一、R代碼實現。
用google在網上搜索到的回測語句都大同小異，下面給出一個示例，改編自：量化策略回測：
# 以S&P500為例，其雅虎代碼為^GSPC；我們要計算5日均線指標的函數就是SMA()，
# 先載入需要的擴展包
> library(quantmod)
> library(PerformanceAnalytics)
# 先獲取S&P500的交易數據，然后根據其收盤價（由函數Cl()抽?。┯嬎闫?日均線值：
> getSymbols('^GSPC') #S&P500 OHLC data
> close <- Cl(GSPC)
> mv5 <- SMA(close, 5)
# 策略是當收盤價大于5日均線，代表可以入市，取1，否則代表清倉，取0。（-1是代表賣空，不適用。）
> sig <- ifelse(close < mv5, 1, 0)
# 使用Lag()將信號序列向“過去”推遲一天，代表將昨天的信號，應用到今天。
> sig <- Lag(sig) #將該序列向“過去”延遲一天
# 計算收益序列
# discrete代表用離散方式計算當天收益率，即(Close-Close(-1))/Close(-1)
# continous代表用連續方式計算當天收益率，即ln(Close/Close(-1))
> roc <- ROC(type='discrete',close)
> ret <- roc * sig
# 畫出策略收益圖
> charts.PerformanceSummary(ret)
# 最上面的板塊是積累收益，相當于對cumprod(1+ret)的繪圖；
# 第二個是日收益，相當于對ret原始收益數據的繪圖；
# 最下面的是下跌圖（又稱“水下圖”），將下跌成分獨立繪出，有助于我們分析虧損狀況和研究彌補措施。
以上需要注意的地方是制定策略的語句
> sig <- ifelse(close < mv5, 1, 0)
# 當收盤價大于5日均線時，sig取1，否則取0。
在網上公布的代碼當中，有的是取-1，這里-1代表賣空，不是清倉，得到的結果是不對的。
二、excel模擬。
當初得到這個結果的時候我很懷疑，用幾條R語句就把量化策略及結果模擬出來了？看上去這么神奇，結果對不對呢？我在excel里對該策略進行模擬：
以上面的策略為基礎，細化得到的交易方案是這樣的：
- 當股票收盤價格高于五日均線，且無持倉，那么第二天滿倉入市。
- 當股票收盤價格高于五日均線，且滿倉，那么第二天繼續持倉。
- 當股票收盤價格低于五日均線，且無持倉，那么第二天繼續空倉。
- 當股票收盤價格低于五日均線，且滿倉，那么第二天全部平倉。
為了簡化計算，假設以前一天的收盤價作為成交價：即以前一天的收盤價滿倉入市，或以前一天的收盤價全部平倉。當然這可以在進一步的研究中細化，但這里我們只是為了演示，就不過于復雜了。
excel表格里得到的結果如下：
| CLOSE | SMA | sig | ROC | ROC*sig | 股票 | 現金 | 總收益 | |
|---|---|---|---|---|---|---|---|---|
| 1994-1-3 | 5.6 | 0 | 1 | 1 | ||||
| 1994-1-4 | 5.55 | 0 | 1 | 1 | ||||
| 1994-1-5 | 5.65 | 0 | 1 | 1 | ||||
| 1994-1-6 | 6.1 | 0 | 1 | 1 | ||||
| 1994-1-7 | 6.25 | 5.83 | 0 | 1 | 1 | |||
| 1994-1-10 | 6.45 | 6 | 1 | 0.032 | 0.032 | 1.032 | 0 | 1.032 |
| 1994-1-11 | 6.15 | 6.12 | 1 | -0.047 | -0.047 | 0.984 | 0 | 0.984 |
| 1994-1-12 | 6.15 | 6.22 | 1 | 0 | 0 | 0.984 | 0 | 0.984 |
| 1994-1-13 | 6.25 | 6.25 | 0 | 0.016 | 0 | 0 | 0.984 | 0.984 |
| 1994-1-14 | 6.1 | 6.22 | 0 | -0.024 | 0 | 0 | 0.984 | 0.984 |
| 1994-1-17 | 6 | 6.13 | 0 | -0.016 | 0 | 0 | 0.984 | 0.984 |
