Backtest를 위한 python sample code

backtest는 특정 거래 전략이 과거의 주가 데이터에서 어떻게 작동했는지를 시뮬레이션하는 과정입니다. 이 글에서는 Python을 사용하여 backtest 수행하는 간단한 방법을 소개합니다. 이 예제에서는 이동평균 전략(Moving Average Strategy)을 기반으로 backtest를 진행합니다.

 

데이터 가져오기

Yahoo Finance에서 주가 데이터를 가져옵니다.

import yfinance as yf

def get_data(ticker, start_date, end_date):
    stock_data = yf.download(ticker, start=start_date, end=end_date)
    return stock_data

이동평균 전략 구현

이동평균 전략을 구현한 함수를 작성합니다.

이동평균 전략(Moving Average Strategy) 함수는 주식 데이터를 사용하여 이동평균에 기반한 거래 신호를 생성하는 역할을 합니다. 다음은 이동평균 전략 함수의 코드와 각 부분에 대한 설명입니다.

이번 포스트에서는 short_window는 40, long_window는 100을 사용할 예정이고,

short_window의 이평선이 long_window를 넘어설 경우 매수 signal = 1로 설정, 반대의 경우에는 signal = 0으로 설정합니다.

import pandas as pd

def moving_average_strategy(data, short_window, long_window):
    signals = pd.DataFrame(index=data.index)
    signals['signal'] = 0.0

    signals['short_mavg'] = data['Close'].rolling(window=short_window, min_periods=1, center=False).mean()
    signals['long_mavg'] = data['Close'].rolling(window=long_window, min_periods=1, center=False).mean()

    signals['signal'][short_window:] = np.where(signals['short_mavg'][short_window:] > signals['long_mavg'][short_window:], 1.0, 0.0)
    signals['positions'] = signals['signal'].diff()

    return signals

backtest 실행

def backtest(data, signals, initial_capital):
    positions = pd.DataFrame(index=signals.index).fillna(0.0)
    portfolio = pd.DataFrame(index=signals.index).fillna(0.0)

    # 포지션 계산
    positions['stock'] = 100 * signals['signal']

    # 포트폴리오 가치 계산
    portfolio['positions'] = (positions.multiply(data['Close'], axis=0))
    portfolio['cash'] = initial_capital - (positions.diff().multiply(data['Close'], axis=0)).cumsum()
    portfolio['total'] = portfolio['positions'] + portfolio['cash']

    return portfolio

시각화

import matplotlib.pyplot as plt

def plot_backtest_result(portfolio, initial_capital):
    fig, ax = plt.subplots(figsize=(12, 6))

    portfolio['total'].plot(ax=ax, label='Portfolio Total Value')
    ax.axhline(y=initial_capital, color='r', linestyle='--', label='Initial Capital')

    ax.set(title='Backtest Result', ylabel='Portfolio Value')
    ax.legend(loc='best')

    plt.show()

결과 출력

def print_return_percentage(data, portfolio, initial_capital):
    final_portfolio_value = portfolio['total'].iloc[-1]
    profit_percentage = ((final_portfolio_value - initial_capital) / initial_capital) * 100

    print(f"Backtest Period: {start_date} to {end_date}")
    print(f"Initial Capital: {initial_capital}")
    print(f"Final Portfolio Value: {final_portfolio_value}")
    print(f"Return Percentage: {profit_percentage:.2f}%")

실행

## 백테스트 실행 및 결과 확인

ticker = 'AAPL'
start_date = '2020-01-01'
end_date = '2023-04-30'
short_window = 40
long_window = 100
#initial_capital은 초기자본이고, 여기는 주식 데이터의 통화와 맞게 10만달러로 설정합니다.
initial_capital = 100000.0

data = get_data(ticker, start_date, end_date)
signals = moving_average_strategy(data, short_window, long_window)
portfolio = backtest(data, signals, initial_capital)

plot_backtest_result(portfolio, initial_capital)
print_return_percentage(data, portfolio, initial_capital)

결과

[*********************100%***********************]  1 of 1 completed
Backtest Period: 2021-01-01 to 2023-04-30
Initial Capital: 100000.0
Final Portfolio Value: 102855.99899291992
Return Percentage: 2.86%

시각화 결과