Snowball 0.5.3

Investment strategy backtesting tool

Snowball

Snowball은 자산 배분 전략을 손쉽게 백테스팅할 수 있는 파이썬 패키지입니다.

 

설치 방법

소스 코드는 GitHub에 올라와 있으며 최신버전은 pip로 설치할 수 있습니다.

pip install snowball

 

실행 예시

아래 예제를 실행하기 전에 FianceDataReader 패키지를 우선 설치해 주세요.
또 다른 예제들은 docs 디렉토리안의 sample 노트북을 참고하시기 바랍니다.  

한국 주식 채권 60/40

• 2013년부터 매월말 리밸런싱: 한국 주식 ETF 60%, 한국 국채 ETF 40%
• 거래 비용(수수료 및 슬리피지) 0.2% 가정

import snowball as sb
import FinanceDataReader as fdr

etfs = ['069500', '114820']
data = pd.concat([fdr.DataReader(etf)['Close'].rename(etf) for etf in etfs], axis=1)

bt = sb.run_backtest(prices=data, 
                     schedule='EOM', 
                     rule={'069500': 0.6, '114820': 0.4},
                     cost=0.002,
                     start='2012-12-01')
bt.report()

 

사용 방법

결과 리포트내 챠트가 plotly로 구현되어 있으므로 jupyter notebook에서 실행하는 것을 권장합니다.  

1. 자산 가격 데이터 준비

• 투자할 자산(주식, ETF, Index, Commodity, etc.)의 일일 가격 데이터를 준비합니다.
• 데이터 타입은 Pandas DataFrame이어야 합니다.

print(price_data)

date	ETF_A	ETF_B	ETF_C
2000-11-21	140.2723	203.29	2317.70
2000-11-27	140.2707	204.39	2318.63
2000-11-28	140.2121	204.87	2318.44
...	...	...	...
2020-12-01	137.8898	200.26	2316.95
2020-12-02	139.8906	200.32	2316.53
2020-12-03	138.7654	200.19	2315.77

2. 백테스팅

• run_backtest() 함수를 이용하여 간단하게 포트폴리오의 성과를 시뮬레이션할 수 있습니다.
• 리밸런싱 시점은 월말, 분기말, 년말, 사용자 정의 일자를 지원합니다.
• 리밸런싱 방법은 동일 비중, 리스크 패리티, 정적 배분, 사용자 정의 규칙을 지원합니다.

import snowball as sb

# 동일 비중 / 월말 리밸런싱
bt = sb.run_backtest(prices=price_data, 
                     schedule='EOM', 
                     rule='EqualWeight',
                     start='2000-12-31')

# 리스크 패리티 / 분기초(분기말 1영업일후) 리밸런싱 
bt = sb.run_backtest(prices=price_data, 
                     schedule='EOQ+1', 
                     rule='RiskParity',
                     start='2000-12-31')

# 정적 배분 / 매년말 5영업일전 리밸런싱
bt = sb.run_backtest(prices=price_data, 
                     schedule='EOY-5', 
                     rule={'ETF_A': 0.6, 'ETF_B': 0.4},
                     start='2000-12-31')

# 사용자 정의 규칙 / 지정일자
class MyRule(sb.Rule):
    def __init__(self):
        ...

    def calculate(self, date, *args, **kwargs):
        if date < pd.to_datetime('2005-01-01'):
            weights = {'ETF_A': 0.7, 'ETF_B': 0.3}
        else:
            weights = {'ETF_A': 0.3, 'ETF_B': 0.7}
        return pd.Series(weights)

my_rule = MyRule() 
my_schedule = ['2001-06-30', '2005-06-30']
bt = sb.run_backtest(prices=price_data, 
                     schedule=my_schedule,
                     rule=my_rule,
                     start='2000-12-31')

 

3. 성과 분석

• run_backtest()가 반환한 오브젝트의 report() 함수를 이용하여 결과를 확인합니다.
• jupyter lab에서 챠트 표시가 정상적으로 되지 않는 경우 plotly extension을 설치하여 주십시오.
• 챠트 때문에 노트북 렌더링이 느려지는 경우에는 charts='static' 또는 charts=None 옵션을 사용하시기 바랍니다.

bt.report()

• 또는 결과 데이터를 직접 처리하여 직접 분석하실 수 있습니다.

print(bt.log, bt.stats, bt.returns, bt.weights, bt.trades)