拓端tecdat|R语言资产配置策略量化模型：改进的移动平均线策略动态回测

定量战术资产配置策略（QATAA）模型是使用10个月的移动平均线作为过滤器。如果在月末，资产的价格高于移动平均线，就留在市场中；否则就会离开市场。

10个月有什么特别之处；为什么10个月对所有资产和区制都是不变的。我提出了根据历史波动率来调整移动平均线回溯的想法。也就是说，在高波动时期，较短的移动平均线会让我们更快地离开市场，而在低波动时期，较长的移动平均线会让我们留在市场中。但是，这导致了更差的结果。

我花了一些时间分析基础的10个月移动平均线策略，看到了相当大的损失，简单的解决方法是在10个月移动平均线周围使用+/-5%的区间，以减少损失，增加收益。

下面我将展示这个概念是如何运作的。

1.  #*****************************************************************
2.  # 加载历史数据
3.  #*****************************************************************
4.   
5.   
6.  # 加载保存的代理原始数据
7.   
8.   
9.  tickers = '
10.  SPY
11.  CASH = SHY + TB3Y
12.  '
13.   
14.  #*****************************************************************
15.  # 用来显示信号的辅助函数
16.  #*****************************************************************
17.   
18.   
19.  signal = iif(model == 'base', prices > sma,
20.   
21.   
22.   
23.  #基于信号创建一个模型
24.   
25.  share(data, clean.signal=T, silent=T)
26.   
27.  # 创建一个图来显示信号
28.   
29.  plot(p[dates] ,type='l', plotX=F, x.highlight = highlight)

visuali('2000::2001')

延迟进场/退场的好处是交易量少，成交量小。 

1.  #*****************************************************************
2.  # 设置
3.  #*****************************************************************
4.   
5.  models = list()
6.   
7.  #*****************************************************************
8.  # SPY
9.  #******************************************************************
10.   
11.  run(data)
12.   
13.  #*****************************************************************
14.  # SPY + 10个月过滤器
15.  #******************************************************************
16.  apply(prices, SMA, 10*22)
17.   
18.  iif(prices > sma, 1, 0)
19.  CASH = 1 - ifna( ifna(SPY), 0)
20.   
21.  #*****************************************************************
22.  # SPY+10个月+5/-5%过滤器
23.  #******************************************************************
24.  (cross(prices, sma * 1.05), (prices, sma * 0.95), 0, NA)
25.   
我还包括了我对动态回测移动平均线的尝试，但在这种形式下，并不实用。
1.  #*****************************************************************
2.  # SPY + 基于波动率的动态过滤器
3.  #******************************************************************
4.  vol = matrix(ret, SD, n = 21)
5.  if(vol.rank < 0.5, bt(prices, SMA, 10*22),matrix(prices, SMA, 1*22))
6.   
7.  data$w
8.   
9.  #*****************************************************************
10.  # SPY+基于波动率的动态过滤器；多个级别
11.  #******************************************************************
12.  nbreaks = 5
13.   
14.  sma.cash = sma * NA
15.  for(i in 1:nbreaks) {
16.  temp = data(matrix(prices, SMA, (nbreaks - i + 1)* 2 *22)
17.   
18.  }
19.   
20.   
21.  #*****************************************************************
22.  # 报告
23.  #*****************************************************************
24.  plot(models)

1.   
2.  barplot(turnover, data)

接下来，让我们把相同的带状策略应用于TAA模型。 

1.  #加载保存的代理原始数据
2.   
3.  data <- new.env()
4.   
5.  getSymbols(tickers, src = 'yahoo')
6.   
7.  #*****************************************************************
8.  # 设置
9.  #*****************************************************************
10.  universe = prices > 0
11.   
12.  models = list()
13.   
14.  #*****************************************************************
15.  # 基准
16.  #*****************************************************************
17.  weight[] = NA
18.   
19.  #*****************************************************************
20.  #The [战术性资产配置策略的量化方法(QATAA) Mebane T. Faber](http://mebfaber.com/timing-model/)
21.  #[SSRN ](http://papers.ssrn.com/sol3/papers.cfm?abstract_id=962461)
22.  #*****************************************************************
23.   
24.  weight = iif(prices > sma, 20/100, 0)
25.  run(data)
26.   
27.  #*****************************************************************
28.  # bands替代方案 移动平均
29.  #*****************************************************************
30.  signal = if(cross(prices, sma * 1.05), 1, iif(cross.dn(prices, sma * 0.95), 0, NA))
31.   
32.  #*****************************************************************
33.  # 报告
34.  #*****************************************************************
35.  #performance(models, T)

1.  layout(1)
2.  barplot(sapply(models,turnover)

带状逻辑很容易实现，增加了收益。