89 lines
3.3 KiB
Python
89 lines
3.3 KiB
Python
from turtle import width
|
||
from plotly.io import renderers
|
||
import vectorbt as vbt
|
||
import pandas as pd
|
||
|
||
# ========================
|
||
# 数据加载
|
||
# ========================
|
||
# 从本地读取 ETH/USDT 1天K线数据（来自OKX）
|
||
df = pd.read_feather("/Users/aszer/Documents/vscode/cta/user_data/data/okx/ADA_USDT-1d.feather")
|
||
# df = df[df['date'] >= '2025-07-01']
|
||
df.set_index("date", inplace=True)
|
||
# 提取收盘价作为交易价格
|
||
price = df["close"]
|
||
open = df["open"]
|
||
# ========================
|
||
# 技术指标计算
|
||
# ========================
|
||
# 计算10日指数移动平均线（EMA）
|
||
ema_10 = vbt.MA.run(price, window=10, ewm=True).ma
|
||
|
||
# 计算20日指数移动平均线（EMA）
|
||
ema_20 = vbt.MA.run(price, window=20, ewm=True).ma
|
||
|
||
# 计算6周期相对强弱指数（RSI）
|
||
rsi_6 = vbt.RSI.run(price, window=6).rsi
|
||
|
||
# 计算12周期相对强弱指数（RSI）
|
||
rsi_12 = vbt.RSI.run(price, window=12).rsi
|
||
|
||
# ========================
|
||
# 买入条件定义
|
||
# ========================
|
||
# 条件1：EMA多头排列 + 短期趋势加速
|
||
# - EMA10 > EMA20：短期趋势强于长期趋势（多头排列）
|
||
# - EMA10昨日 > 前日：短期均线继续上行，显示动量增强
|
||
ema_bullish_cross = (ema_10 > ema_20) & (ema_10.shift(1) > ema_10.shift(2))
|
||
|
||
# 条件2：双周期RSI进入深度超卖区，暗示反弹可能
|
||
# - 过去3天（含前天）的6周期RSI最高值 < 21，表示近期极度超卖
|
||
# - 过去3天的12周期RSI最高值 < 26.25，确认中周期也处于超卖状态
|
||
# 注：此条件未显式检查“今日反弹”，可后续增强
|
||
rsi_oversold_bounce = (rsi_6.shift(1).rolling(3).max() < 21) & \
|
||
(rsi_12.shift(1).rolling(3).max() < 26.25)
|
||
|
||
# 合并所有买入信号：任一条件满足即产生买入信号
|
||
entries = ema_bullish_cross
|
||
|
||
# ========================
|
||
# 卖出条件定义
|
||
# ========================
|
||
# 计算长期均线与短期均线的价差（空头趋势强度）
|
||
diff = ema_20 - ema_10 # 当diff扩大，表示空头趋势加强
|
||
|
||
# 条件1：EMA10连续5天下跌（动量走弱）
|
||
# - 当前EMA10 < 过去5天（不含今日）的最低EMA10值
|
||
ema10_falling = ema_10 < ema_10.shift(1).rolling(window=5).min()
|
||
|
||
# 条件2：空头趋势加速（价差达到近期最大）
|
||
# - 当前diff是过去6天（含今日）中的最大值，表示空头力量最强
|
||
diff_expanding = diff == diff.rolling(window=6).max()
|
||
|
||
# 合并卖出信号：两个条件同时满足才卖出
|
||
sell_cond = ema10_falling & diff_expanding
|
||
exits = sell_cond
|
||
|
||
# ========================
|
||
# 回测执行
|
||
# ========================
|
||
# 使用 vectorbt 的信号回测引擎，构建投资组合
|
||
pf = vbt.Portfolio.from_signals(
|
||
price, # 价格序列
|
||
entries.vbt.fshift(1), # 买入信号
|
||
exits.vbt.fshift(1), # 卖出信号
|
||
price=open,
|
||
init_cash=100, # 初始资金 100 USDT
|
||
fees=0.001, # 交易手续费 0.1%（买卖均收）
|
||
sl_stop=0.05, # 止损：从最高价回撤5%时触发
|
||
freq="1D" # 数据频率为每日，用于复利和年化计算
|
||
)
|
||
|
||
# ========================
|
||
# 输出回测统计结果
|
||
# ========================
|
||
print(pf.stats())
|
||
# fig = pf.plot_orders(width=1200, height=800)
|
||
# fig.show(renderer='browser')
|
||
orders_df = pf.orders.records_readable
|
||
print(orders_df) |