R语言quantstrat包

在引入blotter包之后，一个完整的交易系统就已经可以建立起来了。但是作为盈利的基础，基于quantmod和TTR虽然具有了必要的建模工具，我们依然希望能够有更加灵活易用的交易建模方法。这就是quantstrat包的目标。

（1）quantstrat包简介

quantstrat包以xts,quantmod,TTR,blotter等为基础，提供了基于交易信号的金融交易建模和回测的基础架构。利用quantstrat包可以相当大程度上简化建立或检验交易策略的过程。quantstrat包的名字就是量化策略。
quantstrat包和blotter包都是R-forge上TradeAnalytics项目的组成部分。也是一个依然在开发中的包。
http://r-forge.r-project.org/projects/blotter/
它的主要特征是：
支持应用于多资产多币种的投资组合；支持包括指标（indicators），信号（signals）和交易规则（rules）的完整的交易策略；支持包括market,limit, stoplimit, 和stoptrailing等在内的多种委托（订单，指令order）方式；支持委托规模（ordersizing）和参数优化。

quantstrat包进行策略建模的基本思路是：

（i）初始化金融产品导入数据

（ii）依次引入指标、信号和规则以形成策略，按照策略下达指令。
指标是指源自交易数据的一个数量值：如均线、MACD等；
信号是指指标在某些交易时点和交易数据相互作用的结果,比如交叉、阈值、底顶等；
规则是指结合交易数据、信号以及当前的组合和账户情况进而做出委托（下达指令）的准则。
（iii）指令和市场数据的交互生成一个交易（transaction），按照交易情况更新组合和账户。
主要函数：
（i）初始化：
initOrders 初始化指令容器（order container）
strategy strategy 对象的构造器
（ii）定义策略
add.indicator 为策略加入一个指标
add.signal 为策略加入一个信号
add.rule 为策略加入一个规则
add.distribution 为策略的参数集合加入一个分布
add.constraint 为一个参数集上的两个分布加入约束
（iii）运用策略
applyStrategy 把策略运用到数据上
addPosLimit 在时间戳上加上头寸和等级限制（level limits）
apply.paramset 把参数集合运用到策略上
applyStrategy.rebalancing 把策略运用到周期性调整的数据上

（2）基于quantstrat包的回测：单资产情况

现在可以结合quantstrat包和blotter包给出一个更好的量化策略回测。首先做初始化，这里包括blotter包里边对金融工具和账户和组合的初始化，也包括quantstrat包对策略和指令的初始化。

下面以之前做过的faber策略为例。

#金融产品初始化

library(quantstrat)

currency("RMB")

stock("ZSYH", currency = "RMB", multiplier = 1)

Sys.setenv(TZ = "UTC") #设立时区

#读取金融交易数据并转换为月数据

ZSYH <- getSymbols("600036.ss", from = "2008-01-01", to= Sys.Date(), src = "yahoo",

   auto.assign = FALSE)

ZSYH <- to.monthly(ZSYH, indexAt = "endof")

ZSYH$SMA10m <- SMA(Cl(ZSYH), 10)

#初始化组合和账户

q.strategy <- "qFaber"

initPortf(q.strategy, "ZSYH", initDate ="2007-12-31")

initAcct(q.strategy, portfolios = q.strategy, initDate ="2007-12-31", initEq = 1e+06) #初始的资金是1e6，即1，000，000

# 初始化指定和策略
initOrders(portfolio = q.strategy, initDate = "2007-12-31")
strategy(q.strategy, store = TRUE)
ls(all = T) #quantstrat创建了.strategy环境

# 策略是什么呢？看一下
strategy <- getStrategy(q.strategy)
summary(strategy)

 

下面是quantstrat包的关键：加入指标、信号和规则。
# 加入一个指标，10月均线

add.indicator(strategy = q.strategy, name = "SMA", arguments =list(x = quote(Cl(mktdata)),n = 10), label = "SMA10")

# 加入信号，向上交叉10月线，向下交叉10月线

add.signal(q.strategy, name = "sigCrossover", arguments =list(columns = c("Close","SMA10"), relationship = "gt"), label ="Cl.gt.SMA")

add.signal(q.strategy, name = "sigCrossover", arguments =list(columns = c("Close","SMA10"), relationship = "lt"), label ="Cl.lt.SMA")

# 加入规则，买入规则和卖出规则

add.rule(q.strategy, name = "ruleSignal", arguments = list(sigcol ="Cl.gt.SMA",

   sigval = TRUE, orderqty = 900, ordertype = "market", orderside ="long",

   pricemethod = "market"), type = "enter", path.dep = TRUE) #买入数量为900股

add.rule(q.strategy, name = "ruleSignal", arguments = list(sigcol ="Cl.lt.SMA",

   sigval = TRUE, orderqty = "all", ordertype = "market", orderside ="long",

   pricemethod = "market"), type = "exit", path.dep = TRUE)

# 此时的策略对象

summary(getStrategy(q.strategy))## Length Class Mode

现在的策略strategy中有1个指标,2种信号和相应的两个规则（买入、卖出）。

下面开始使用这个策略：

out <- applyStrategy(strategy = q.strategy, portfolios =q.strategy)

summary(out)

mktdata["2013"]

mktdata是在执行策略过程中创建的一个特殊的变量，包含了原交易数据的时间序列以及指标和信号。在我们上面的ZSYH里，在2013年6月出现一次卖出的信号。

接下来对相关对象（组合、账户和权益价值）进行更新

updatePortf(q.strategy)

updateAcct(q.strategy)

updateEndEq(q.strategy)

最后按照现在的组合和账户情况给出策略表现

myTheme <- chart_theme()
myTheme$col$dn.col <- "lightgreen"
myTheme$col$up.col <- "lightblue"
myTheme$col$dn.border <- "grey"
myTheme$col$up.border <- "grey"
# 策略表现可视化
chart.Posn(q.strategy, Symbol = "ZSYH", Dates = "2008::", theme =myTheme)

# 交易统计
(tstats <- tradeStats(Portfolio = q.strategy, Symbol ="ZSYH"))

# 指令簿（orderbook）
ob <- getOrderBook(q.strategy)
head(ob$qFaber$ZSYH)
#quantstrat包给出了MAE（maximumadverse excursion）和MFE（maximumfavorable excursion）的图形
chart.ME(Portfolio = q.strategy, Symbol = "ZSYH", type = "MAE",scale = "percent")
chart.ME(Portfolio = q.strategy, Symbol = "ZSYH", type = "MFE",scale = "percent")





原文：http://site.douban.com/182577/widget/notes/10568316/note/313993652/