단순이동평균(SMA)를 기반으로 전략 백테스팅

"금융 파이썬 쿡북 Ch2. 파이썬에서의 기술적 분석 "의 내용을 기반으로 작성하였습니다. (실습 깃헙)

 

---

 

1. 백테스팅이란?

 과거데이터를 활용해 자신의 알고리즘, 투자전략 원칙을 검증하는 과정하는 것이다.
초기투자금액 설정, 시작일이나 종료일을 설정하거나 매매나 수익의 분석을 제공하는 등의 성과를 분석하여 어느 정도의 수익을 낼 수 있는 지를 확인하는 것이다.
 즉, 과거의 데이터(Back)과 알고리즘을 테스트한다는 의미인 테스팅(testing)이 결합되어 사용된 용어이다.
(Source : https://inshang.tistory.com/19)

 

---

2.  백테스트 프레임워크 backtrader

 백테스트를 위해 사용하는 프레임워크는 다양한데 그 중에서도 backtrader를 사용해 보겠다. (https://www.backtrader.com/)

주요 기능은 다음과 같다.

• 방대한 기술 지표와 성능 척도 제공
• 구축과 새로운 지표 적용이 손쉽다.
• 다양한 데이터 소스 제공
• 서로 다른 형태의 주문(시장가, 지정가, 손절), 슬리피지(의도한 주문가와 실제 실행가의 차이), 커미션, 롱, 숏 등 실제 브로커의 여러 측면을 시뮬레이션할 수 있음

 

---

3. SMA에 기반한 기본 전략

 Signal과 이후 Strategy에서 적용되는 기본 전략은 다음과 같다.

• 종가가 20일 SMA 보다 높아지면 한 주를 산다.
• 종가가 20일 SMA 보다 낮아지고 주식을 보유한 상태면 매도한다.
• 주어진 시간에 오직 한 주만 허용된다.
• 공매도는 허용되지 않는다.

 

---

4. Signal

 Signal과 Strategy를 구분하여 작성할 예정인데 Signal을 위 전략에 해당하는 지점을 포착하고 매수, 매도를 실행한다면 Strategy는 Signal의 기능을 수행하고 동일한 결과를 얻지만 실제로 백그라운드에서 발생하는 일에 대한 더 많은 로그기록을 생성한다.

 

 공통적인 환경 세팅은 다음을 통해 이뤄진다. (제공된 실습 코드에서 발생하는 에러에 대한 디버깅 내용추가)

%matplotlib inline
%config InlineBackend.figure_format = 'retina'

# backtrader 설치
!pip install backtrader

# 거래 데이터 
!pip install yfinance

# plot을 위한 버전 맞추기
!pip uninstall matplotlib
!pip install matplotlib==3.1.1

from datetime import datetime
import backtrader as bt
import yfinance as yf
import matplotlib
import matplotlib.pyplot as plt
from IPython import get_ipython

# Plot 생성을 위한 모듈
import cufflinks as cf
from plotly.offline import iplot, init_notebook_mode
import plotly.graph_objs as go


cf.set_config_file(world_readable = True, theme = 'pearl', offline = True)
init_notebook_mode(connected=True)

# iplot 기능이 수행되지 않는 에러 디버깅 함수
def configure_plotly_browser_state():
  import IPython
  display(IPython.core.display.HTML('''
        <script src="/static/components/requirejs/require.js"></script>
        <script>
          requirejs.config({
            paths: {
              base: '/static/base',
              plotly: 'https://cdn.plot.ly/plotly-latest.min.js?noext',
            },
          });
        </script>
        '''))

 

 Signal은 아래의 과정을 통해 수행된다. 상위 주석을 통해 단계를 구분하였다.

# 거래전략을 나타내는 클래스 정의

class SmaSignal(bt.Signal):
  params = (('period', 20), )
  def __init__(self):
  # signal 정의 = 현재 데이터 포인트 - 이동 평균
    self.lines.signal = self.data - bt.ind.SMA(period = self.p.period)
    	## signal > 0 : long(매수)
    	## signal < 0 : short(매도)
    	## signal = 0 : no signal

# 야후 파이낸스에서 데이터 다운로드 (애플)

data = bt.feeds.PandasData(dataname=yf.download('AAPL', '2018-01-01', '2018-12-31'))

