拓端tecdat|R语言资产配置策略量化模型：改进的移动平均线策略动态回测

盛夏的果实

定量战术资产配置策略（QATAA）模型是使用10个月的移动平均线作为过滤器。如果在月末，资产的价格高于移动平均线，就留在市场中；否则就会离开市场。
10个月有什么特别之处；为什么10个月对所有资产和区制都是不变的。我提出了根据历史波动率来调整移动平均线回溯的想法。也就是说，在高波动时期，较短的移动平均线会让我们更快地离开市场，而在低波动时期，较长的移动平均线会让我们留在市场中。但是，这导致了更差的结果。
我花了一些时间分析基础的10个月移动平均线策略，看到了相当大的损失，简单的解决方法是在10个月移动平均线周围使用+/-5%的区间，以减少损失，增加收益。
下面我将展示这个概念是如何运作的。

#*****************************************************************
# 加载历史数据
#*****************************************************************

# 加载保存的代理原始数据

tickers = '
SPY
CASH = SHY + TB3Y
'
#*****************************************************************
# 用来显示信号的辅助函数
#*****************************************************************
  
  signal = iif(model == 'base', prices > sma,
  
  
  #基于信号创建一个模型
 
share(data, clean.signal=T, silent=T)
  # 创建一个图来显示信号
  plot(p[dates] ,type='l', plotX=F, x.highlight = highlight)

visuali('2000::2001')

延迟进场/退场的好处是交易量少，成交量小。

#*****************************************************************
# 设置
#*****************************************************************
models = list()
#*****************************************************************
# SPY
#******************************************************************
run(data)
#*****************************************************************
#  SPY + 10个月过滤器
#******************************************************************
apply(prices, SMA, 10*22)
 
iif(prices > sma, 1, 0)
CASH = 1 - ifna( ifna(SPY), 0)
#*****************************************************************
# SPY+10个月+5/-5%过滤器
#******************************************************************
(cross(prices, sma * 1.05), (prices, sma * 0.95), 0, NA)

我还包括了我对动态回测移动平均线的尝试，但在这种形式下，并不实用。

#*****************************************************************
#  SPY + 基于波动率的动态过滤器
#******************************************************************
vol = matrix(ret, SD, n = 21)
if(vol.rank < 0.5, bt(prices, SMA, 10*22),matrix(prices, SMA, 1*22))
data$w
#*****************************************************************
# SPY+基于波动率的动态过滤器；多个级别
#******************************************************************
nbreaks = 5
sma.cash = sma * NA
for(i in 1:nbreaks) {
temp = data(matrix(prices, SMA, (nbreaks - i + 1)* 2 *22)
}

#*****************************************************************
# 报告
#*****************************************************************
plot(models)

SPYSPY.CASHSPY.CASH.BANDSPY.CASH.VOL.SIMPLESPY.CASH.VOLPeriodJan1993 - Feb2015Jan1993 - Feb2015Jan1993 - Feb2015Jan1993 - Feb2015Jan1993 - Feb2015Cagr9.49.912.19.28DVR41.978.391.483.874Sharpe56.783.697.190.877.1R273.993.794.192.396Win.Percent10041.110045.743.3Avg.Trade623.71.927.60.70.7MaxDD-55.2-20.1-19.1-15.9-22.3Num.Trades114612302254

barplot(turnover, data)

接下来，让我们把相同的带状策略应用于TAA模型。

#加载保存的代理原始数据
data <- new.env()
getSymbols(tickers, src = 'yahoo')
#*****************************************************************
#  设置
#*****************************************************************
universe = prices > 0
models = list()
#*****************************************************************
# 基准
#*****************************************************************
weight[] = NA
#*****************************************************************
#The [战术性资产配置策略的量化方法(QATAA) Mebane T. Faber](http://mebfaber.com/timing-model/)
#[***N ](http://papers.***n.com/sol3/papers.cfm?abstract_id=962461)
#*****************************************************************
weight = iif(prices > sma, 20/100, 0)
run(data)
#*****************************************************************
#  bands替代方案 移动平均
#*****************************************************************
signal = if(cross(prices, sma * 1.05), 1, iif(cross.dn(prices, sma * 0.95), 0, NA))
#*****************************************************************
# 报告
#*****************************************************************
#performance(models, T)

SP500EWModelModel.BPeriodJun1996 - Feb2015Jun1996 - Feb2015Jun1996 - Feb2015Jun1996 - Feb2015Cagr8.28.69.810.6DVR28.764117.4127.9Sharpe49.269.3120.4132.7R258.492.497.596.5Win.Percent10059.964.464.6Avg.Trade335.70.10.20.2MaxDD-55.2-47.5-17.1-13.1Num.Trades11113930887

layout(1)
barplot(sapply(models,turnover)

带状逻辑很容易实现，增加了收益。

[R语言] 拓端tecdat|R语言资产配置策略量化模型：改进的移动平均线策略动态回测

盛夏的果实 LV4