DolphinDB实现动量交易策略详解

news2024/9/27 15:34:49

动量策略是最流行的量化策略之一。商品期货的CTA策略，绝大多数都是基于动量策略。在股票市场，动量策略也是常用的量化因子之一。通俗地讲，动量策略就是“追涨杀跌”。下面我们将介绍如何在DolphinDB中测试动量交易策略，并计算动量交易策略的累积回报。

DolphinDB database 是一款高性能分布式时序数据库。与其它通常的数据库不同，DolphinDB不仅可以存储和检索数据，而且具备强大的编程和分析功能，可以直接在数据库内完成策略回测等复杂的工作，便捷且高效。

最常用的股票动量因素是基于过去一年中扣除最近一个月的收益率。动量策略通常是一个月调整一次并且持有期也是一个月。本文的例子中，每天调整1/21的投资组合，并持有新的投资组合21天。为了简化起见，本文的回测没有考虑交易成本。

假设原始数据是一个CSV文件。它包含以下列：

PERMNO：股票代码

date：日期

PRC：每股价格

SHROUT：流通股数

RET：股票日收益

VOL：每日交易量

步骤1. 加载股票交易数据，对数据进行清洗和过滤，然后为每只股票构建过去一年扣除最近一个月收益率的动量信号。

US = loadText("C:/DolphinDB/Data/US.csv")
def loadPriceData(inData){
	USstocks = select PERMNO, date, abs(PRC) as PRC, VOL, RET, SHROUT*abs(PRC) as MV from inData where weekday(date) between 1:5, isValid(PRC), isValid(VOL) order by PERMNO, date
	USstocks = select PERMNO, date, PRC, VOL, RET, MV, cumprod(1+RET) as cumretIndex from USstocks context by PERMNO
	return select PERMNO, date, PRC, VOL, RET, MV, move(cumretIndex,21)\move(cumretIndex,252)-1 as signal from USstocks context by PERMNO 
}
priceData = loadPriceData(US)

步骤2. 为动量策略生成投资组合

首先，选择满足以下条件的流通股：动量信号值无缺失、当天的交易量为正、市值超过1亿美元以及每股价格超过5美元。

def genTradables(indata){
	return select date, PERMNO, MV, signal from indata where PRC>5, MV>100000, VOL>0, isValid(signal) order by date
}
tradables = genTradables(priceData)

然后根据每天的动量信号，产生10组流通股票。只保留2个最极端的群体（赢家和输家）。假设在21天内，每天总是多头1美元和空头1美元，所以我们每天在赢家组多头$1/21，在输家组每天空头$1/21。在每组中，我们可以使用等权重或市值权重，来计算投资组合形成日期上每个股票的权重。

//WtScheme=1表示等权重；WtScheme=2表示值权重
def formPortfolio(startDate, endDate, tradables, holdingDays, groups, WtScheme){
	ports = select date, PERMNO, MV, rank(signal,,groups) as rank, count(PERMNO) as symCount, 0.0 as wt from tradables where date between startDate:endDate context by date having count(PERMNO)>=100
	if (WtScheme==1){
		update ports set wt = -1.0\count(PERMNO)\holdingDays where rank=0 context by date
		update ports set wt = 1.0\count(PERMNO)\holdingDays where rank=groups-1 context by date
	}
	else if (WtScheme==2){
		update ports set wt = -MV\sum(MV)\holdingDays where rank=0 context by date
		update ports set wt = MV\sum(MV)\holdingDays where rank=groups-1 context by date
	}
	return select PERMNO, date as tranche, wt from ports where wt != 0 order by PERMNO, date
}
startDate=1996.01.01
endDate=2017.01.01 
holdingDays=21
groups=10
ports = formPortfolio(startDate, endDate, tradables, holdingDays, groups, 2)
dailyRtn = select date, PERMNO, RET as dailyRet from priceData where date between startDate:endDate

步骤3. 计算投资组合中每只股票接下来21天的利润或损失。在投资组合形成后的21天关停投资组合。

def calcStockPnL(ports, dailyRtn, holdingDays, endDate, lastDays){
	ages = table(1..holdingDays as age)
	dates = sort distinct ports.tranche
    dictDateIndex = dict(dates, 1..dates.size())
    dictIndexDate = dict(1..dates.size(), dates)
	pos = select dictIndexDate[dictDateIndex[tranche]+age] as date, PERMNO, tranche, age, take(0.0,size age) as ret, wt as expr, take(0.0,size age) as pnl from cj(ports,ages) where isValid(dictIndexDate[dictDateIndex[tranche]+age]), dictIndexDate[dictDateIndex[tranche]+age]<=min(lastDays[PERMNO], endDate)

	update pos set ret = dailyRet from ej(pos, dailyRtn,`date`PERMNO)
	update pos set expr = expr*cumprod(1+ret) from pos context by PERMNO, tranche
	update pos set pnl = expr*ret/(1+ret)
	return pos
}
lastDaysTable = select max(date) as date from priceData group by PERMNO
lastDays = dict(lastDaysTable.PERMNO, lastDaysTable.date)
undef(`priceData, VAR)
stockPnL = calcStockPnL(ports, dailyRtn, holdingDays, endDate, lastDays)

步骤4. 计算投资组合的利润或损失，并绘制随时间推移的动量策略累积回报。

portPnL = select sum(pnl) as pnl from stockPnL group by date
portPnL = select * from portPnL order by date;
plot(cumsum(portPnL.pnl) as cumulativeReturn,portPnL.date, "Cumulative Returns of the Momentum Strategy")

以下是美国股票市场1996年到2016年，20年回测的结果。回测时，每天产生一个新的tranche，包含大约1500只股票（平均每天约7500只股票，取20%），持有21天。如此庞大的数据量和计算量，使用单线程计算，DolphinDB耗时仅3分钟。