量化交易——RSI策略（vectorbt实现）

本文为通过vectorbt（以下简称vbt）实现量化交易系列第一篇文章，通过使用vbt实现RSI策略从而熟悉其代码框架。

关于本文所使用数据的说明

由于vbt官方文档提供的入门案例使用的数据是通过其内置的yfinance包获取，在国内无法直接访问，故本文将原数据替换为更容易获取的国内数据。本文使用的数据是通过tushare获取的A股日线行情数据，具体参数如下图所示：
在这里插入图片描述

一、pandas常用函数

（1）drop()

函数语法：

python">DataFrame.drop(
labels=None, 
axis=0, 
index=None,columns=None,level=None, inplace=False, errors='raise')

参数说明：

labels: 待删除的行名or列名；

axis: 删除时所参考的轴，0为行，1为列；

index: 待删除的行名

columns: 待删除的列名

level:多级列表时使用，暂时不作说明

inplace: 布尔值，默认为False,若为False，则返回的是一个copy;若为True,返回的是删除相应数据后的数据

（1）set_index()

功能：指定数据表中的某列或指定某个数组列表为DataFrame行索引。

函数语法

python">DataFrame.set_index(keys, *, drop=True, append=False, inplace=False, verify_integrity=False)

参数说明：
key： 数据表中的某列/列标签列表/数组列表，需要设置为索引的列。
drop： 删除用作新索引的列，默认为True，删除。
append：是否将列附加到现有索引，默认为False，否。
inplace：表示当前操作是否对原数据重新，默认为False，否。
verify_integrity：检查新索引的副本。否则，请将检查推迟到必要时进行。将其设置为False，将提高该方法的性能，默认为False。

保留到小数点后两位

python">df.apply(lambda x:round(x,2))

二、RSI策略

（1）RSI计算步骤‌

‌确定时间周期‌：通常设定为14天，但也可以根据需要选择6、12、24等其他周期。
‌计算涨幅和跌幅‌：
涨幅：每日收盘价高于前一日收盘价的差额。
跌幅：每日收盘价低于前一日收盘价的差额（取正值）。
‌计算N日内涨幅之和与跌幅之和‌：将时间周期内每日的涨幅和跌幅分别累加。
‌计算RS值‌：用N日内涨幅之和的平均值除以N日内跌幅之和的平均值。
‌计算RSI值‌：将RS值代入RSI公式，得到RSI值。

（2）RSI取值范围及意义‌

RSI的取值范围在0到100之间，通常以30和70作为超卖和超买的标志线，或以20和80作为超卖和超买的标志线。具体解读如下：

当RSI值超过70或80时，市场处于超买状态，可能会有下跌的趋势。
当RSI值低于30或20时，市场处于超卖状态，可能会有上涨的趋势。
当RSI值在50附近时，代表多空力量均衡。

vectorbt_70">RSI策略的vectorbt实现方法

第一步：RSI.run()

只需要传入股票每日收盘价，窗口默认为14天。

python">rsi=vbt.RSI.run(price,window=14)
print('rsi:',rsi.rsi)

特别提示： 查看rsi的值请使用rsi.rsi
官方文档详见下图：
在这里插入图片描述

第二步：设置买入和卖出条件

rsi值下穿30线时买入，上穿70时卖出。下图为rsi_above和rsi_below函数参数。

python">#下穿rsi=30线时买入
entries=rsi.rsi_crossed_below(30)
print(entries)
#上穿rsi=70时卖出
exits=rsi.rsi_crossed_above(70)
print(exits)

在这里插入图片描述

函数名	说明
rsi_above()	开区间上穿特定值时，返回True，反之返回False
rsi_closed_above()	闭区间上穿特定值时，返回True，反之返回False
rsi_crossed_above()	刚好上穿特定值时，返回True，反之返回False
rsi_below()	开区间下穿特定值时，返回True，反之返回False
rsi_closed_below()	闭区间下穿特定值时，返回True，反之返回False
rsi_crossed_below()	刚好下穿特定值时，返回True，反之返回False

第三步：模拟投资【vbt.Portfolio.from_signals()】

该函数通过买入和卖出信号来模拟投资。代码如下：

python">pf=vbt.Portfolio.from_signals(price,entries=entries,exits=exits,init_cash=10000)

该函数的参数详情如下：

python">Portfolio.from_signals(close,entries=None,exits=None,short_entries=None,short_exits=None,signal_func_nb=no_signal_func_nb,signal_args=(),size=None,size_type=None,price=None,fees=None,fixed_fees=None,slippage=None,min_size=None,max_size=None,size_granularity=None,reject_prob=None,lock_cash=None,allow_partial=None,raise_reject=None,log=None,accumulate=None,upon_long_conflict=None,upon_short_conflict=None,upon_dir_conflict=None,upon_opposite_entry=None,direction=None,val_price=None,open=None,high=None,low=None,sl_stop=None,sl_trail=None,tp_stop=None,stop_entry_price=None,stop_exit_price=None,upon_stop_exit=None,upon_stop_update=None,adjust_sl_func_nb=no_adjust_sl_func_nb,adjust_sl_args=(),adjust_tp_func_nb=no_adjust_tp_func_nb,adjust_tp_args=(),use_stops=None,init_cash=None,cash_sharing=None,call_seq=None,ffill_val_price=None,update_value=None,max_orders=None,max_logs=None,seed=None,group_by=None,broadcast_named_args=None,broadcast_kwargs=None,template_mapping=None,wrapper_kwargs=None,freq=None,attach_call_seq=None,**kwargs
)

第四步：查看回测结果

python">print(pf.stats().apply(lambda x:round(x,2)))

运行结果：

Start                         20230804.00
End                           20241220.00
Period                             335.00
Start Value                      10000.00
End Value                        10041.23
Total Return [%]                     0.41
Benchmark Return [%]                -5.53
Max Gross Exposure [%]             100.00
Total Fees Paid                      0.00
Max Drawdown [%]                    21.89
Max Drawdown Duration              313.00
Total Trades                         5.00
Total Closed Trades                  5.00
Total Open Trades                    0.00
Open Trade PnL                       0.00
Win Rate [%]                        60.00
Best Trade [%]                      13.20
Worst Trade [%]                    -14.94
Avg Winning Trade [%]                7.12
Avg Losing Trade [%]                -9.31
Avg Winning Trade Duration          25.67
Avg Losing Trade Duration           77.00
Profit Factor                        1.02
Expectancy                           8.25
dtype: float64

第五步：画图

python">pf.plot().show()

运行结果：
在这里插入图片描述

完整代码

python">import vectorbt as vbt
import pandas as pdpd=pd.read_csv("stock_data/000001.SZ.csv",names=['index','trade_date','open','close','low','high','vol','x','macd','dif','dea'])
#删除index列
pd=pd.drop(columns='index')
#pd.index=pd['trade_date']
#设置trade_date列为行索引
pd=pd.set_index('trade_date')
price=pd['close']#每日收盘价
#设计RSI策略
'''
窗口：14天
超卖：30
超买：70
'''
rsi=vbt.RSI.run(price,window=14)
print('rsi:',rsi.rsi)
#下穿rsi=30线时买入
entries=rsi.rsi_crossed_below(30)
print(entries)
#上穿rsi=70时卖出
exits=rsi.rsi_crossed_above(70)
print(exits)
#回测
pf=vbt.Portfolio.from_signals(price,entries=entries,exits=exits,init_cash=10000)
#
print(pf.stats().apply(lambda x:round(x,2)))
print(pf.total_return)
pf.plot().show()