当前位置：首页 > news >正文

SPL 量化回测

news 来源：原创 2025/5/16 17:44:58

回测是一种评估交易策略的通用方法。它通过计算策略在历史数据上的表现来评估交易策略的可行性。如果回测结果良好，交易者和分析师可能会有信心在未来继续使用该策略。

1. 回测脚本

首先要编写回测脚本，将回测脚本保存为 backtest.splx。

脚本代码如下：

	A	B	C	D
1	func bfee@m(amt)	=max(amt0.0003,5)+amt0.00001
2	func sfee@m(amt)	=bfee(amt)+amt*0.0005
3	func withdraw(R)	=pma=R.pselect@a(~>~[-1]&&~>=~[1]),ma=R(pma),mi=pma.((idx=~,R.to(idx,).min())),((ma--mi)//(ma++1)).max()
4
5	func Begin()	>env@j(_TDS,[])	>env@j(_TD, create( id, code, tdate, share, price, amt, lnk) )
6	func Buy(K, S, P)	=abs(_TD.pselect@bs( code-K.code) )	=ifn(P,K.close)
7		=_TDS.insert@n(B6, _TD.insert@n( 0, 0, K.code, K.tdate, S, C6, null, null) )
8		if C6<K.low	return 0
9		=B7.run(amt=price*share, amt += bfee(amt) )	return B7.id=_TD.len()
10	func Sell(K, I, P)	=if(I, [_TD.m(I)], Holds(K.code, K.tdate))
11		for B10	if !B11 \|\| B11.id<=0 \|\| B11.lnk \|\| K.code!=B11.code	next
12			=abs(_TDS.pselect@bs(code-K.code) )	=ifn(P,K.close)
13			=_TDS.insert@n(C12, _TD.insert@n(0, -B11.id, K.code, K.tdate, B11.share, D12, null, null) )
14			if D12>K.high	return 0
15			=B11.lnk=C13,C13.lnk=B11	=C13.run(amt=price*share,amt-=sfee(amt))
16		return B10.id
17	func Holds(C, D)	=if(!C,_TDS, _TDS.select@b( code-C) ).select( id > 0 && !lnk && tdate<D)
18	func Sells(K, U, L, ND)	=Holds(if( ifr(K), K.code ), K.tdate)	=K.tdate-ND
19		=B18.select((U>=0 && K.close>=price(1+U)) \|\| (L>=0 && K.close<=price(1-L)) \|\| (ND>0 && tdate<=C18) )
20		if ifr(K)	>B19.run(Sell(K, id, null) )
21		else	for B19.group(code)	=K.select@b1(code-C21.code)
22				>C21.run(Sell(D21, id, null) )
23	func Check(KD,D)	=ifn(D,_TD.max(tdate))	=create(股票 _ 数量, ${[D28:D41].concat@c()})	=[]
24		for _TD.select(tdate<=B23).group(code)	=B24.sort(tdate,-id)
25			=KD.select@b(code-B24.code).select(tdate>=C24.tdate && tdate<=B23)
26			=C24.groups(tdate;sum(sign(id)share):share, sum(amtsign(id)):amt)
27			=join@1m(C25, tdate; C26, tdate).new(#1.tdate, cum(#2.share*#1.close-#2.amt,0):income)
28			=C24.sum(if( id<0 && lnk, amt-lnk.amt) )	现金收益
29			=C24.sum(if( id>0 && !lnk, share) )* C25.m(-1).close	持仓价值
30			=C29-C24.sum(if(id>0 && !lnk, amt) )	持仓收益
31			=C24.max(iterate( ~~+sign(id)*amt, 0 ))	占用资金
32			=(C28+C30)/C31	收益率
33			=sqrt(var@s( x=C27.(income/C31) ) )	波动率
34			=withdraw(x)	回撤率
35			=C24.count(id>=0)	买盘数
36			=C24.count(id>0)	买入数
37			=C24.count(id<0)	卖盘数
38			=C24.count(id<0 && lnk && amt>=lnk.amt)	赢利数
39			=C24.count(id<0 && lnk && amt<lnk.amt)	亏损数
40			=C24.sum(if(id>0, amt) )	买入资金
41			=C24.sum(if(id<0, amt) )	卖出资金
42			>C23.record(B24.code \| [C28:C41])	>D23\|=C27
43		=C23.record@in(long(C23.count()) \| to(2,C23.fno()).(C23.field(~).sum()),1)
44		=D23.groups(tdate,sum(income):income).(income/B43.占用资金 )
45		=B43.run( 收益率 =(现金收益 + 持仓收益)/ 占用资金, 波动率 =sqrt(var@s(B44)), 回撤率 =withdraw(B44))
46		return C23
47	func Trades(C)	=_TD.select(amt && (!C \|\| C==code \|\| (ifa(C) && C.contain(code) )))
48		=B47.groups(code, tdate, sign(id):flag, price; int(sum(share)):share, sum(amt):amt )
49	func Display(R)	=create(项目, 值 ).record( R.fno().conj(R.fname(~) \| [R.field(~)] ) )
50		=B49.run( 值 =string(值, if( typeof@x( 值)=="float", if(right( 项目,1)!="率","#0.00", "#0.00%"),"") ) )

