python 5日均线 上传 60日均线 回测

实现一个 Python 的 5日均线和60日均线的回测策略，可以分为以下几个步骤：

1. 数据准备：从数据源获取股票的历史价格数据，并计算出5日均线和60日均线。

import pandas as pd
import numpy as np
import talib

# 从数据源获取股票的历史价格数据
df = pd.read_csv('stock_data.csv', index_col='date')
df.index = pd.to_datetime(df.index)

# 计算5日均线和60日均线
df['ma5'] = talib.SMA(df['close'], timeperiod=5)
df['ma60'] = talib.SMA(df['close'], timeperiod=60)

2. 策略设计：定义一个简单的交易策略，当5日均线上穿60日均线时，买入；当5日均线下穿60日均线时，卖出。

# 定义交易策略
def trading_strategy(df):
    df['position'] = np.where(df['ma5'] > df['ma60'], 1, 0)
    df['position'] = np.where(df['ma5'] < df['ma60'], -1, df['position'])
    df['position'] = df['position'].fillna(method='ffill')
    return df

3. 回测模拟：模拟策略的执行过程，并计算出交易收益和回测指标。

# 模拟交易过程
df = trading_strategy(df)
df['pct_change'] = df['close'].pct_change()
df['strategy_return'] = df['pct_change'] * df['position'].shift(1)

# 计算回测指标
total_return = df['strategy_return'].cumsum()[-1]
annualized_return = (1 + total_return) ** (252 / len(df)) - 1
max_drawdown = (df['strategy_return'].cumsum().rolling(window=len(df), min_periods=1).max() - df['strategy_return'].cumsum()).max()
sharpe_ratio = df['strategy_return'].mean() / df['strategy_return'].std() * np.sqrt(252)

# 打印回测指标
print('总收益率：{:.2%}'.format(total_return))
print('年化收益率：{:.2%}'.format(annualized_return))
print('最大回撤：{:.2%}'.format(max_drawdown))
print('夏普比率：{:.2f}'.format(sharpe_ratio))

以上代码中，使用 talib 库计算出5日均线和60日均线。定义一个名为 trading_strategy 的函数，实现交易策略的逻辑。在模拟交易过程中，先调用 trading_strategy 函数计算出交易信号，然后根据信号计算出交易收益，并计算出回测指标。最后打印出总收益率、年化收益率、最大回撤和夏普比率等回测指标。

需要注意的是，以上代码仅为示例，实际回测策略需要根据具体需求进行调整和优化，同时需要注意风险管理和交易成本等问题。