年初學習量化投資，一開始想自己從頭寫，還是受了C/C++的影響，結果困在了計算回測資料那里，結果老也不對，就暫時放下了，最近試了一下python的各個量化投資框架，發現一個能用的——pyalgotrade，重新開始吧，這是一個事件驅動型量化交易框架， 使用pyalgotrade的一大問題是資料獲取，其支持從yahoo，谷歌等途徑獲得資料，但要獲取A股資料比較麻煩，還是用tushare獲取資料比較方便，但pyalgotrade并不直接支持tushare資料格式，網上有人介紹了將tushare資料轉換成pyalgotrade能接受的資料源的方法，我先按照其方法自己寫了一個tsfeed的程式，用于將從tushare獲取的資料轉化成pyalgotrade可以接受的資料，后來突然發現有個現成的:pyalgotrade_tushare，試用了一下，比我寫的好，就用它吧，用pip install pyalgotrade_tushare 安裝即可， 現在就開始干活了，先要測驗一下pyalgotrade回測資料對不對，我找了個參照標準:在聚寬上開通了個賬號，按入門教程寫了個策略:2016-2018年每個交易日買入100股平安銀行(000001)，回測結果如下:
from pyalgotrade_tushare import tools, barfeed instruments = ["000001"] feeds = tools.build_feed(instruments, 2016, 2018, "histdata")如果沒有下載過資料，會自動下載以后存到histdata目錄里，如果下載過，就自動使用目錄里的資料了，feeds是BarFeed型別，就是其中的資料驅動pyalgotrade回測框架運行， 接著就從Pyalgotrade.strategy.BacktestingStrategy繼承自己的策略類， class MyStrategy(strategy.BacktestingStrategy):
def __init__(self, feed, instrument, brk): super().__init__(feed, brk) self.__position = None self.__instrument = instrument self.getBroker() self.__cost = 0.0 def onEnterOk(self, position): execInfo = position.getEntryOrder().getExecutionInfo() def onEnterCanceled(self, position): self.__position = None def onExitOk(self, position): execInfo = position.getExitOrder().getExecutionInfo() self.info("賣出 %.2f" % (execInfo.getPrice())) self.__position = None def onExitCanceled(self, position): # If the exit was canceled, re-submit it. self.__position.exitMarket() def onBars(self, bars): brk = self.getBroker() shares = 100 price = bars[self.__instrument].getPrice() if brk.getCash() < price*shares: self.info("現金不足") return self.__position = self.enterLong(self.__instrument, shares, True) self.__cost += brk.getCommission().calculate(brk, price, shares) self.info("可用現金%.2f 股價%.2f 持股數量%d 市值1:%.2f 市值2:%.2f 計算市值:%.2f 交易成本%.2f" % (brk.getCash(), price, brk.getShares(self.__instrument), brk.getEquity(), self.getResult(), (brk.getCash() + brk.getShares(self.__instrument)*price), self.__cost))其中onBar是必須重寫的，即每次資料更新要執行的操作， 然后設定手續費，滑點等設定，
# x = input("按任意鍵繼續")
# 設定手續費 broker_commision = broker.backtesting.TradePercentage(0.0003) brk = broker.backtesting.Broker(cash, feeds, broker_commision)
Broker物件是進行交易的類， 然后生成策略物件:
myStrategy = MyStrategy(feeds, instruments[0], brk)
接下來生成用于計算回測指標的四個物件，并將其添加進入策略中:
retAnalyzer = returns.Returns() myStrategy.attachAnalyzer(retAnalyzer) sharpeAnalyzer = sharpe.SharpeRatio() myStrategy.attachAnalyzer(sharpeAnalyzer) drawDownAnalyzer = drawdown.DrawDown() myStrategy.attachAnalyzer(drawDownAnalyzer) tradesAnalyzer = trades.Trades() myStrategy.attachAnalyzer(tradesAnalyzer)
如果要作圖，類似的，也要將繪圖物件添加進入策略物件，
from pyalgotrade import plotter plter = plotter.StrategyPlotter(myStrategy)準備作業做完，就可以執行回測了，用 myStrategy.run() 執行以后就可以輸出回測結果，輸出圖形了，限于篇幅，就不放代碼了，詳細代碼見: https://github.com/zwdnet/MyQuant/blob/master/01/testdata.py 現在來看看回測結果，
plter.getOrCreateSubplot("return").addDataSeries("retuens", retAnalyzer.getReturns())
plter.getOrCreateSubplot("CumReturn").addDataSeries("CumReturn",retAnalyzer.getCumulativeReturns
其中年化收益率那里應該是三年的策略收益，這樣看兩個的回測結果是基本一致的，但并不完全一致，原因呢？
我看了一下每個交易日的情況：
聚寬上面的：
我本地檔案里的資料
在本地輸出每個交易日的情況：
可以看到2016-01-05，聚寬的股價資料是8.99，tushare下載的資料是9.07，2016-01-06，聚寬的資料是9.10，tushare是9.179，
我在聚寬的論壇里發帖問了，被告知可能是資料復權方法，滑點設定等差異引起的，另外，pyalgotrade貌似是第一天產生交易信號第二天再執行交易，好在差別也不大，就這樣吧，還有一些問題，比如pyalgotrade里貌似沒有沒有直接計算alpha值，beta值，資訊比率等資料的函式，用到了再說吧，
最后再總結一下用pyalgotrade進行量化交易回測的一般步驟:
①用資料生成BarFeed物件，作為驅動框架的資料來源，
②用Broker物件設定交易成本，滑點等，
③從strategy.BacktestingStrategy建立Strategy物件，并重寫onBars成員函式，其內容為每次交易事件時都要執行的動作，其中可能會用到technical物件，用于計算一些技術指標，
④實體化strategy物件，建立回測指標物件和繪圖物件，并將它們與strategy系結，
⑤執行回測，
⑥輸出回測結果，繪圖，
下一步，該真正進行量化交易策略的學習研究了，
我發文章的四個地方，歡迎大家在朋友圈等地方分享，歡迎點“在看”，
我的個人博客地址：https://zwdnet.github.io
我的CSDN博客地址：https://blog.csdn.net/zwdnet
我的博客園博客地址： https://www.cnblogs.com/zwdnet/
我的微信個人訂閱號：趙瑜敏的口腔醫學學習園地
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/100352.html
標籤：其他
上一篇：正向代理與反向代理【總結】
下一篇：機器學習優化演算法