这是之前的一篇：使用AKShare库获取股票数据。本篇使用该数据进行补仓回测，仅仅作为娱乐，以及对直观想法的验证。在代码中，AKShare 通过 Guan 软件包进行调用：https://py.guanjihuan.com。
回测的主要结论是：在初始资金为 1000 元，投资时长为 6 年左右时，
- 如果不限制补仓，跌到成本的 0.95 倍时翻倍补仓，平均利润率最大，平均加仓次数为 22 次，但平均投入资金远远超出实际，为 4.570909006502524e+26。
- 如果限制补仓次数为 10 次，跌到成本的 0.8 倍时翻倍补仓，平均利润率最大，平均加仓次数为 5 次，平均投入资金为 242379 元。
- 如果限制补仓次数为 4 次，跌到成本的 0.7 倍时翻倍补仓，平均利润率最大，平均加仓次数为 2~3 次，平均投入资金为 8945 元。
总结：以上结论是合理的。补仓次数的上限应该做个限制，否则投入资金越远超实际。另外，当限制的次数越小，越应该晚些补仓，给后续可能的持续下跌提供可能的拯救机会。平均加仓次数大概为限制补仓次数的一半。一般来说，第三个方案是对的，即跌到成本的 0.7 倍，也就是亏损接近 30% 时翻倍补仓是比较科学的，这是因为在限制补仓次数为 4 次时，投入资金就已经有 2^4=16 倍的可能了，也就是初始资金 1000 元的 16倍，为 16000 元，如果初始资金为 1 万元，那么 16 倍为 16 万元。
以下是具体的补仓回测 Python 代码。下载数据和运行时间可能会比较长，如果不做自定义的量化分析，可以忽略以下内容。此外，随着 AKShare 软件包的更新，以下代码在运行时可能会存在一些 Bug，需要手动修改测试代码。由于个人时间有限，目前暂不维护！
1. 下载数据（大小约1G）：点击展开
"""
This code is supported by the website: https://www.guanjihuan.com
The newest version of this code is on the web page: https://www.guanjihuan.com/archives/38912
"""
import guan
stock_symbols_60, stock_symbols_00, stock_symbols_30, stock_symbols_68, \
stock_symbols_8_4,stock_symbols_others = guan.stock_symbols_classification()
import os
guan.make_directory('./all_to_2024_03_07')
guan.make_directory('./all_to_2024_03_07/stock_data_60')
for stock_symbol in stock_symbols_60:
try:
if not os.path.exists('./all_to_2024_03_07/stock_data_60/'+stock_symbol+'.txt'):
title, stock_data = guan.history_data_of_one_stock(symbol=stock_symbol, \
period='daily', start_date="19000101", end_date='21000101')
guan.dump_data(data=stock_data, filename='./all_to_2024_03_07/stock_data_60/'+stock_symbol, file_format='.txt')
except:
pass
print('60下载完成')
guan.make_directory('./all_to_2024_03_07/stock_data_00')
for stock_symbol in stock_symbols_00:
try:
if not os.path.exists('./all_to_2024_03_07/stock_data_00/'+stock_symbol+'.txt'):
title, stock_data = guan.history_data_of_one_stock(symbol=stock_symbol, \
period='daily', start_date="19000101", end_date='21000101')
guan.dump_data(data=stock_data, filename='./all_to_2024_03_07/stock_data_00/'+stock_symbol, file_format='.txt')
except:
pass
print('00下载完成')2. 检查下载的数据是否完整：点击展开
"""
This code is supported by the website: https://www.guanjihuan.com
The newest version of this code is on the web page: https://www.guanjihuan.com/archives/38912
"""
import guan
stock_symbols_60, stock_symbols_00, stock_symbols_30, stock_symbols_68, \
stock_symbols_8_4,stock_symbols_others = guan.stock_symbols_classification()
print(len(stock_symbols_60))
print(len(stock_symbols_00))
print()
file_list_60 = guan.get_all_filenames_in_directory(directory='./all_to_2024_03_07/stock_data_60', \
file_format=None, show_root_path=0, sort=1, include_subdirectory=1)
print(len(file_list_60))
file_list_00 = guan.get_all_filenames_in_directory(directory='./all_to_2024_03_07/stock_data_00', \