# 아래 코드는 실행 안됨
#data = bt.feeds.PandasData(dataname='AAPL', fromdate=datetime(2018, 1, 1),todate=datetime(2018, 12, 31))

# 백테스트 설정
cerebro = bt.Cerebro(stdstats = False)

# 데이터 추가
cerebro.adddata(data)

# 사용 가능한 금액 설정
cerebro.broker.setcash(1000.0)

# Signal 추가
cerebro.add_signal(bt.SIGNAL_LONG, SmaSignal)

# 관찰자 추가
## BuySell = 매수/매도 결정 (파랑, 빨강 삼각형)
cerebro.addobserver(bt.observers.BuySell)

## Value = 시간에 따른 포트폴리오 가치의 변화 추적
cerebro.addobserver(bt.observers.Value)

print(f'Starting Portfolio Value: {cerebro.broker.getvalue():.2f}')
# 백테스트 실행
cerebro.run()
print(f'Final Portfolio Value: {cerebro.broker.getvalue():.2f}')

• add_signal로 추가할 수 있는 신호 종류
  • LONGSHORT = 롱과 숏 모두 고려
  • LONG : 양 = 롱 포지션을 취함 / 음 = 롱 포지션을 종료
  • SHORT : 음 = 숏 포지션을 취함 / 양 = 숏 포지션을 종료
  • LONGEXIT : 롱 포지션 엑싯을 위해 음의 신호 사용
  • SHORTEXIT : 숏 포지션 엑싯을 위해 양의 신호 사용
  • 포지션 엑시트
    • LONG : LONGEXIT 신호가 있는 경우 위의 기본 동작 대신 롱 위치를 종료 / SHORT 신호가 있고 LONGEXIT 신호가 없는 경우 SHORT 신호는 숏 포지션을 열기 전에 롱 포지션을 종료하는데 사용
    • SHORT : SHORTEXIT 신호가 있는 경우 위의 기본 동작 대신 숏 위치를 종료 / LONG 신호가 있고 SHORTEXIT 신호가 없는 경우 LONG 신호는 롱 포지션을 열기 전에 숏 포지션을 종료하는데 사용

%matplotlib inline

configure_plotly_browser_state()
init_notebook_mode(connected=True)

# 진짜 해결하기 드럽게 힘드네,,, java 코드 지원 안되는 오류 아래 두 라인으로 해결
plt.rcParams['figure.figsize'] = [15, 12]
plt.rcParams.update({'font.size': 12}) 

# 결과 도면 표시
cerebro.plot(iplot = False, volume = False)

 

 백테스팅이 완료되었다.

결과적으로 세개의 plot이 나왔다.

• 포트폴리오 가치 변화 > $1000에서 $1002.61로 가치가 상승하였다.
• 자산가격 + 매수,매도 지점
• 선택한 기술 지표 > 여기서는 sma

 

---

5. Strategy

 로그 기록과 그 기록의 반환을 위해 더 많은 기능이 필요하고 아래를 통해 구현된다.

 

class SmaStrategy(bt.Strategy):

	# SMA 기간 설정
    params = (('ma_period', 20), )

    def __init__(self):
        # keep track of close price in the series
        self.data_close = self.datas[0].close

        # keep track of pending orders/buy price/buy commission
        self.order = None
        self.price = None
        self.comm = None

        # add a simple moving average indicator
        self.sma = bt.ind.SMA(self.datas[0],
                              period=self.params.ma_period)

    # 로그 기록    
    def log(self, txt):
        dt = self.datas[0].datetime.date(0).isoformat()
        print(f'{dt}, {txt}')

    # 주문 상태 (position) 보고 : t일 지표는 종가를 기준으로 포지션을 개설/종료할 것을 제안
    # But 주문은 t+1일에 수행되는데 주문이 취소되거나 현금이 부족할 수 있으므로 주문 실행의 보장이 없음
    def notify_order(self, order):
        if order.status in [order.Submitted, order.Accepted]:
            # order already submitted/accepted - no action required
            return

        # report executed order
        if order.status in [order.Completed]:
            if order.isbuy():
                self.log(f'BUY EXECUTED --- Price: {order.executed.price:.2f}, Cost: {order.executed.value:.2f}, Commission: {order.executed.comm:.2f}')
                self.price = order.executed.price
                self.comm = order.executed.comm
            else:
                self.log(f'SELL EXECUTED --- Price: {order.executed.price:.2f}, Cost: {order.executed.value:.2f}, Commission: {order.executed.comm:.2f}')

        # report failed order
        elif order.status in [order.Canceled, order.Margin, 
                              order.Rejected]:
            self.log('Order Failed')

