R: Analiza historyczna strategii handlowej. Początkujący quantmod i R

Question

Jestem bardzo nowy dla R i próbuję backtest strategii już zaprogramowałem w WealthLab.

Kilka rzeczy nie rozumiem (i to nie działa oczywiście :)

1. Nie rozumiem Bliskie Ceny ładnie w wektorze ... lub jakiś wektorze ale zaczyna się od struktury i nie bardzo rozumiem, co robi ta funkcja. To dlatego moja seria [, 1] prawdopodobnie nie działa.

2. n < - nrow (serii) nie działa albo, ale muszę, że dla pętli

Więc myślę, że jeśli dostanę te 2 pytania odpowiedział moja strategia powinna pracować ... ja jestem bardzo wdzięczny za wszelkie help..R wydaje się dość skomplikowany nawet z doświadczenia w programowaniu w innych językach

#rm(list = ls(all = TRUE)) 

#import data, default is yahoo 
require(quantmod) 
series <- getSymbols('AAPL',from='2013-01-01') 
#generate HLOC series 
close <- Cl(AAPL) 
open <- Op(AAPL) 
low <-Lo(AAPL) 
high <- Hi(AAPL) 

#setting parameters 
lookback <- 24 #24 days ago 
startMoney <- 10000 


#Empty our time series for position and returns 
f <- function(x) 0 * x 

position <- apply(series[,1],FUN=f) 
colnames(position)="long_short" 

returns <- apply(series[,1],FUN=f) 
colnames(returns)="Returns" 

trades = returns 
colnames(trades)="Trades" 

amount = returns 
colnames(amount) = "DollarAmount" 
amt[seq(1,lookback)] = startMoney 


#Calculate all the necessary values in a loop with our trading strategy 
n <- nrow(series) 

for(i in seq(lookback+1,n)){ 
    #get the return 
    if(position[i-1] == 1){ 
    #we were long 
    returns[i] = close[i]/close[i-1] - 1 
    } else if(position[i-1] == -1){ 
    #we were short 
    returns[i] = close[i-1]/close[i] - 1 
    } 


    #long/short position 
    if(open[i-lookback]<open[i] && low[i-1] < open[i]){ 
    #go long 
    position[i] = 1  
    } else if(open[i-lookback]>open[i] && high[i-1] > open[i]){ 
    # go short 
    position[i] = -1 
    } else { 
    position[i] = position[i-1] 
    } 

    #mark a trade if we did one 
    if(position[i] != position[i-1]) trades[i] = 1 

    #Calculate the dollar amount 
    amount[i] = amount[i-1]*exp(returns[i]) 
    if(trades[i]) amount[i] = amount[i] - 2 
} 

Answer 1

Począwszy od drugiego pytania

> s <- getSymbols('SPY') 
> nrow(s) 
NULL 
> class(s) 
[1] "character" 
> s.data <- get(s) 
> class(s.data) 
[1] "xts" "zoo" 
> nrow(s.data) 
[1] 1635 

Więc jeśli chcesz pracować na rzeczywistej xts obiektu trzeba użyć get.

O pierwszym pytaniu - nie sądzę, że naprawdę trzeba pobierać dane jako wektor - obiekt xts jest tablicą indeksowaną według daty i jest łatwa w obsłudze. Jeśli nadal chcesz uzyskać dane można użyć

closing.prices <- coredata(Cl(s)) 

Teraz możesz zacząć z prostym powrotem testowania strategii i zaproponuje pracę w następujących krokach

określić swoją strategię. 2. Utwórz tablicę lub dodaj kolumnę do swojego obiektu Xts, który będzie reprezentował twoją pozycję każdego dnia. 1 dla długich, 0 dla braku pozycji i -1 dla krótkich (później możesz grać z liczbą dla dźwigni). 3. pomnóż każdy dzień powrotu z pozycją, a otrzymasz swój wektor powrotu strategii. 4. sprawdź wyniki - moja rekomendacja to PerformanceAnalytics.

prosta strategia - kupić po blisko nad SMA20, sprzedać pod

library(quantmod) 
library(PerformanceAnalytics) 

s <- get(getSymbols('SPY'))["2012::"] 
s$sma20 <- SMA(Cl(s) , 20) 
s$position <- ifelse(Cl(s) > s$sma20 , 1 , -1) 
myReturn <- lag(s$position) * dailyReturn(s) 
charts.PerformanceSummary(cbind(dailyReturn(s),myReturn)) 

i to, co dostaniesz