002 常见量化交易平台使用
常见的量化交易平台:米筐,BigQuant,优矿,聚宽,掘金。
本文简单介绍其中的米筐量化交易平台。米筐支持Python,Java编写交易策略进行回测。
一、平台使用
1. 注册账号
平台网址:米筐量化平台
平台的帮助文档见网站【支持】页面:
2. 进入界面
打开右上角的【产品——米筐量化协作平台】进入策略编写界面,然后点击【新建策略】的【代码策略】,当然,也可以使用向导策略。
3. 编写策略
在左侧编写策略,点击右侧的【编译策略】
4. 运行回测
编译通过后,点击最右侧的【运行回测】,模拟交易策略的结果。
二、常用函数
1. init()
策略启动运行时首先执行的函数,只执行一次。其中context参数可理解为全局变量,可在各个函数中使用,以传递参数。
# 可以导入常见的numpy,pandas等库,以及米筐自带的talib库# 在这个方法中编写任何的初始化逻辑。context对象将会在你的算法策略的任何方法之间做传递。
def init(context):# 在context中保存全局变量context.s1 = "000001.XSHE"# 实时打印日志logger.info("RunInfo: {}".format(context.run_info))
2. handle_bar()
股票数据有更新时会自动执行该函数,用于编写量化策略的主要逻辑和触发交易动作。
# 你选择的证券的数据更新将会触发此段逻辑,例如日或分钟历史数据切片或者是实时数据切片更新
def handle_bar(context, bar_dict):# 开始编写你的主要的算法逻辑# bar_dict[order_book_id] 可以拿到某个证券的bar信息# context.portfolio 可以拿到现在的投资组合信息# 使用order_shares(id_or_ins, amount)方法进行落单# TODO: 开始编写你的算法吧!order_shares(context.s1, 1000)
3. before_training()
每天策略开始交易前自动触发的函数。具体触发事件取决于交易策略的执行事件。
4. after_training()
每天收盘后组东触发的函数。
5. 交易函数
order_percent():按目前总资产的百分比金额买入或买出。如:
order_percent('000651.SZ', 1) # 全仓买入格力
order_percent('000651.SZ', 0.5) # 半仓买入格力order_percent('000651.SZ', -1) # 清仓格力
order_percent('000651.SZ', -0.5) # 减半仓格力
order_shares:按若干股(必须是1手的倍数,A股中,1手=100股)的数量交易。如:
order_shares('000651.SZ', 200) # 买入200股格力
order_shares('000651.SZ', -100) # 卖出100股格力
order_lots:按若干手的数量交易。如:
order_lots('000651.SZ', 2) # 买入2手格力
order_lots('000651.SZ', -1) # 卖出1手股格力
order_value():按金额数量交易。如
order_value('000651.SZ', 100000) # 买入共1w人民币的格力
order_value('000651.SZ', -100000) # 卖出共1w人民币的格力
order_value('000651.SZ', 0) # 清仓格力
其他还有order_target_percent、order_target_portfolio是按当前仓位百分比进行增减仓的函数等。
6. 股票筛选函数
is_st_stock(stock_code):股票是否ST
is_suspend(stock_code):是否停牌
三、策略示例
策略示例摘自李天胜《python量化交易实战》一书。
1. 策略示例1
如果空仓,直接全仓买入茅台股票。
# 可以自己import我们平台支持的第三方python模块,比如pandas、numpy等。
import talib
# 在这个方法中编写任何的初始化逻辑。context对象将会在你的算法策略的任何方法之间做传递。
def init(context):logger.info('init')context.s1 = "600519.XSHG" # 茅台context.fired = False # 是否发送了交易命令context.cnt = 1 # 策略相关函数执行次数# 设置这个策略当中会用到的参数,在策略中可以随时调用,这个策略使用长短均线,我们在这里设定长线和短线的区间,在调试寻找最佳区间的时候只需要在这里进行数值改动context.SHORTPERIOD = 20context.LONGPERIOD = 120def before_trading(context):logger.info('before trading', context.cnt)context.cnt += 1# 你选择的证券的数据更新将会触发此段逻辑,例如日或分钟历史数据切片或者是实时数据切片更新
def handle_bar(context, bar_dict):# 开始编写你的主要的算法逻辑context.cnt += 1logger.info('handle_bar', context.cnt)# bar_dict[order_book_id] 可以拿到某个证券的bar信息# context.portfolio 可以拿到现在的投资组合状态信息# 使用order_shares(id_or_ins, amount)方法进行落单# TODO: 开始编写你的算法吧!if not context.fired:order_percent(context.s1, 1)context.fired = True
回测结果:
2. 策略示例2
KDJ金叉全仓买入,KDJ死叉清仓
# 可以自己import我们平台支持的第三方python模块,比如pandas、numpy等。
import talib# 在这个方法中编写任何的初始化逻辑。context对象将会在你的算法策略的任何方法之间做传递。
def init(context):# 在context中保存全局变量context.s1 = "600519.XSHG"# 实时打印日志logger.info("RunInfo: {}".format(context.run_info))context.SHORTPERIOD = 20 # MA20context.LONGPERIOD = 60 # MA60# before_trading此函数会在每天策略交易开始前被调用,当天只会被调用一次