        # set no pending order > 보류 중인 주문 제거
        self.order = None

    # 거래 결과 보고
    def notify_trade(self, trade):
        if not trade.isclosed:
            return

        self.log(f'OPERATION RESULT --- Gross: {trade.pnl:.2f}, Net: {trade.pnlcomm:.2f}')

    # 거래 전략의 논리
    def next(self):
        # do nothing if an order is pending
        if self.order:
            return

        # check if there is already a position
        if not self.position:
            # buy condition (이동평균가보다 높은지 확인)
            if self.data_close[0] > self.sma[0]:
                self.log(f'BUY CREATED --- Price: {self.data_close[0]:.2f}')
                # 매수량을 선택 > 기본설정 : size = 1
                self.order = self.buy()
        else:
            # sell condition
            if self.data_close[0] < self.sma[0]:            
                self.log(f'SELL CREATED --- Price: {self.data_close[0]:.2f}')
                self.order = self.sell()

cerebro = bt.Cerebro(stdstats = False)

cerebro.adddata(data)
cerebro.broker.setcash(1000.0)
cerebro.addstrategy(SmaStrategy)
cerebro.addobserver(bt.observers.BuySell)
cerebro.addobserver(bt.observers.Value)

print(f'Starting Portfolio Value: {cerebro.broker.getvalue():.2f}')
cerebro.run()
print(f'Final Portfolio Value: {cerebro.broker.getvalue():.2f}')

 위 이미지와 같이 Strategy는 포트폴리오 매수, 매도의 로그와 해당 지점에서의 정보를 제공한다.

 

%matplotlib inline

configure_plotly_browser_state()
init_notebook_mode(connected=True)

# 진짜 해결하기 드럽게 힘드네,,, java 코드 지원 안되는 오류 아래 두 라인으로 해결
plt.rcParams['figure.figsize'] = [15, 12]
plt.rcParams.update({'font.size': 12}) 

cerebro.plot(iplot = False)

 

 

---

4. 매개변수 최적화

 backtrader는 백테스팅 시 사용하는 매개변수를 최적화하는 기능도 제공한다.

이전까지는 SMA period = 20으로 고정하여 사용했는데 아래의 최적화 기능을 통해 최적의 SMA period를 확인할 수 있다.

다른 내용은 동일하나 클래스의 stop 함수 추가와 cerebro.add_strategy가 아닌 cerebro.optstrategy를 사용하였다.

 

# Create a Stratey
class SmaStrategy(bt.Strategy):
    params = (('ma_period', 20),)

    def __init__(self):
        # keep track of close price in the series
        self.data_close = self.datas[0].close

        # keep track of pending orders
        self.order = None

        # add a simple moving average indicator
        self.sma = bt.ind.SMA(self.datas[0], period=self.params.ma_period)

    def log(self, txt):
        '''Logging function'''
        dt = self.datas[0].datetime.date(0).isoformat()
        print(f'{dt}, {txt}')

    def notify_order(self, order):
        # set no pending order
        self.order = None

    def next(self):
        # do nothing if an order is pending
        if self.order:
            return

        # check if there is already a position
        if not self.position:
            # buy condition
            if self.data_close[0] > self.sma[0]:
                self.order = self.buy()
        else:
            # sell condition
            if self.data_close[0] < self.sma[0]:
                self.order = self.sell()

    # SMA 일수 최적화 : 각 매개변수의 최종 terminal 포트폴리오 가치 반환
    def stop(self):
        self.log(f'(ma_period = {self.params.ma_period:2d}) --- Terminal Value: {self.broker.getvalue():.2f}')

data = bt.feeds.PandasData(dataname=yf.download('AAPL', '2018-01-01', '2018-12-31'))

cerebro = bt.Cerebro(stdstats = False)

cerebro.adddata(data)

# 이전의 add strategy가 아닌 아래 기능에 전략이름과 최적화할 매개 변수 값을 제공
cerebro.optstrategy(SmaStrategy, ma_period=range(10, 31))
cerebro.broker.setcash(1000.0)
cerebro.run(maxcpus=4)

terminal value를 봤을 때 sma_period = 22일이 최적의 전략임을 알 수 있다.

 

---

 

(해당 게시물 학습을 위한 임의적 설정이므로, 수익을 대변하지 않습니다.)

 

Ref

• 금융 파이썬 쿡북, 에릭 르윈슨.