使用多種資產回測投資組合策略

我知道有幾個庫和程序允許通過迭代感興趣的股票的 OHLC 數據框（Backtrader，Backtesting，…）來測試投資組合策略。但是，當我們研究一隻或幾隻股票時，這些方法很有用：當涉及回測包含幾隻股票（數千隻）的策略時，不可能遍歷所有這些數據集。

在這些情況下，我們如何確定包含如此數量工具的投資組合的事後回報？例如，如果我們知道每個交易日每隻股票在投資組合中的權重，我們如何測試這種策略？

QuantRocket支持兩個回測器，它們都旨在支持數千個宇宙大小。

1. Moonshot是基於 pandas 的，並且具有您期望從基於 pandas 的庫中獲得的可擴展性。如果您已經了解並喜歡Pandas，這是一個不錯的選擇。
2. Zipline的設計允許您每天動態過濾數千種證券，並在過濾後的子集上執行日內交易邏輯。它還支持日終策略。

QuantRocket 的程式碼庫中有一些針對大宇宙的策略範例。

你說得對，許多回測者只針對少數證券，試圖調整它們以支持數千種證券通常是一場艱苦的戰鬥。

免責聲明：我隸屬於 QuantRocket。

如果使用 R 是一種選擇：使用PMwR我維護的 package ，您可以在一行程式碼中計算此類投資組合的時間序列回報：

## P -- a matrix of prices: each column holds the prices of one asset
## w -- a matrix of target weights: each row holds a portfolio
## t -- a vector of times (i.e. row numbers) at which to rebalance

library("PMwR")
returns(P, weights = w, rebalance.when = t)

引用自：https://quant.stackexchange.com/questions/60505