2. 脚本函数解释

1. bfee(amt)：计算买入手续费。

买入手续费 =max(交易金额 *0.03%,5)+ 交易金额 *0.001%

参数：amt 为交易金额

2. sfee(amt)：计算卖出手续费。

卖出手续费 = bfee(amt)+amt*0.05%

参数：amt 为交易金额

3. withdraw(R)：计算回撤率。

4. Begin()：初始化交易数据。

5. Buy(K, S, P)：单支买盘函数，计算买盘的买入资金。返回买盘序号（用于卖盘）

参数：

K：当日 K 线数据

S：share 交易股票数量

P：price 交易价格。P 值为空时将当日收盘价作为交易价格。

如果交易价格低于当日最低价则买入失败，记录买盘序号返回 0

6. Sell(K, I, P)：单支卖盘函数，计算卖盘的卖出资金。返回对应的买盘序号。

参数：

K：当日 K 线数据

I：买盘序号 id 或记录。I 可以为空，表示将该股票全部卖出。

P：price 交易价格。P 值为空时将当日收盘价作为交易价格。

如果交易价格高于当日最高价则卖出失败，记录买盘序号返回 0

7. Holds(C,D)：返回股票 C 当前持股数据。

参数：

C:code 股票代码，C 为空时，返回所有股票的持股数据。

D:tdate 交易日期

8. Sells(K, U, L, D)：按条件批量卖出函数，当股票上涨或下跌到一定程度或持有天数大于 D 时，卖出。

参数：

K：当日 K 线数据，如果卖出涉及多支股票时将把当日所有股票 K 线形成集合作为参数。

U：up 上涨百分比

L：low 下跌百分比

D：持股天数

9. Check(KD,D)：计算各种回测指标。

参数：

KD：所有股票的 K 线数据集合，

D：最后的统计日期

10. Trades(C)：返回股票交易成功的买卖数据。

参数：

C：股票代码。可以为单值如 600000；也可以为股票代码列表，如 [600000,600015]；也可以为空：返回所有股票

11. Display(R)：纵向查看 Check() 中的计算结果。

参数：

R：记录。Check 函数中返回的某条记录。

3. 回测指标

股票 _ 数量：总共持有多少支股票。例如，买入股票 [600000,600015]，则持有的股票 _ 数量就 2。

现金收益：指买卖股票所获得的价差收益，只计算已卖出的股票。例如，8 块买入，买入 100 股，买入手续费 5 元；15 元卖出，卖出手续费 5 元，那么现金收益就是 15*100-5-8*100-5=690。

持仓价值：当前持有的股票价值。例如持有 A 股票 100 股，当前股价 10 元，那么 A 股票的持仓价值就是 1000。

持仓收益：当前的持仓价值 - 持仓成本。

占用资金：在给定时间段内完成所有交易需要投入的现金综合（包括手续费）。比如某支股票一周内的买卖资金如下表。不难算出，要完成这些交易，需要投入 800 元，那么该股票的占用资金就是 800 元。

买入资金	500
卖出资金	700
买入资金	1000
卖出资金	900

收益率：指收益总额与投资额的比例。收益总额包括现金收益和持仓收益。投资额就是该股票的占用资金。

波动率：指股票价格在一定时间内的变动幅度，它反映了市场的不确定性和风险。波动率越高，金融资产价格的波动越剧烈，资产收益率的不确定性就越强；波动率越低，金融资产价格的波动越平缓，资产收益率的确定性就越强。波动率等于每日收益率的年化标准差。

回撤率：描述策略可能出现的最糟糕的情况，指在某一段时期内股票从最高点到最低点的百分比幅度。比如，某股票价格在一个月内的最高值为 20 元，其最低的价格为 10 元，则该股票在这一个月内的回撤率＝（20－10）／20×100％＝50％。一般来说回撤率越大，股票反弹的机会越大，投资风险也越高。

买盘数：指希望购买某支股票的订单数。

买入数：指成功购买某支股票的订单数。买盘数 >= 买入数

卖盘数：指希望售出某支股票的订单数。

赢利数：策略在给定时间段内交易次数中盈利的次数。

亏损数：策略在给定时间段内交易次数中亏损的次数。

买入资金：给定时间段内某支股票的总买入资金。

卖出资金：给定时间段内某支股票的总买入资金。

比如某支股票一周内的买卖资金如下表，那么一周内该股票的买入资金就是 1500 元，卖出资金是 1600 元。

买入资金	500
卖出资金	700
买入资金	1000
卖出资金	900

4. 回测举例

我们以 N 日均线策略为例，进行回测。

N 日均线策略内容为，当股价高于 N 日均价时买入，低于 N 日均价时卖出。

代码示例：

	A	B
1	>call@f("backtest.splx")	2024
2	=date(B1,1,1)	=date(B1,12,31)
3	=call("adjustprice.splx", "", call("loadkday.splx", null, A2,B2) )
4
5	>Begin()	5
6	for A3.group(code)	=A6.derive(if(#>B5+1, sign(close[-1]-close[-B5:-1].avg()), 0):flag )
7		=B6.group@o1(flag)
8		=B7.run(if( flag==1:Buy(~,100,null), flag==-1:Sells(~, 0, 0, 0) ) )
9
10	=Trades(null)	=Check(A3,B2)
11	=Display(B10(1))

A1 登记回测脚本中的函数。

A2 B2 回测起始和截止日期。

A3 读取前复权数据。

A5 初始化交易数据。

B5 均线策略的移动周期。

A6:B8 循环每支股票，进行回测计算。

B6 N 日均线策略，生成交易信号。1 表示买入，-1 卖出。

B7 按照一买一卖分组。

B8 对每次买卖进行回测计算。

A10 返回所有成功买卖的交易数据。

B10 返回回测指标。

A11 纵向查看回测指标。

SPL 可以在这里下载：免费下载。使用免费的桌面版就可以了，直接安装即可使用。专业程序员也可以使用这里的开源版，但需要自行配置部署。

SPL 配有系统的教程，这里有面向新手的课程（含视频）：SPL程序设计语言 · 乾学院VIP课程，乾学院也有更多学习资料。

1. 回测脚本

2. 脚本函数解释

3. 回测指标

4. 回测举例

相关文章：