量化交易入门（二十六）RSI指标实现，能盈利吗？

RSI的理论学完了，我们接着用苹果股票的历史数据来回测一下，看看这个指标靠不靠谱。

示例代码

import backtrader as bt
import yfinance as yf

# 定义RSI策略
class RSIStrategy(bt.Strategy):
    params = (
        ('rsi_period', 14),
        ('rsi_upper', 70),
        ('rsi_lower', 30),
    )

    def __init__(self):
        self.rsi = bt.indicators.RSI(self.data.close, period=self.params.rsi_period)


    def next(self):
        if not self.position:
            if self.rsi < self.params.rsi_lower:
                commission_info = self.broker.getcommissioninfo(self.data)
                cash = self.broker.get_cash() - commission_info.getsize(1, self.data.close[0])
                size = cash // self.data.close[0]
                self.buy(size=size)
                print(f'BUY: {size} shares')
        else:
            if self.rsi > self.params.rsi_upper:
                size = self.position.size
                self.close(size=size)
                print(f'SELL: {size} shares')


    
    def notify_order(self, order):
        if order.status in [order.Submitted, order.Accepted]:
            return

        if order.status in [order.Completed]:
            if order.isbuy():
                print(f'BUY executed at {self.data.num2date(order.executed.dt).date()}, Price: {order.executed.price:.2f}, Cost: {order.executed.value:.2f}, Comm: {order.executed.comm:.2f}')
            elif order.issell():
                cost = order.executed.value
                profit = order.executed.value - order.created.size * order.created.price
                profit_percent = (profit / cost) * 100
                print(f'SELL executed at {self.data.num2date(order.executed.dt).date()}, Price: {order.executed.price:.2f}, Cost: {cost:.2f}, Profit: {profit:.2f}, Profit %: {profit_percent:.2f}%')

        elif order.status in [order.Canceled, order.Margin, order.Rejected]:
            print('Order Canceled/Margin/Rejected')    



# 创建Cerebro引擎
cerebro = bt.Cerebro()

# 设置初始资金
cerebro.broker.setcash(100000.0)

# 下载苹果股票数据
data = yf.download('AAPL', '2020-01-01', '2023-12-30')
data = data.dropna()

# 将数据添加到Cerebro引擎中
data = bt.feeds.PandasData(dataname=data)
cerebro.adddata(data)

# 添加MACD策略
cerebro.addstrategy(RSIStrategy)

# 设置佣金为0.1%
cerebro.broker.setcommission(commission=0.001)

# 添加分析指标
cerebro.addanalyzer(bt.analyzers.Returns, _name='returns')
cerebro.addanalyzer(bt.analyzers.SharpeRatio, _name='sharpe')
cerebro.addanalyzer(bt.analyzers.DrawDown, _name='drawdown')

# 运行回测
print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())
results = cerebro.run()
print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())

# 获取回测结果
strat = results[0]
returns = strat.analyzers.returns.get_analysis()
sharpe = strat.analyzers.sharpe.get_analysis()
drawdown = strat.analyzers.drawdown.get_analysis()

# 打印回测指标
print('Annualized Return: %.2f%%' % (returns['rnorm100']))
print('Sharpe Ratio: %.2f' % (sharpe['sharperatio']))
print('Max Drawdown: %.2f%%' % (drawdown['max']['drawdown']))
print('Max Drawdown Period: %s' % (drawdown['max']['len']))


# 绘制回测结果
cerebro.plot()

代码的详细分析

导入必要的库:backtrader和yfinance。
定义RSIStrategy类,继承自bt.Strategy:

定义RSI指标的参数:计算周期(rsi_period)、超买阈值(rsi_upper)和超卖阈值(rsi_lower)。
在__init__方法中,创建RSI指标实例。
在next方法中,根据RSI指标的值生成买卖信号:
- 如果当前没有持仓,且RSI低于超卖阈值,则计算可用资金并买入相应数量的股票。
- 如果当前有持仓,且RSI高于超买阈值,则卖出所有持仓。
在notify_order方法中,处理订单执行情况:
- 如果订单状态为Submitted或Accepted,不做任何操作。
- 如果订单状态为Completed,打印买入或卖出的详细信息,包括执行日期、价格、成本、佣金等。
- 如果订单状态为Canceled、Margin或Rejected,打印相应的信息。

3. 创建Cerebro引擎实例。

4. 设置初始资金为100000美元。

5. 从Yahoo Finance下载苹果股票的历史数据,时间范围为2020年1月1日至2023年12月30日,并将数据添加到Cerebro引擎中。

6. 将RSIStrategy添加到Cerebro引擎中。

7. 设置交易佣金为0.1%。

8. 添加分析指标:Returns(回报率)、SharpeRatio(夏普比率)和DrawDown(回撤)。

9. 运行回测,并打印回测前后的资金情况。

10. 获取回测结果,并打印年化收益率、夏普比率、最大回撤和最大回撤期。

11. 绘制回测结果图表。

该代码的主要功能

使用RSI指标生成买卖信号,当RSI低于超卖阈值时买入,高于超买阈值时卖出。
在买入时,根据可用资金计算买入数量,以最大化利用资金。
在订单执行时,打印详细的交易信息,包括买入/卖出日期、价格、成本、佣金等。
使用Backtrader的内置分析器计算并打印回测指标,如年化收益率、夏普比率和最大回撤等。
绘制回测结果图表,直观展示策略的表现。

运行的结果怎么样呢？

执行结果：
Starting Portfolio Value: 10000.00 
Final Portfolio Value: 114408.26
Annualized Return: 3.43%
Sharpe Ratio: 0.28
Max Drawdown: 19.71%
Max Drawdown Period: 208

根据回测结果,我们可以对该RSI策略的表现进行以下分析: