一种简化的截面动量组合测试[Python&MATLAB]
下面的例子来源书籍<Python for Data Analysis>
策略比较简单，使用N只股票构建投资组合，计算每只股票的过去LookBack（参数）日的动量，并作标准化处理作为股票权重，持有Holding（参数）日，其中权重允许为负数，即允许做空股票。简要说来就是做过过去表现强势的股票，做空过去表现弱势的股票。虽然策略比较简单，但整体的测试流程和框架很明了清晰，对类似策略的回测实现具有参考意义，整体的流程框架为：
数据获取（基于付费或者免费的数据源）——》
数据的时间轴对齐以及缺失数据填充——》
子函数编写：特定回顾期的动量计算并作标准化——》
子函数编写：给定回顾期和持有期，组合的夏普比例计算——》
计算不同回顾期和持有期下组合的夏普比例值——》
进行策略参数分布图形展示
一、Python下的实现测试。
（1）主要用到numpy、pandas、matplotlib等几个包
（2）数据的获取基于pandas包
（3）数据的时间轴对齐以及缺失数据填充
（4）子函数编写：特定回顾期的动量计算并作标准化
当然这里是做了排序后把排序变量做标准化后返回。
（5）子函数编写：给定回顾期和持有期，组合的夏普比例计算
（6）计算不同回顾期和持有期下组合的夏普比例值
通过上图可以看到在此例下，大概回顾期为55-60日，持有期为35-40日，会获取较高的夏普比率。
总结：可以看到在Python下使用pandas包整体的实现测试过程很简单明了。Pandas是个进行数据分析处理很赞的包。
二、MATLAB下的实现测试。
下面在来看下在MATLAB下的实现测试过程，不同的语言各有利弊，并无本质上哪个好，那个坏之说，本例中，由于Python下的pandas包的帮助，在Python下的代码更加简洁明了，MATLAB下代码稍显臃肿，当然也可以仿照Python下的pandas包，实现一个MATLAB下的pandas包，让相关的数据处理更加简洁方便。虽然MATLAB下的金融工具箱有fints（financial time series类）、timeseries类，但相关的实现和处理在效率和使用上并不是特别好，所以时序相关的处理我还是自己实现的，并没有全部使用MATLAB自带的一些包。
注：MATLAB的实现测试使用的A股的数据，数据的获取基于FQuantToolBox
（1）函数说明
（2）数据的获取基于FQuantToolBox
（3）数据的时间轴对齐以及缺失数据填充
（4）子函数编写：特定回顾期的动量计算并作标准化
当然这里与Python下稍有不同，就使用标准化后的动量值返回。
（5）子函数编写：给定回顾期和持有期，组合的夏普比例计算
通过上图可以看到在此例下，大概回顾期为25-35日，持有期为60日，会获取较高的夏普比率。
总结
本文给出了一个简化的截面动量组合测试，虽然策略比较简单，但整体的测试流程和框架很明了清晰，对类似策略的回测实现具有参考意义，整体的流程框架为：
数据获取（基于付费或者免费的数据源）——》
数据的时间轴对齐以及缺失数据填充——》
子函数编写：特定回顾期的动量计算并作标准化——》
子函数编写：给定回顾期和持有期，组合的夏普比例计算——》
计算不同回顾期和持有期下组合的夏普比例值——》
进行策略参数分布图形展示
在Python下pandas是个数据处理非常不错的一个包，另外在Python下免费的A股数据可以通过tushare 包（作者Jimmy）获取，tushare 包下载地址：http://tushare.waditu.com/。
在MATLAB下，虽然此例的实现测试稍显臃肿，但也不是非常复杂。在MATLAB下免费的A股数据可以通过FQuantToolBox（作者faruto）获取，FQuantToolBox下载地址：
https://bbs.pinggu.org/thread-3567352-1-1.html
更多内容请点击“阅读原文” 本公众号由李洋(微信faruto)维护。
更多量化投资、MATLAB应用内容可以关注：MATLAB技术论坛：
http://www.matlabsky.com/
李洋(faruto)的微博、博客
http://weibo.com/faruto
http://blog.sina.com.cn/faruto
===分享给朋友===
点击右上角，在弹出菜单中选择“发送给朋友”或“分享到朋友圈”
===订阅FQuantStudio公众号===
https://bbs.pinggu.org/thread-3567352-1-1.html
扫码加好友，拉您进群
全部版块
我的主页
收藏
元宵福利来了之1