file_format=None, show_root_path=0, sort=1, include_subdirectory=1)
print(len(file_list_00))3. 对数据进行预处理，只回测 2018 年之后的数据：点击展开
"""
This code is supported by the website: https://www.guanjihuan.com
The newest version of this code is on the web page: https://www.guanjihuan.com/archives/38912
"""
import guan
import numpy as np
import datetime
file_list_60 = guan.get_all_filenames_in_directory(directory='./all_to_2024_03_07/stock_data_60', \
file_format=None, show_root_path=0, sort=1, include_subdirectory=1)
file_list_00 = guan.get_all_filenames_in_directory(directory='./all_to_2024_03_07/stock_data_00', \
file_format=None, show_root_path=0, sort=1, include_subdirectory=1)
len_stock_60 = len(file_list_60)
guan.make_directory('./2018_01_01_to_2024_03_07/')
guan.make_directory('./2018_01_01_to_2024_03_07/stock_data_60/')
for i00 in range(len_stock_60):
stock_data = guan.load_data('./all_to_2024_03_07/stock_data_60/'+file_list_60[i00], file_format='')
num_data = len(stock_data)
new_stock_data = []
for i0 in range(num_data):
if stock_data[i0, 0]>datetime.date(2018, 1, 1):
new_stock_data.append(list(stock_data[i0, :]))
new_stock_data = np.array(new_stock_data)
guan.dump_data(data=new_stock_data, filename='./2018_01_01_to_2024_03_07/stock_data_60/'+file_list_60[i00], file_format='')
print('数据处理结束1')
len_stock_00 = len(file_list_00)
guan.make_directory('./2018_01_01_to_2024_03_07/stock_data_00/')
for i00 in range(len_stock_00):
stock_data = guan.load_data('./all_to_2024_03_07/stock_data_00/'+file_list_00[i00], file_format='')
num_data = len(stock_data)
new_stock_data = []
for i0 in range(num_data):
if stock_data[i0, 0]>datetime.date(2018, 1, 1):
new_stock_data.append(list(stock_data[i0, :]))
new_stock_data = np.array(new_stock_data)
guan.dump_data(data=new_stock_data, filename='./2018_01_01_to_2024_03_07/stock_data_00/'+file_list_00[i00], file_format='')
print('数据处理结束2')4. 回测策略：当跌到成本的 ratio 倍时，翻倍投入补仓。代码为：点击展开
"""
This code is supported by the website: https://www.guanjihuan.com
The newest version of this code is on the web page: https://www.guanjihuan.com/archives/38912
"""
import guan
file_list_60 = guan.get_all_filenames_in_directory(directory='./2018_01_01_to_2024_03_07/stock_data_60', \
file_format=None, show_root_path=0, sort=1, include_subdirectory=1)
file_list_00 = guan.get_all_filenames_in_directory(directory='./2018_01_01_to_2024_03_07/stock_data_00', \
file_format=None, show_root_path=0, sort=1, include_subdirectory=1)
# print(len(file_list_60))
# print(len(file_list_00))
# print()
# 回测策略：当跌到成本时的 ratio 倍时，翻倍投入补仓。（这里只对00开头的股票进行回测）
buy_limit = 100
for buy_limit in [100000, 10, 4]: # 限制补仓次数
print('限制补仓次数：', buy_limit, '\n')
for ratio in [0.95, 0.9, 0.85, 0.8, 0.75, 0.7, 0.65]:
win_count = 0
