本视频教你如何对均线策略进行参数优化,通过遍历短期均线和长期均线的不同组合,对比策略收益、夏普比率、最大回撤等指标,找到最适合当前股票的最佳参数组合。
这是我的Python金融分析18天实战系列第八天的第八部分。今天我们将编写optimize_parameters方法,通过循环测试多种均线参数组合,对比不同参数下的策略表现,找到最优参数。
本期核心内容:
-参数范围设定:自定义短期均线测试范围(如5,10,20)和长期均线测试范围(如20,30,50,60)
-参数组合遍历:使用嵌套循环测试所有有效组合(短期必须小于长期)
-策略完整回测:对每组参数执行均线计算、信号生成、收益计算的完整流程
-结果记录:记录每组参数的策略总收益、超额收益、夏普比率、胜率、最大回撤等指标
-结果排序:按策略总收益降序排列,找出最佳组合
-多维度分析:找出最高收益组合、最高夏普比率组合(最稳健)、最低回撤组合
-结果展示:显示前10名最佳组合的详细对比
代码功能详解:
第一步:加载数据
-调用load_data方法加载指定股票的数据
-如果加载失败则返回None
第二步:初始化结果存储
-创建空列表results,用于存储每组参数的测试结果
第三步:参数组合遍历
-嵌套循环遍历所有短期均线和长期均线的组合
-跳过无效组合(短期窗口大于等于长期窗口)
-显示当前测试进度和参数组合
第四步:执行完整回测
-临时修改策略的short_window和long_window参数
-调用calculate_ma计算均线
-调用generate_signals生成交易信号
-调用calculate_strategy_returns计算策略收益
-记录所有绩效指标到结果字典
-恢复原始参数
第五步:整理结果
-将results列表转换为DataFrame
-按策略总收益降序排序
第六步:显示最佳组合
-显示前10名最佳组合(短期、长期、策略收益、超额收益、夏普比率、胜率)
第七步:多维度分析
-最佳收益组合:策略总收益最高的参数
-最稳健组合:夏普比率最高的参数
-最低回撤组合:最大回撤最小的参数
第八步:返回结果
-返回包含所有测试结果的DataFrame供后续分析
📌 完整代码:https://github.com/NtBnew1/python-quant-study.git
📌 我的频道:www.youtube.com/@我在学量化
📌 播放列表:www.youtube.com/@我在学量化
如果这个系列对您有帮助,请别忘了点赞和订阅!
#Python量化 #参数优化 #均线策略 #参数寻优 #策略调优 #量化回测 #Python金融 #量化投资入门 #最佳参数 #技术分析