tidyquantでバックテスト

Rでデータ操作と言えばTidyverseですが、RでQuantsと言えばQuantmodでしたが、最近の人はtidyquantなのでしょうか？

時系列操作というジャンルではtsibbleも便利なので難しいところですね。

今回はtidyquantを使って単純なストラテジーのバックテスト例を書いてみます。

ライブラリを読み込んで組み込みデータを確認します。

require(tidyquant)
require(tidyverse)
data(FANG)

FANG %>% select(symbol, date, adjusted) %>% 
  ggplot(aes(x = date, y = adjusted, colour = symbol)) +
  geom_line() +
  theme_tq() +
  scale_color_tq() +
  facet_wrap(.~symbol, scale = "free")

f:id:takehana13:20190928145224p:plain

バックテストに使用するインジケータEMA(20)を計算します。

term1 <- FANG %>% group_by(symbol) %>%
  tq_mutate(select = adjusted,
            mutate_fun = EMA, n = 20,
            col_rename = "ema")

計算したEMAを可視化します。少し見にくいかもしれませんが、赤線がMAです。

term1 %>% ggplot(aes(date, adjusted)) +
  geom_line() +
  geom_line(aes(date, ema), color = "red") +
  facet_wrap(.~symbol, scale = "free") +
  theme_tq()

f:id:takehana13:20190928144010p:plain

リターン計算に使うROC（Rate Of Change）をデータに追加します。

term2 <- term1 %>% tq_mutate(select = adjusted,
                             mutate_fun = ROC,
                             col_rename = "roc")

シグナルとリターンを計算します。ここではclose > emaのときロングでなければショートとしています。

シグナルの発生から発注までの間に1期分ラグが発生するので注意が必要です。

EasyLanguage的に言えばbuy next bar at market;ということです。

term3 <- term2 %>% mutate(sig = lag(if_else(adjusted > ema, 1, -1)),
                          ret = roc * sig)

時系列収益率の推移を確認します。

term3 %>% select(symbol, date, ret) %>% drop_na %>% 
  ggplot(aes(x = date, y = ret, colour = symbol)) +
  geom_point(alpha = .3) +
  scale_color_tq() +
  theme_tq()

f:id:takehana13:20190928145108p:plain

累積リターンを可視化します。

term3 %>% drop_na %>% mutate(eq = cumsum(ret)) %>% 
  select(symbol, date, eq) %>% 
  ggplot(aes(x = date,y = eq, colour = symbol)) +
  geom_line()+
  theme_tq()+
  scale_color_tq()+
  geom_hline(colour = "darkgray", yintercept = 0)

f:id:takehana13:20190928145035p:plain