lose_count = 0
win_count_relative = 0
lose_count_relative = 0
win_count_0 = 0
lose_count_0 = 0
print('跌到成本的某个倍数补仓：', ratio)
invest_money_array = []
current_money_array = []
buy_times_array = []
profit_array = []
profit_array_0 = []
for i00 in range(len(file_list_00)):
stock_data = guan.load_data('./2018_01_01_to_2024_03_07/stock_data_00/'+file_list_00[i00], file_format='')
stock_data = stock_data[::-1]
if len(stock_data) > 0:
invest_money = 1000 # 初始投入资金
current_money = 1000 # 当前所有资金
buy_price = stock_data[0, 2] # 买入的价格（第一天买入）
cost_price = stock_data[0, 2] # 当前持有的成本价（第一天买入）
cost_num = invest_money/cost_price # 当前持有的股数（为了简化，这里不做取整处理）
len_date = len(stock_data[:, 2])
buy_times = 0
for i0 in range(len_date):
if stock_data[i0, 2]/cost_price < ratio and buy_times < buy_limit: # 当满足策略，且补仓次数小于buy_limit时，补仓
current_price = stock_data[i0, 2] # 当前的市场价
current_money = invest_money + (invest_money/cost_price)*current_price # 补仓后的所有资金
buy_price = stock_data[i0, 2] # 买入价为当前市场价
cost_num = (invest_money/cost_price)+(invest_money/buy_price) # 更新当前持有的股数
cost_price = 2*invest_money/cost_num # 更新当前持有的成本价
invest_money = invest_money*2 # 更新总投入资金
buy_times += 1
current_price = stock_data[i0, 2] # 当前的市场价
current_money = cost_num*current_price # 当前所有资金
buy_times_array.append(buy_times)
invest_money_array.append(invest_money)
current_money_array.append(current_money)
profit_array.append(current_money/invest_money)
profit_array_0.append(current_price/stock_data[0, 2])
if current_money > invest_money:
win_count += 1
else:
lose_count += 1
if current_money/invest_money > current_price/stock_data[0, 2]:
win_count_relative += 1
else:
lose_count_relative += 1
if current_price > stock_data[0, 2]:
win_count_0 += 1
else:
lose_count_0 += 1
print('策略的平均加仓次数：', sum(buy_times_array)/len(buy_times_array))
print('策略的平均投入资金：', sum(invest_money_array)/len(invest_money_array))
print('策略的平均最终所有资金：', sum(invest_money_array)/len(invest_money_array))
print('策略的平均利润率（包含本金）：', sum(profit_array)/len(profit_array))
print('完成不操作的市场平均利润率（包含本金）：', sum(profit_array_0)/len(profit_array_0))
print('策略赢的次数：', win_count)
print('策略输的次数；', lose_count)
print('策略相对于市场赢的次数：', win_count_relative)
print('策略相对于市场输的次数；', lose_count_relative)
print('完全不操作市场赢的次数：', win_count_0)
print('完全不操作市场输的次数；', lose_count_0)
print()
print('-----')
print()5. 策略运行结果为：点击展开
限制补仓次数： 100000
跌到成本的某个倍数补仓： 0.95
策略的平均加仓次数： 22.373563218390803
策略的平均投入资金： 4.570909006502524e+26
策略的平均最终所有资金： 4.570909006502524e+26
策略的平均利润率（包含本金）： 1.601242819052868
完成不操作的市场平均利润率（包含本金）： 0.7268363188249714
策略赢的次数： 1527
策略输的次数； 39
策略相对于市场赢的次数： 1556
策略相对于市场输的次数； 10
完全不操作市场赢的次数： 303
完全不操作市场输的次数； 1263
跌到成本的某个倍数补仓： 0.9
策略的平均加仓次数： 13.150063856960408
策略的平均投入资金： 1.658769387179673e+17
策略的平均最终所有资金： 1.658769387179673e+17
策略的平均利润率（包含本金）： 1.5531024303552605
