使用R语言对S＆P500股票指数进行ARIMA + GARCH交易策略

时间 2021-02-20

标签算法网络数据结构 spa code blog 递归 rem 字符串 get 栏目系统网络繁體版

原文原文链接

原文连接：http://tecdat.cn/?p=7207

在本文中，我想向您展现如何应用S＆P500股票市场指数的交易策略。算法

经过组合ARIMA和GARCH模型，从长期来看，咱们能够超过“买入并持有”方法。网络

策略概述

该策略在“滚动”预测的基础上执行：数据结构

对于每一天，股票指数的对数收益的前_k_天被用做拟合最佳ARIMA和GARCH模型的窗口。
组合模型用于对次日的收益进行预测。
若是预测为负，则在上一个收盘时作空股票，而若是预测为正，则作多。
若是预测与前一天的方向相同，则什么都不会改变。

策略实施

第一个任务是在R中安装和导入必要的库：spa

若是已经安装了库，则能够简单地导入它们：code

> library(quantmod)
> library(lattice)
> library(timeSeries)
> library(rugarch)

完成后，将把该策略应用于S＆P500。 blog

而后，咱们能够建立标准普尔500的“收盘价”的对数收益率差分序列，并去除初始NA值：递归

根据Akaike信息准则，循环过程将为咱们提供“最佳”拟合ARMA模型，而后咱们能够将其用于输入GARCH模型：rem

>     final.aic <- Inf
>     final.order <- c(0,0,0)
>     for (p in 0:5) for (q in 0:5) {
>         if ( p == 0 && q == 0) {
>             next
>         }
> 
>         arimaFit = tryCatch( arima(spReturnsOffset, order=c(p, 0, q)),
>                              error=function( err ) FALSE,
>                              warning=function( err ) FALSE )
> 
>         if( !is.logical( arimaFit ) ) {
>             current.aic <- AIC(arimaFit)
>             if (current.aic < final.aic) {
>                 final.aic <- current.aic
>                 final.order <- c(p, 0, q)
>                 final.arima <- arima(spReturnsOffset, order=final.order)
>             }
>         } else {
>             next
>         }
>     }

若是GARCH模型没法收敛，那么咱们只需将日期设置为产生“长期”预测。字符串

为了准备CSV文件的输出，我建立了一个字符串，其中包含用逗号分隔的数据，并带有次日的预测方向：get

>     if(is(fit, "warning")) {
>       forecasts[d+1] = paste(index(spReturnsOffset[windowLength]), 1, sep=",")
>       print(paste(index(spReturnsOffset[windowLength]), 1, sep=","))
>     } else {
>       fore = ugarchforecast(fit, n.ahead=1)
>       ind = fore@forecast$seriesFor
>       forecasts[d+1] = paste(colnames(ind), ifelse(ind[1] < 0, -1, 1), sep=",")
>       print(paste(colnames(ind), ifelse(ind[1] < 0, -1, 1), sep=",")) 
>     }
> }

倒数第二步是将CSV文件输出。

确保在与forecasts.csv文件相同的目录中运行：

forecasts = open("forecasts.csv", "r").readlines()

至此，咱们已将更正的指标文件存储在中forecasts_new.csv。

策略结果

如今，咱们已经生成了指标CSV文件，咱们须要将其效果与“买入并持有”进行比较。

咱们首先从CSV文件中读取指标并将其存储为spArimaGarch：

而后，咱们将ARIMA + GARCH预测的日期与S＆P500的原始收益集相交。

一旦得到ARIMA + GARCH策略的收益，就能够为ARIMA + GARCH模型和“买入并持有”建立资产曲线。最后，咱们将它们合并为一个数据结构：

> spArimaGarchCurve = log( cumprod( 1 + spArimaGarchReturns ) )
> spBuyHoldCurve = log( cumprod( 1 + spIntersect[,2] ) )
> spCombinedCurve = merge( spArimaGarchCurve, spBuyHoldCurve, all=F )

最后，咱们能够在同一图上绘制两条收益曲线：

> xyplot( 
>   spCombinedCurve,
>   superpose=T,
>   col=c("darkred", "darkblue"),
>   lwd=2,
>   key=list( 
>     text=list(
>       c("ARIMA+GARCH", "Buy & Hold")
>     ),
>     lines=list(
>       lwd=2, col=c("darkred", "darkblue")
>     )
>   )
> )

资产曲线以下：