番外篇3 - 簡單LSTM模型預測結果+策略回測 (暨30日完賽心得)

16th鐵人賽 day30 時空序列分析-關鍵籌碼分析

decent_bo_yan

2024-08-30 23:59:29

228 瀏覽

分享至

今天原本想做LSTM模型來預測籌碼資訊，但突然想到一個更想做的，

就是把模型預測的結果，再去結合交易策略(不一定要是前面的雙均線策略)，

再進行回測，一個簡單的程式從收集、分析、預測、回測的整個流程就完成拉~

基於昨天subaru219這位朋友的提點，我也去嘗試了一下，

發現真的用5年的資料來進行預測能夠有很良好的預測效果!

這是用台積電2019年6月~2024年6月(如下圖)

基於以上資料，這邊發明出一個基於預測結果的交易策略

valid = data[train_data_len:].copy()  # 使用.copy() 才不會動用到原本的資料
valid['Predictions'] = predictions

# 起始資金10萬
initial_cash = 100000
cash = initial_cash
stock = 0
valid['Cash'] = cash
valid['Stock'] = stock
valid['Total Value'] = cash

結合預測結果的交易策略(這邊是最有趣的地方)

這個策略的交易邏輯是這樣的:
一、買入操作：
如果模型預測的下一天股價 > 當天的收盤價，就 all in 買進股票。
二、賣出操作：
如果模型預測的下一天股價 < 當天的收盤價，就直接全部賣掉。

# 結合預測結果的交易策略
for i in range(1, len(valid)):
    if valid['Predictions'].iloc[i] > valid['Close'].iloc[i-1]:
        # 買進，每次都all in
        stock = cash / valid['Close'].iloc[i]
        cash = 0
    elif valid['Predictions'].iloc[i] < valid['Close'].iloc[i-1]:
        # 賣出，每次都全部清倉
        cash = stock * valid['Close'].iloc[i]
        stock = 0
    valid.loc[valid.index[i], 'Cash'] = cash
    valid.loc[valid.index[i], 'Stock'] = stock
    valid.loc[valid.index[i], 'Total Value'] = cash + stock * valid['Close'].iloc[i]

# 最終報酬
final_value = valid['Total Value'].iloc[-1]
print(f"Initial Cash: ${initial_cash}")
print(f"Final Portfolio Value: ${final_value}")
print(f"Total Return: {(final_value - initial_cash) / initial_cash * 100:.2f}%")

Initial Cash: $100000
Final Portfolio Value: $0
Total Return: -100.00%

這結果慘得令人心疼XDDDD 一定是交易策略不好，不然就是我哪裡寫錯了 :)

# 回測的结果把它視覺化
plt.figure(figsize=(16,8))
plt.title('Trading Strategy Backtest')
plt.xlabel('Date', fontsize=18)
plt.ylabel('Portfolio Value USD ($)', fontsize=18)
plt.plot(valid['Total Value'])
plt.legend(['Portfolio Value'], loc='lower right')
plt.show()