完成不操作的市场平均利润率（包含本金）： 0.7268363188249714
策略赢的次数： 1499
策略输的次数； 67
策略相对于市场赢的次数： 1549
策略相对于市场输的次数； 17
完全不操作市场赢的次数： 303
完全不操作市场输的次数； 1263
跌到成本的某个倍数补仓： 0.85
策略的平均加仓次数： 8.883141762452107
策略的平均投入资金： 15907685882056.193
策略的平均最终所有资金： 15907685882056.193
策略的平均利润率（包含本金）： 1.4968591122577233
完成不操作的市场平均利润率（包含本金）： 0.7268363188249714
策略赢的次数： 1432
策略输的次数； 134
策略相对于市场赢的次数： 1541
策略相对于市场输的次数； 25
完全不操作市场赢的次数： 303
完全不操作市场输的次数； 1263
跌到成本的某个倍数补仓： 0.8
策略的平均加仓次数： 6.287356321839081
策略的平均投入资金： 8395312826.309068
策略的平均最终所有资金： 8395312826.309068
策略的平均利润率（包含本金）： 1.4306594407394382
完成不操作的市场平均利润率（包含本金）： 0.7268363188249714
策略赢的次数： 1323
策略输的次数； 243
策略相对于市场赢的次数： 1525
策略相对于市场输的次数； 41
完全不操作市场赢的次数： 303
完全不操作市场输的次数； 1263
跌到成本的某个倍数补仓： 0.75
策略的平均加仓次数： 4.689655172413793
策略的平均投入资金： 36551542.784163475
策略的平均最终所有资金： 36551542.784163475
策略的平均利润率（包含本金）： 1.3712020230242854
完成不操作的市场平均利润率（包含本金）： 0.7268363188249714
策略赢的次数： 1178
策略输的次数； 388
策略相对于市场赢的次数： 1502
策略相对于市场输的次数； 64
完全不操作市场赢的次数： 303
完全不操作市场输的次数； 1263
跌到成本的某个倍数补仓： 0.7
策略的平均加仓次数： 3.5913154533844187
策略的平均投入资金： 3604818.007662835
策略的平均最终所有资金： 3604818.007662835
策略的平均利润率（包含本金）： 1.3087409852952792
完成不操作的市场平均利润率（包含本金）： 0.7268363188249714
策略赢的次数： 1022
策略输的次数； 544
策略相对于市场赢的次数： 1473
策略相对于市场输的次数； 93
完全不操作市场赢的次数： 303
完全不操作市场输的次数； 1263
跌到成本的某个倍数补仓： 0.65
策略的平均加仓次数： 2.7713920817369093
策略的平均投入资金： 288295.6577266922
策略的平均最终所有资金： 288295.6577266922
策略的平均利润率（包含本金）： 1.249506320941488
完成不操作的市场平均利润率（包含本金）： 0.7268363188249714
策略赢的次数： 890
策略输的次数； 676
策略相对于市场赢的次数： 1432
策略相对于市场输的次数； 134
完全不操作市场赢的次数： 303
完全不操作市场输的次数； 1263
-----
限制补仓次数： 10
跌到成本的某个倍数补仓： 0.95
策略的平均加仓次数： 9.530012771392082
策略的平均投入资金： 934484.0357598978
策略的平均最终所有资金： 934484.0357598978
策略的平均利润率（包含本金）： 1.075261266474255
完成不操作的市场平均利润率（包含本金）： 0.7268363188249714
策略赢的次数： 703
策略输的次数； 863
策略相对于市场赢的次数： 1556
策略相对于市场输的次数； 10
完全不操作市场赢的次数： 303
完全不操作市场输的次数； 1263
跌到成本的某个倍数补仓： 0.9
策略的平均加仓次数： 8.529374201787995
策略的平均投入资金： 698282.8863346105
策略的平均最终所有资金： 698282.8863346105
策略的平均利润率（包含本金）： 1.2608024931851716
完成不操作的市场平均利润率（包含本金）： 0.7268363188249714
策略赢的次数： 996
策略输的次数； 570
策略相对于市场赢的次数： 1549
策略相对于市场输的次数； 17
完全不操作市场赢的次数： 303
完全不操作市场输的次数； 1263
跌到成本的某个倍数补仓： 0.85
策略的平均加仓次数： 7.058109833971903
策略的平均投入资金： 434781.6091954023
策略的平均最终所有资金： 434781.6091954023
策略的平均利润率（包含本金）： 1.344422708133968
完成不操作的市场平均利润率（包含本金）： 0.7268363188249714
策略赢的次数： 1184
策略输的次数； 382
策略相对于市场赢的次数： 1541
策略相对于市场输的次数； 25
完全不操作市场赢的次数： 303
完全不操作市场输的次数； 1263
跌到成本的某个倍数补仓： 0.8
策略的平均加仓次数： 5.560025542784164
策略的平均投入资金： 242379.3103448276
策略的平均最终所有资金： 242379.3103448276
策略的平均利润率（包含本金）： 1.3564775029363771
完成不操作的市场平均利润率（包含本金）： 0.7268363188249714
策略赢的次数： 1216
策略输的次数； 350
策略相对于市场赢的次数： 1525
策略相对于市场输的次数； 41
完全不操作市场赢的次数： 303
完全不操作市场输的次数； 1263
跌到成本的某个倍数补仓： 0.75
策略的平均加仓次数： 4.387611749680715
策略的平均投入资金： 136114.94252873564
策略的平均最终所有资金： 136114.94252873564