def before_trading(context):pass# 你选择的证券的数据更新将会触发此段逻辑,例如日或分钟历史数据切片或者是实时数据切片更新
def handle_bar(context, bar_dict):# 开始编写你的主要的算法逻辑# bar_dict[order_book_id] 可以拿到某个证券的bar信息# context.portfolio 可以拿到现在的投资组合信息# 使用order_shares(id_or_ins, amount)方法进行落单# TODO: 开始编写你的算法吧!prices = history_bars(context.s1, context.LONGPERIOD+1, '1d','close')short_avg = talib.SMA(prices, context.SHORTPERIOD)long_avg = talib.SMA(prices, context.LONGPERIOD)plot('short avg', short_avg[-1])plot('long avg', long_avg[-1])# 当前股票持有的仓位cur_position = get_position(context.s1).quantity # 当前portfolio中现金可以买入多少股 shares = context.portfolio.cash/bar_dict[context.s1].close# 死叉,清仓if (short_avg[-1] - long_avg[-1]) < 0 and (short_avg[-2] - long_avg[-2] > 0) and cur_position > 0:order_target_value(context.s1, 0)# 金叉,加仓if (short_avg[-1] - long_avg[-1]) > 0 and (short_avg[-2] - long_avg[-2] < 0):order_shares(context.s1, shares) # after_trading函数会在每天交易结束后被调用,当天只会被调用一次
def after_trading(context):pass
回测结果:
002 常见量化交易平台使用相关推荐
- Python量化交易平台开发教程系列7-顶层GUI界面开发(1)
原创文章,转载请注明出处:用Python的交易员 前言 终于有时间来写第一篇顶层GUI界面开发相关的教程了,之前实在是事情太多,跟各位读者抱个歉. 整合底层接口的各项功能到中层引擎中后,当我们开发顶层 ...
- 一文了解量化数据源—常见量化数据源对比选择
简介 金融数据是量化的基础,没有数据量化就无从下手.随着行业竞争加剧,量化对高质量-更快更全更准数据的要求更高,毕竟搞量化不能输在起跑线上.现在各种量化数据源五花八门,发现很多朋友对这块不是很清楚,个 ...
- [转载]Python量化交易平台开发教程系列0-引言
原文出处:http://vnpy.org/2015/03/04/20150304_Python%E9%87%8F%E5%8C%96%E4%BA%A4%E6%98%93%E5%B9%B3%E5%8F%B ...
- 量化投资必备手册:史上超全量化交易平台汇总
量化投资必备手册,分享30个量化交易平台给你们,转需,不用谢! 1. 国泰君安量化交易系统 量化交易系统网址:https://quant.gtja.com/ 2. 量化云 量化回测平台:https:/ ...
- Python量化交易平台:JQData | API使用文档(转)
Python量化交易平台:JQData | API使用文档(转) #原文地址:https://www.joinquant.com/help/api/help?name=JQData JQData说明书 ...
- Python量化交易平台开发教程系列0-引言
原创文章,转载请注明出处:用Python的交易员 为什么用Python来开发量化交易平台 目前本人所在的公司一共有三款平台,分别基于C++, C#和Python.其中C#和Python平台都是由交易员 ...
- Python量化交易平台开发教程系列4-事件驱动引擎原理和使用
原创文章,转载请注明出处:用Python的交易员 前言 从这篇开始,后面的教程都会基于Python(终于可以跟C++说再见了). 经过上一篇复杂繁琐的API编译后,我们已经有了一个可以在Python环 ...
- 量化投资 | 量化交易平台工具汇总
量化投资必备手册,分享30个量化交易平台给你们,转需,不用谢! 1. 掘金量化 量化交易系统官方网址:https://www.myquant.cn/ 2.国泰君安量化交易系统 量化交易系统网址:ht ...
- 量化交易平台Quantopian学习的笔记(一)
最近对量化感兴趣,每周末带孩子上辅导班等候时在星巴克记录的一些笔记,记录一下便于以后查阅,一并分享出来希望对大家有帮助. Quantopian量化交易平台主要针对美股,国内也有几个针对A股的,对A股感 ...
最新文章
- 闲来无事,总结 Xcode常用快捷键
- Jmeter性能测试入门(一)
- Android快速阅读依赖的代码,Java Android快速阅读完整文件
- 爬虫技术python nutch_python爬虫,学习路径拆解及资源推荐(第三篇:工程化爬虫)...
- mysql MHA高可用架构安装
- POJ3178 计算几何+DP
- 大数据可视化面临哪些挑战
- mod_expires和mod_deflate的配置
- OFDM中的帧(frame)、符号(symbol)、子载波(subcarriers)、导频(Pilot)、保护间隔(guard)的关系图解以及代码详解--MATLAB
- KEGG COMPOUND 数据库
- 高效扫频水处理器原理介绍
- 细说集线器、交换机和路由器
- 由夏时令引起的java世界时间不一致问题
- 【python】文件读取写 open的方式with的方式 异常报错处理
- 采购系统是如何管理供应商的?
- 钉钉桌面版(dingtalk)介绍:支持Linux、Windows和macOS平台
- 图解数据分析:从入门到精通系列教程
- Python简单写接口
- 前端代码规范参考和如何保持前端代码规范
- 源中瑞区块链溯源系统,溯源行业生态信息化解决方案