QuantXでRSIを用いたシステムトレード

自己紹介

この度Smart Tradeでインターンすることになったゴンです。

ゴンについて、知りたい方はこちら。

初めての記事はこちら(QuantXを初めてみて)
https://qiita.com/investor-gon/items/2b1952ae5c2c88334c74

何を作るのか（完成目標）

日経平均寄与率上位10位の銘柄(2018年12月25日)を用いて、RSIが25を超えたら買い、75を下回ったら売りを入れるアルゴリズムを作る！！！

とりあえず動けば良い。

数式で書くとこんな感じ

買い(buy)= RSI<25
\\

\\
売り(sell) =RSI>75

RSI（相対力指数）とは、直近の一定期間において終値ベースで上昇変動と下落変動のどちらの勢いが強いのか計測しようとする指標です。

まずは完成コード（コピペ、どうぞ）

############################################################################
############################################################################
# 日経225 RSI

  #ライブラリーの設定
import pandas as pd
import talib as ta
import numpy as np


def initialize(ctx):
    # 設定
    ctx.logger.debug("initialize() called")
    ctx.configure(
      target="jp.stock.daily",
      channels={          # 利用チャンネル
        "jp.stock": {
          "symbols": [
            "jp.stock.9983", #ファーストリテイリング
            "jp.stock.9984", #ソフトバンク
            "jp.stock.6954", #ファナック
            "jp.stock.9433", #KDDI
            "jp.stock.8028", #ファミリーマート
            "jp.stock.8035", #東京エレクトロン
            "jp.stock.4543", #テルモ
            "jp.stock.6367", #ダイキン
            "jp.stock.6971", #京セラ
            "jp.stock.9735", #セコム
          ],
          "columns": [
            #"open_price_adj",    # 始値(株式分割調整後)
            #"high_price_adj",    # 高値(株式分割調整後)
            #"low_price_adj",     # 安値(株式分割調整後)
            #"close_price",        # 終値
            "close_price_adj",    # 終値(株式分割調整後) 
            #"volume_adj",         # 出来高
            #"txn_volume",         # 売買代金
          ]
        }
      }
    )

    #売買シグナル生成部分
    def _my_RSI(data):

      #各銘柄の終値(株式分割調整後)を取得、欠損データの補完 
      df_close = data["close_price_adj"].fillna(method='ffill')

       #RSI設定
      cp = data["close_price_adj"].fillna(method="ffill")
      rsi = pd.DataFrame(data=0,columns=[], index=cp.index)
      for (sym,val) in cp.items():
        rsi[sym] = ta.RSI(cp[sym].values.astype(np.double), timeperiod=14)
      df_rsi_buy=rsi < 25
      df_rsi_sell=rsi > 75

       # 売買シグナルの設定
      buy_sig = df_rsi_buy
      sell_sig = df_rsi_sell

      return{
          "rsi": rsi,
          "buy:sig": buy_sig,
          "sell:sig": sell_sig,
        }

# シグナル登録
    ctx.regist_signal("my_RSI", _my_RSI)

def handle_signals(ctx, date, current):

    df = current.copy()

    # 買いシグナル
    df_buy = df[df["buy:sig"]]
    if not df_buy.empty:
      for (sym, val) in df_buy.iterrows(): 
        #ctx.logger.info(val)
        sec = ctx.getSecurity(sym)
        msg = "買いシグナル"
        sec.order_target_percent(0.10, comment= msg)

    # 売りシグナル
    df_sell = df[df["sell:sig"]]
    if not df_sell.empty:
      for (sym, val) in df_sell.iterrows(): 
        sec = ctx.getSecurity(sym)
        msg = "売りシグナル"
        sec.order_target_percent(0, comment= msg)

結果はこちら

三年間で11%のプラスですね。とりあえずプラスで嬉しいって感じ。

ちなみに、

アルファ値は、アルゴリズムの収益率から市場全体の動き（ベンチマーク）に連動したリターンを差し引いたもので、本数値が高いほど、ベンチマークの収益率を上回り、それだけリターンが高いことを意味します。