策略的平均利润率（包含本金）： 1.3331222382760886
完成不操作的市场平均利润率（包含本金）： 0.7268363188249714
策略赢的次数： 1144
策略输的次数； 422
策略相对于市场赢的次数： 1502
策略相对于市场输的次数； 64
完全不操作市场赢的次数： 303
完全不操作市场输的次数； 1263
跌到成本的某个倍数补仓： 0.7
策略的平均加仓次数： 3.4514687100894
策略的平均投入资金： 78360.79182630907
策略的平均最终所有资金： 78360.79182630907
策略的平均利润率（包含本金）： 1.289036891287569
完成不操作的市场平均利润率（包含本金）： 0.7268363188249714
策略赢的次数： 1014
策略输的次数； 552
策略相对于市场赢的次数： 1473
策略相对于市场输的次数； 93
完全不操作市场赢的次数： 303
完全不操作市场输的次数； 1263
跌到成本的某个倍数补仓： 0.65
策略的平均加仓次数： 2.7203065134099615
策略的平均投入资金： 47008.301404853126
策略的平均最终所有资金： 47008.301404853126
策略的平均利润率（包含本金）： 1.2403644005900276
完成不操作的市场平均利润率（包含本金）： 0.7268363188249714
策略赢的次数： 887
策略输的次数； 679
策略相对于市场赢的次数： 1432
策略相对于市场输的次数； 134
完全不操作市场赢的次数： 303
完全不操作市场输的次数； 1263
-----
限制补仓次数： 4
跌到成本的某个倍数补仓： 0.95
策略的平均加仓次数： 3.9278416347381864
策略的平均投入资金： 15689.655172413793
策略的平均最终所有资金： 15689.655172413793
策略的平均利润率（包含本金）： 0.857632704694966
完成不操作的市场平均利润率（包含本金）： 0.7268363188249714
策略赢的次数： 435
策略输的次数； 1131
策略相对于市场赢的次数： 1556
策略相对于市场输的次数； 10
完全不操作市场赢的次数： 303
完全不操作市场输的次数； 1263
跌到成本的某个倍数补仓： 0.9
策略的平均加仓次数： 3.859514687100894
策略的平均投入资金： 15309.70625798212
策略的平均最终所有资金： 15309.70625798212
策略的平均利润率（包含本金）： 0.9500671581389066
完成不操作的市场平均利润率（包含本金）： 0.7268363188249714
策略赢的次数： 562
策略输的次数； 1004
策略相对于市场赢的次数： 1549
策略相对于市场输的次数； 17
完全不操作市场赢的次数： 303
完全不操作市场输的次数； 1263
跌到成本的某个倍数补仓： 0.85
策略的平均加仓次数： 3.727330779054917
策略的平均投入资金： 14551.724137931034
策略的平均最终所有资金： 14551.724137931034
策略的平均利润率（包含本金）： 1.0397561151796593
完成不操作的市场平均利润率（包含本金）： 0.7268363188249714
策略赢的次数： 674
策略输的次数； 892
策略相对于市场赢的次数： 1541
策略相对于市场输的次数； 25
完全不操作市场赢的次数： 303
完全不操作市场输的次数； 1263
跌到成本的某个倍数补仓： 0.8
策略的平均加仓次数： 3.4559386973180075
策略的平均投入资金： 12964.240102171138
策略的平均最终所有资金： 12964.240102171138
策略的平均利润率（包含本金）： 1.1138766234110915
完成不操作的市场平均利润率（包含本金）： 0.7268363188249714
策略赢的次数： 775
策略输的次数； 791
策略相对于市场赢的次数： 1525
策略相对于市场输的次数； 41
完全不操作市场赢的次数： 303
完全不操作市场输的次数； 1263
跌到成本的某个倍数补仓： 0.75
策略的平均加仓次数： 3.102171136653895
策略的平均投入资金： 11006.385696040868
策略的平均最终所有资金： 11006.385696040868
策略的平均利润率（包含本金）： 1.15906081365931
完成不操作的市场平均利润率（包含本金）： 0.7268363188249714
策略赢的次数： 858
策略输的次数； 708
策略相对于市场赢的次数： 1502
策略相对于市场输的次数； 64
完全不操作市场赢的次数： 303
完全不操作市场输的次数； 1263
跌到成本的某个倍数补仓： 0.7
策略的平均加仓次数： 2.6711366538952745
策略的平均投入资金： 8945.721583652617
策略的平均最终所有资金： 8945.721583652617
策略的平均利润率（包含本金）： 1.1688552498829203
完成不操作的市场平均利润率（包含本金）： 0.7268363188249714
策略赢的次数： 844
策略输的次数； 722
策略相对于市场赢的次数： 1473
策略相对于市场输的次数； 93
完全不操作市场赢的次数： 303
完全不操作市场输的次数； 1263
跌到成本的某个倍数补仓： 0.65
策略的平均加仓次数： 2.256704980842912
策略的平均投入资金： 7130.906768837804
策略的平均最终所有资金： 7130.906768837804
策略的平均利润率（包含本金）： 1.1597872708009522
完成不操作的市场平均利润率（包含本金）： 0.7268363188249714
策略赢的次数： 800
策略输的次数； 766
策略相对于市场赢的次数： 1432
策略相对于市场输的次数； 134
完全不操作市场赢的次数： 303
完全不操作市场输的次数； 1263
-----【说明：本站主要是个人的一些笔记和代码分享，内容可能会不定期修改。为了使全网显示的始终是最新版本，这里的文章未经同意请勿转载。引用请注明出处：https://www.guanjihuan.com】
