使用R語言對S＆P500股票指數進行ARIMA + GARCH交易策略

時間 2021-02-20

標籤算法網絡數據結構 spa code blog 遞歸 rem 字符串 get 欄目系統網絡简体版

原文原文鏈接

原文連接：http://tecdat.cn/?p=7207

在本文中，我想向您展現如何應用S＆P500股票市場指數的交易策略。算法

經過組合ARIMA和GARCH模型，從長期來看，咱們能夠超過「買入並持有」方法。網絡

策略概述

該策略在「滾動」預測的基礎上執行：數據結構

對於每一天，股票指數的對數收益的前_k_天被用做擬合最佳ARIMA和GARCH模型的窗口。
組合模型用於對次日的收益進行預測。
若是預測爲負，則在上一個收盤時作空股票，而若是預測爲正，則作多。
若是預測與前一天的方向相同，則什麼都不會改變。

策略實施

第一個任務是在R中安裝和導入必要的庫：spa

若是已經安裝了庫，則能夠簡單地導入它們：code

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

完成後，將把該策略應用於S＆P500。 blog

而後，咱們能夠建立標準普爾500的「收盤價」的對數收益率差分序列，並去除初始NA值：遞歸

根據Akaike信息準則，循環過程將爲咱們提供「最佳」擬合ARMA模型，而後咱們能夠將其用於輸入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模型沒法收斂，那麼咱們只需將日期設置爲產生「長期」預測。字符串

爲了準備CSV文件的輸出，我建立了一個字符串，其中包含用逗號分隔的數據，並帶有次日的預測方向：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=",")) 
>     }
> }

倒數第二步是將CSV文件輸出。

確保在與forecasts.csv文件相同的目錄中運行：

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

至此，咱們已將更正的指標文件存儲在中forecasts_new.csv。

策略結果

如今，咱們已經生成了指標CSV文件，咱們須要將其效果與「買入並持有」進行比較。

咱們首先從CSV文件中讀取指標並將其存儲爲spArimaGarch：

而後，咱們將ARIMA + GARCH預測的日期與S＆P500的原始收益集相交。

一旦得到ARIMA + GARCH策略的收益，就能夠爲ARIMA + GARCH模型和「買入並持有」建立資產曲線。最後，咱們將它們合併爲一個數據結構：

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

最後，咱們能夠在同一圖上繪製兩條收益曲線：

> 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")
>     )
>   )
> )

資產曲線以下：