ベータ値とは、アルゴリズムの収益が証券市場全体の動きに対してどの程度敏感に反応して変動するかを示す数値です。この数値が高いほど、証券市場全体の動きに連動した変動幅（増減幅）が大きいことを意味します。

解説

ライブラリーの選択

#ライブラリーの設定

import pandas as pd
import talib as ta
import numpy as np

使うライブラリーをあらかじめ設定しておきます。

日本株式の選択

def initialize(ctx):
    # 設定
    ctx.logger.debug("initialize() called")
    ctx.configure(
      target="jp.stock.daily",
      channels={          # 利用チャンネル
        "jp.stock": {
          "symbols": [
            "jp.stock.9983", #ファーストリテイリング
            "jp.stock.9984", #ソフトバンク
            "jp.stock.6954", #ファナック
            "jp.stock.9433", #KDDI
            "jp.stock.8028", #ファミリーマート
            "jp.stock.8035", #東京エレクトロン
            "jp.stock.4543", #テルモ
            "jp.stock.6367", #ダイキン
            "jp.stock.6971", #京セラ
            "jp.stock.9735", #セコム
          ],
          "columns": [
            #"open_price_adj",    # 始値(株式分割調整後)
            #"high_price_adj",    # 高値(株式分割調整後)
            #"low_price_adj",     # 安値(株式分割調整後)
            #"close_price",        # 終値
            "close_price_adj",    # 終値(株式分割調整後) 
            #"volume_adj",         # 出来高
            #"txn_volume",         # 売買代金
          ]
        }
      }
    )

今回使用する日経平均寄与率上位10銘柄を持ってきます。


また、使う値は、日足の終値(株式分割調整後) です。

取引手法

#売買シグナル生成部分
    def _my_RSI(data):

      #各銘柄の終値(株式分割調整後)を取得、欠損データの補完 
      df_close = data["close_price_adj"].fillna(method='ffill')

       #RSI設定
      cp = data["close_price_adj"].fillna(method="ffill")
      rsi = pd.DataFrame(data=0,columns=[], index=cp.index)
      for (sym,val) in cp.items():
        rsi[sym] = ta.RSI(cp[sym].values.astype(np.double), timeperiod=14)
      df_rsi_buy=rsi < 25
      df_rsi_sell=rsi > 75

       # 売買シグナルの設定
      buy_sig = df_rsi_buy
      sell_sig = df_rsi_sell

      return{
          "rsi": rsi,
          "buy:sig": buy_sig,
          "sell:sig": sell_sig,
        }
# シグナル登録
    ctx.regist_signal("my_RSI", _my_RSI)

今回使用する値をcpに代入して、RSI(14日)を求めて、比を出します。


返り値としてRSIと買いシグナルと売りシグナルを設定します。


そしてシグナルを登録しておく。

RSI（相対力指数）とは、直近の一定期間において終値ベースで上昇変動と下落変動のどちらの勢いが強いのか計測しようとする指標です。

数量選択

def handle_signals(ctx, date, current):

    df = current.copy()

    # 買いシグナル
    df_buy = df[df["buy:sig"]]
    if not df_buy.empty:
      for (sym, val) in df_buy.iterrows(): 
        #ctx.logger.info(val)
        sec = ctx.getSecurity(sym)
        msg = "買いシグナル"
        sec.order_target_percent(0.10, comment= msg)

    # 売りシグナル
    df_sell = df[df["sell:sig"]]
    if not df_sell.empty:
      for (sym, val) in df_sell.iterrows(): 
        sec = ctx.getSecurity(sym)
        msg = "売りシグナル"
        sec.order_target_percent(0, comment= msg)

あとはさっき設定した買いシグナル売りシグナルで売買をするのですが、
詳しくはこちらなのですが、今回使用したやつだけ載せておきます。

　
order_target_percent(amount, comment): void

この銘柄の総保有額が総資産評価額(現金+保有ポジション評価額)に対して指定の割合となるように注文を行ないます。 amountには割合(例:5%なら0.05)を指定します。

つまり、今回の場合は、総資産の10%の買いを入れていて、資金がなくなったらおしまいという感じで資金管理しています。

それでは今回はこの辺で。