Прохладный пост о системной торговле. Тестируем торговые идеи на Python бесплатно и без зауми с библиотекой PQR.

Привет, почти 2 месяца назад мы запустили первую версию нашей библиотеки PQR для тестирования инвестиционных идей. Основная суть: системно проверять аномалии на большой группе акций. Например, вы ведете таблицы с мультипликаторами компаний и биржевых котировок. Цель — покупать 10% недооцененных бумаг с наименьшим значение P/E и ребалансировать портфель раз в месяц.

Разделов для улучшения было так много, что Андрей (github.com/eura17) почти полностью переписал все функции. Основные изменения:

1) Переход к объектно-ориентированному программированию. Код легче читается и занимает меньше места.

2) Добавили функцию correct_matrices — она приравнивает матрицы с исходными данными к одному виду. Сортирует и удаляет отсутствующие в остальных матрицах столбцы (акции) и строки (периоды);

3) Появилась документация на readthedocs: pqr.readthedocs.io/en/latest/index.html

4) Возможность перебора параметров стратегии через grid_search. Быстрый вывод таблицы с результатами или отдельного параметра (например, Шарп) для стратегий с разными периодами наблюдения, удержания и лагом;

5) Больше метрик для портфелей и меньше багов. Из нового — максимальная просадка и количество прибыльных сделок.

Смартлаб не лучшая площадка для размещения полотен кода. Поэтому пример тестирования стратегии Value и готовый код можно посмотреть здесь: https://github.com/atomtosov/pqr/blob/dev/examples/size%2B_value(some)_factors_on_russian_market.ipynb 




Схематично весь процесс тестирования выглядит просто (предполагаю, что СЛ зашакалит картинку, поэтому оригинал продублирую в телеге):

Какие данные нужны и где их взять. Если тестируете аномалии по биржевым данным — моментум, низкая волатильность, возврат к среднему, то все можно взять с Yahoo Finance или MOEX. Фундаментальные данные я беру с Eikon, но есть и более дешевые варианты. В итоге получаются эксели с тикерами компаний по горизонтальной оси и датами по вертикальной. Для каждого показателя — отдельный эксель.

Сама библиотека лежит на гитхабе github.com/atomtosov/pqr/tree/dev Скачать можно через Code — Download Zip. Саму папку желательно скопировать в path.

Посмотреть путь к path можно через sys:
import sys
sys.path

Для работы требуется Python 3 www.python.org/downloads/ и предустановленные библиотеки из списка github.com/atomtosov/pqr/blob/dev/requirements.txt

Для быстрого отображения результатов используйте Jupyter. Что такое Jupyter и как его установить в журнале Яндекса: thecode.media/jupyter/

Обновления можно отследить в телеге t.me/sentimetrica

Работа по тестированию стратегий и формированию баз данных, построению набора факторов влияния на инвестиционную привлекательность реализуется в рамках проектов Центра финансовых исследований и анализа данных (www.fmlab.hse.ru) ФЭН НИУ ВШЭ. Не является индивидуальной инвестиционной рекомендацией.

• Добавить в Словарь 
  • Новый список слов для Русский → Русский… 
  • Создать новый список слов...
• Копировать