделя, тема графика – белая. К полученному графику применим два индикатора – Полосы Боллинджера (BBands), схождение и расхождение скользящих средних (MACD) с установками по умолчанию.

Для построения индикаторов необходимо:

1. Подключить необходимые (предварительно установленные)

библиотеки:

library(quantmod) library(TTR)

2. Загрузить исходные данные:

getSymbols("MSFT", src = "yahoo")

3. Построить график за 2018–2019 гг. с необходимыми настройками:

candleChart(to.weekly(MSFT["2018/2019"]), theme="white", up.col='green', dn.col='red',

name="Microsoft (MSFT)")

4. Наложить на график два индикатора с настройками по умолчанию:

addMACD() addBBands()

Рис. 28. График цены и два индикатора технического анализа

В результате выполнения скрипта на экране появится график, приведенный на рис. 28. Полосы Боллинджера (BBands) построены в основном окне с установками: окно усреднения – 20 периодов, множитель сигма – 2. Индикатор схождение и расхождение скользящих средних (MACD) отображен в дополнительном окне (под графиком цены), с установками: короткая скользящая средняя – 12, длинная скользящая средняя

– 26, сглаживающая скользящая

средняя – 9 периодов.

График плотности вероятности случайной величины. Загрузим

временной ряд котировок Apple(AAPL) с сервера YahooFinance. Вычислим логарифмические доходности и построим для них график функции плотности. Проверим гипотезу о нормальности распределения доходностей с использованием теста Шапиро–Уилка. Для этого необходимо:

1. Подключить библиотеку:

library(quantmod)

2. Загрузить исходные данные:

getSymbols("AAPL", src="yahoo", from="2018-02-01", to="2019-02-01")

3. Вычислить дневные логарифмические доходности:

apRd= periodReturn(AAPL$AAPL.Close, period="daily", type="log")

4. Построить оценку функции плотности распределения для вычисленных доходностей, например с использованием непараметрического метода – ядерного сглаживания (Kernel Density Estimation):

dsd = density(apRd)

5. Сделать настройки графика и вывести график эмпирической функции плотности на экран:

yl=c(min(dsd$y), max(dsd$y)) plot(dsd, main="Функция плотности", ylim=yl,

xlab="x")

6. Оценить математическое ожидание, дисперсию по эмпирическим наблюдениям, сгенерировать случайную величину, подчиняющую нормальному закону распределения и нанести точки на график функции плотности:

a=seq(min(apRd), max(apRd), 0.001) s = dnorm(a, mean(apRd), sd(apRd)) points(a, s, type="l", lty=2, col="red") legend("bottomright", col=c("black", "red"),

lwd=1, lty=c(1,2),

legend=c("Оценка","Модель"))

7. Выполнить тест Шапиро–Уилка:

shapiro.test(as.vector(apRd))

В результате работы скрипта на экране отобразится график (рис. 29).

Рис. 29. График плотности вероятности для логарифмических доходностей

2.6. Создание и тестирование торговых систем

Библиотеки PerformanceAnalytics, quantstat, quantmod, TTR позволяют производить испытания и сравнительный анализ запрограммированных торговых стратегий.

Создание и тестирование реверсной торговой системы. Создадим

реверсную торговую систему CrossMACD_RSI, которая подает сигналы для входа и выхода в позицию при двух индикаторов технического анализа: схождения/расхождения скользящих средних MACD и индекса относительной силы RSI (табл. 3).

Таблица 3

Пример торговой системы

Длинная позиция Короткая позиция

сигнальная линия MACD выше MACD и RSI больше 60 сигнальная линия MACD ниже MACD и RSI меньше 40

Открываем Закрываем

сигнальная линия MACD ниже MACD и RSI меньше 40 сигнальная линия MACD выше MACD и RSI больше 60

В качестве примера будем использовать цены закрытия (Close) акций

компании Microsoft (MSFT) за период с 5 января 2018 по 5 января 2019.

Для создания торговой системы необходимо:

Подключить необходимые (предварительно установленные)

библиотеки:

library(PerformanceAnalytics) library(quantmod)

2. Загрузить исходные данные, установить требуемый временной

интервал для тестирования, обработать пропуски в данных:

getSymbols("MSFT", src = "yahoo", from="2018-02-

01",to="2019-02-01")

MSFT<- MSFT[, "MSFT.Close"] MSFT[is.na(MSFT),] # обработка пропусков MSFT <- na.locf(MSFT)

3. Вычислить ежедневные доходности:

ret_MSFT <- Delt(MSFT)

4. Вычислить значения технических индикаторов MACD и RSI:

macd<- MACD(MSFT, nFast = 12, nSlow = 26, nSig = 9,

maType = "SMA", percent = FALSE)

rsi<- RSI(MSFT, n=14, maType = "SMA")

5. Записать условия формирования сигналов для открытия и закры-

тия соответствующих позиций (табл. 3):

signal<- NULL signal<-

ifelse ((macd$signal>macd$macd) & (rsi$SMA>

60), 1, ifelse((macd$signal<macd$macd) & (rsi$SMA<

40), -1, 0))

signal[is.na(signal)] <- 0

6. Открыть позицию на следующий торговый день после сигнала:

trade_return<- ret_MSFT *lag(signal, na.pad =

FALSE)

7. Вычислить доходность по позициям и годовую доходность:

cumm_return<-Return.cumulative(trade_return) annual_return<-Return.annualized(trade_return)

8. Построить графики кривой доходности, прибылей/убытков по

позициям, кривой просадок:

charts.PerformanceSummary(trade_return)

В результате выполнения этой команды на экране появится три тре-

буемых графика (рис. 30).

Рис. 30. График доходности (сверху); график прибылей и убытков

по позициям (по центру); график просадок торговой стратегии (снизу)

9. Вывести в консоль максимальный просадок стратегии:

maxDrawdown(trade_return)

Рассчитать показатель эффективности торговой стратегии (ко-

10.

эффициент Шарпа), а также коэффициент Шарпа в процентах годовых. Для этого выполним команды со следующими параметрами:

SharpeRatio(as.ts(trade_return), Rf = 0, p=0.95,

FUN = "StdDev")

SharpeRatio.annualized(trade_return, Rf=0)

<<< < Предыдущая 1 2 3 45 / 65 6 > Следующая >>>

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]