上一集我們介紹了Sharpe ratio，可以用來衡量風險跟報酬的指標（也就是報酬 / 風險），這集我們就利用Sharpe ratio來進行台股的模擬買賣，假裝我們這20年來，都使用sharpe ratio的策略，可以得到多少獲利呢？
為何Sharpe ratio幾乎都小於一
上次有人問我，夏普指標小於一，代表風險（分母）大於獲利（分子），而為什麼市面上所有的指數，其sharpe ratio都小於一，難道股票都不能賺錢嗎？
這只是代表，在股市中，我們為了要獲利，往往需要承受很大的風險！但不代表長期投資下來是不能獲利的。我們必須要找到sharpe ratio比較高的策略，才能使風險降低，獲利升高。
利用Python研發一個策略
首先，我們得準備台股的歷史紀錄，還有台股的夏普指標，假如之前沒有跟上，可以到上一個單元複習一下喔！：
close['TSEC weighted index'].plot()
sharpe['TSEC weighted index'].plot(secondary_y=True)
可以發現，當sharpe ratio比較低時，台股也都是在比較低點，
可以發現，當sharpe ratio比較高時，台股也都是在比較高點，
當sharpe ratio 轉折時，通常也是台股會轉折的時候
利用這個觀察，我們就可以來編寫一個策略：
- 當sharpe ratio往上轉折時，則買入
- 當sharpe ratio往下轉折時，則賣出
利用Python快速編寫
為了找出轉折點，我們必須做一點資料處理：
- 時間序列的平滑
- 時間序列的斜率
- 找出斜率由正到負，或由負到正的訊號
為了使用python寫出上述的策略，我們要先將夏普值平滑一下，不然雜訊太多了：
sr = sharpe['TSEC weighted index'].dropna()
d = 60
srsma = sr.rolling(d).mean()
sr.plot()
srsma.plot()
來色的線是我們就將sharpe ratio做移動窗格的平均，可以發現平均之後，時間序列比較平滑，這樣子我們找轉折點比較方便，所謂的轉折點，就是斜率由正到負，或由負到正的瞬間，所以我們要先找出夏普曲線的斜率。
夏普曲線的斜率
斜率非常簡單，可以使用diff這個功能：
srsma = sr.rolling(d).mean()
srsmadiff = srsma.diff()
srsma.plot()
srsmadiff.plot(secondary_y=True)
可以發現上圖中，橘色的為sharpe ratio，藍色的為斜率，當橘色線由上而下轉折時，藍色的線會快速向下穿越0，有了這個特性，我們就可以來找轉折點了！
找轉折點
接下來我們可以來找轉折點了，就是斜率由正到負，或由負到正的瞬間。
buy = (srsmadiff > 0) & (srsmadiff.shift() < 0)
sell = (srsmadiff < 0) & (srsmadiff.shift() > 0)
(buy * 1).plot()
(sell * -1).plot()
找出持有的時段
那我們就可以來看一下，假如天都用一樣的方式來產生這些訊號，當 buy訊號為True時，買入，而當sell=True時空手，如此執行20年的持有加權指數的時段：
import numpy as np
hold = pd.Series(np.nan, index=buy.index)
hold[buy] = 1
hold[sell] = -1
hold.ffill(inplace=True)
hold.plot()
交易頻率似乎有點高，不過沒關係，我們之後還會再做調整
接來是回測
回測
今天我們先簡單算一算，不考慮手續費，但是真實情況是必須考慮的喔！請謹記在心
twii = adjclose['TSEC weighted index'][buy.index]
pct_change = twii.pct_change()
pct_ratio = (pct_change.shift(-1)+1) # 今天到明天的價格變化
pct_ratio.fillna(1)[hold == 1].cumprod().plot()這段程式碼，有點複雜，當中的pct_change是一個每天獲利上下 x％。
而pct_ratio代表買入之後每天的變化（不漲不跌是1，大於1則漲，小於1則跌）
我們希望將「持有」時間段的pct_ratio全部都乘起來，代表獲利。
可以發現，這個策略效果並不是很好，不過別擔心
下個單元，我們使用參數最佳化，從5000種組合中，找出最好的策略！
