计算空头头寸收益回测

如何解决计算空头头寸收益回测

我的目标是编写一个函数，该函数从证券价格的熊猫数据框返回每个期间（即天）的投资组合收益向量。为简单起见，我们假设初始权重在证券 A 和 B 之间平均分配。价格由以下数据框给出：

import pandas as pd
import numpy as np
dates = pd.date_range('20130101',periods=20)
prices = pd.DataFrame({'A': np.linspace(20,50,num=20),'B': np.linspace(100,200,num=20)},index=dates)

此外，我们假设资产 A 是发起short头寸的资产，并且我们多头资产 B

第一步，从"zero-investment position"像空头头寸（即资产 A ）中计算离散收益，并从构成资产组合中的单个资产的加权收益中获得整体投资组合收益第二步并非易事，在我进行目前为止的尝试之前，这是不正确的（关键问题是资产 A 的空头头寸造成的损失在2013-01-年超过-100％ 14），我非常乐意提供任何帮助-无论是理论上的还是代码上的。

解决方法

与抵押品一样，您正在忘记资产“ C”。无论您的经纪人多么慷慨（不是！），大多数交易所和国家监管机构都需要抵押。您可能会读到一些富裕的对冲基金人只是做空和做空这些交易，但是当它向南走时，您还会读到HF人失去他的艺术品收藏-这是抵押。

在美国，对保证金的要求是在开始做空交易时需要50％的抵押品，以及至少25％的维持保证金。这是由交易所和监管机构强制执行的。国库券可能有更优惠的条件，但即使如此，保证金（抵押）也不为零。

由于多头/空头使您的风险加倍（如果多头头寸下降而空头头寸上升，会发生什么？），您的经纪人可能会需要比最低水平更高的保证金。

将资产“ C”，抵押品添加到您的计算中，投资组合收益将变得直接

感谢您的回答@Stripedbass。根据您的评论，可以用以下等式描述由两只股票组成的投资组合的回报过程吗？

带有+和-的术语分别是多头和空头头寸的市场价值，因此它们之间的差代表两个头寸的净值。如果我们假设我们要在交易 t = 0 的开始时保持“市场中立”，则净值为零。

对于 t> 0 ，这些净头寸代表多头和空头头寸的未实现损益，该损益已平仓而尚未平仓。术语 C 表示我们实际持有的货币。它由初始抵押品和库存头寸的累积损益组成。

然后，将两个证券交易产生的每个期间的总收益计算为帐户 V 的简单收益。

基于此，您可以定义以下函数，并为短时定位选择选项type='shares'：

def weighted_return(type,df,weights):
    
    capital = 100
    #given the input dataframe contains return series
    if type == "returns":
        # create price indices
        df.fillna(0,inplace=True)
        df_price_index = pd.DataFrame(index=df.index,columns=df.columns)
        df_price_index.iloc[0] = 100 + df.iloc[0]
        for i in np.arange(1,len(df_price_index)):
            for col in df_price_index.columns:
                df_price_index[col].iloc[i] = df_price_index[col].iloc[i - 1] * (1 + df[col].iloc[i])
        n = 0
        ind_acc = []
        for stock in df.columns:
            ind_capital = capital * weights[n]
            moves = (df_price_index[stock].diff()) * ind_capital / df_price_index[stock][0]
            ind_acc.append(moves)
            n += 1

        pair_ind_accounts = pd.concat(ind_acc,axis=1)
        portfolio_acc = pair_ind_accounts.sum(1).cumsum() + capital
        df_temp_returns_combined = portfolio_acc.pct_change()

        df_temp_returns_combined[0] = np.sum(weights * df.iloc[0].values)

        df_temp_returns_combined = pd.DataFrame(df_temp_returns_combined)
        df_temp_returns_combined.columns = ["combinedReturns"]

    #given the input dataframe contains price series
    if type == "prices":
        n = 0
        ind_acc = []
        for stock in df.columns:
            ind_capital = capital * weights[n]
            moves = (df[stock].diff()) * ind_capital / df[stock][0]
            ind_acc.append(moves)
            n += 1

        pair_ind_accounts = pd.concat(ind_acc,axis=1)
        portfolio_acc = pair_ind_accounts.sum(1).cumsum() + capital
        df_temp_returns_combined = portfolio_acc.pct_change()

        df_temp_returns_combined[0] = np.NaN

        df_temp_returns_combined = pd.DataFrame(df_temp_returns_combined)
        df_temp_returns_combined.columns = ["combinedReturns"]
    
    #given the input dataframe contains return series and the strategy is long/short
    if type == "shares":
        exposures = []
        for stock in df.columns:
            shares = 1/df[stock][0]
            exposure = df[stock] * shares
            exposures.append(exposure)

        df_temp = pd.concat(exposures,axis=1)

        index_long = np.where(np.array(weights) == 1)
        index_short = np.where(np.array(weights) == -1)

        df_temp_account = pd.DataFrame(df_temp.iloc[:,index_long[0]].values - df_temp.iloc[:,index_short[0]].values) + 1
        df_temp_returns_combined = df_temp_account.pct_change()
        df_temp_returns_combined.columns = ["combinedReturns"]

        df_temp_returns_combined.index = df.index

    return pd.DataFrame(df_temp_returns_combined)

计算空头头寸收益回测

如何解决计算空头头寸收益回测

解决方法

相关推荐