Appliquer le signal de la veille (hors cours)

Partie 5 · ★★★★

Hors cours. Dans le pipeline du cours, strategy_ret = signal * ret utilise le signal du jour t (calculé avec close_t) pour pondérer le rendement close_t - close_(t-1) : le signal « connaît » déjà le prix de la journée qu'il est censé prédire. Pour une stratégie utilisable en temps réel, on applique plutôt le signal de la veille : LAG(signal).

Complète le pipeline pour que la performance totale par actif (ticker, perf, triée par ticker) utilise LAG(signal) à la place de signal. Compare avec l'exercice du pipeline : 9, 7, 78 avec le signal du jour.

import sqlite3
con = sqlite3.connect(":memory:")
con.execute("CREATE TABLE prices(date TEXT, ticker TEXT, close REAL)")
A = [100, 102, 101, 105, 107, 108]
B = [50, 49, 51, 50, 52, 55]
C = [80, 90, 83, 110, 79, 120]
for i in range(6):
    d = f"2024-01-0{i + 1}"
    for t, s in (("A", A), ("B", B), ("C", C)):
        con.execute("INSERT INTO prices VALUES (?, ?, ?)", (d, t, s[i]))

sql = """
WITH returns AS (
  SELECT *, close - LAG(close) OVER (PARTITION BY ticker ORDER BY date) AS ret
  FROM prices
),
ma AS (
  SELECT *, AVG(close) OVER (PARTITION BY ticker ORDER BY date
                             ROWS BETWEEN 4 PRECEDING AND CURRENT ROW) AS ma5
  FROM returns
),
signal AS (
  SELECT *, CASE WHEN close > ma5 THEN 1 ELSE 0 END AS signal
  FROM ma
),
veille AS (
  SELECT *, ___(signal) OVER (PARTITION BY ticker ORDER BY date) AS sig_veille
  FROM signal
)
SELECT ticker, SUM(sig_veille * ret) AS perf
FROM veille
GROUP BY ticker
ORDER BY ticker
"""
rows = con.execute(sql).fetchall()

Ctrl/⌘+Entrée

Exercice suivant → ROWS contre RANGE avec des ex æquo