| 1994-1-18 | 6.2 | 6.14 | 0 | 0.033 | 0 | 0 | 0.984 | 0.984 |
| 1994-1-19 | 6 | 6.11 | 1 | -0.032 | -0.032 | 0.952 | 0 | 0.952 |
| 1994-1-20 | 6 | 6.06 | 0 | 0 | 0 | 0 | 0.952 | 0.952 |
由于是取5日平均，所以5日平均值SMA從第5個交易日開始出現。這幾天的資產都是現金，總收益為1。
從第6個交易日開始，通過判斷收盤價與5日均線之間的大小，得到交易信號sig，注意，這里的sig是滯后一日的，代表前一天的收盤價與5日均線之間的相對大小。
1994-1-10 close>SMA，sig=1，以前一天的收盤價6.25滿倉入市，當天收盤價為6.45，日內收益率為0.032，股票價值1.032，現金為0，總資產價值為1.032。
1994-1-11 close>SMA，sig=1，鑒于前一天已入市，繼續持倉，當天收盤價為6.15，日內收益率為-0.047，股票價值0.984，現金為0，總資產價值為0.984。
1994-1-12 close>SMA，sig=1，繼續持倉，當天收盤價為6.15，日內收益率為0，股票價值0.984，現金為0，總資產價值為0.984。
1994-1-13 close<SMA，sig=0，以前一天的收盤價6.15全部清倉，股票價值為0，現金為前一天的股票價值0.984，總資產價值為0.984。
此時，經歷了一次持倉以及清倉之后，投資者手里只擁有現金資產，總資產價值為0.984，虧損0.016。
通過對比excel計算的ret（ROC*sig）與R代碼計算的ret，兩者的結果完全一致。
通過用excel對以上回測策略的模擬，可以發現以上回測策略的隱含前提：
(1) 入市價格和清倉價格均為前一天的收盤價。
(2) 入市則全部滿倉，離市則全部清倉。
三、神秘的charts.PerformanceSummary()函數。
在R代碼中，一條charts.PerformanceSummary()語句，畫出在該策略下，對應股票的總資產收益，日收益和下跌圖。它就像一個神奇的黑箱，給我們以策略是否有效以最直觀的圖形表示。但光有圖形還不夠，這三條曲線分別對應哪些數據，能不能分別導出方便進一步研究呢？
-
總資產收益。
對應的是excle表格當中的總收益，直觀表示了應用該策略，投資者總資產在回測時間內的增減情況。雖然在excel模擬中用股票、現金、總資產三個條目來代表，但其實用一條R代碼就可以實現了：
cumprod(1+ret)也就是對（1+ret）的連乘。很容易理解：假設到了第n天，那么這一天的總收益Rn應該等于前一天的總收益R(n-1)乘以當天的收益率，不是ret，而應當是(1+ret)。
R代碼得到的結果與excel是一致的。
-
日收益。
就是R代碼當中的ret和excel表格中的ROC*sig。
-
下跌圖（這部分參考了R包計算回撤）。
這里只是將下跌成分獨立繪出，對應的excel數據也是ROC*sig，但這里的下跌圖經過了整理。對應的R函數有：
a)chart.Drawdown：下跌圖，也就是charts.PerformanceSummary()的第三張圖。
data(edhec) chart.Drawdown(edhec[,c(1,2)], main="Drawdown from Peak Equity Attained", legend.loc="bottomleft")b)findDrawdowns:返回回撤的起始時間，時間間隔，回撤數值，常與sortDrawdowns連用找最大回撤。
data(edhec) findDrawdowns(edhec[,"Funds of Funds", drop=FALSE]) sortDrawdowns(findDrawdowns(edhec[,"Funds of Funds", drop=FALSE]))c)maxDrawdown:返回收益時間序列的最大回撤。
data(edhec) t(round(maxDrawdown(edhec[,"Funds of Funds"]),4))d)table.Drawdowns:返回最差回撤的統計量表格。
data(edhec) table.Drawdowns(edhec[,1,drop=FALSE])
