米筐开源量化框架 RQalpha 安装使用
RQalpha 是 Ricequant 开源的量化框架,提供数据获取,算法交易,策略回测,实盘模拟,实盘交易,数据分析等功能。RQalpha 的安装过程并不十分友好,本文讲述如何安装 RQalpha。安装环境是 Mac OS 操作系统。
安装步骤
1. 创建虚拟环境
RQalpha 推荐使用虚拟环境来安装,以避免由于各种环境问题导致安装失败。可以使用 conda 来创建虚拟环境,为使用 conda 命令,用户可以先下载安装 anaconda。由于 anaconda 并不是本文的讲述重点,anaconda 的安装可以参考 https://www.anaconda.com/,本文不再赘述。
使用以下命令创建虚拟环境:
conda create -n rqalpha python=3.6
这样就基于 Python 3.6 创建了虚拟环境rqalpha
。创建虚拟环境后,激活环境。
source activate rqalpha
2. 安装 cython
使用命令 conda 来安装 cython。
conda install cython
3. 安装 bcolz
bcolz 是 RQalpha 的依赖库,RQalpha 使用 bcolz 来进行数据的存储。使用 conda 来安装 bcolz。
conda install bcolz
值得指出的是,安装 cython 和 bcolz 都需要使用 conda 命令来执行,使用 pip 命令来安装会出现安装失败的情况。
4. 安装 TA-Lib
Mac OS 下使用 brew 命令来安装 TA-Lib 。
brew install ta-lib
再使用 pip 命令来安装 Python 库,使用 pip 命令来安装 TA-Lib,是由于 conda 命令不存在 TA-Lib。
pip install TA-Lib
5. 安装 rqalpha
完成前面的安装工作,就可以正式安装 rqalpha 了,我们使用 pip 命令来安装 rqalpha。
pip install rqalpha
6. 测试
可以运行 rqalpha 命令来测试安装过程是否成功。
rqalpha version
输出:
Current Version: (3, 2, 0)
策略回测
成功安装 rqalpha 后,就可以进行策略的回测了。我们采用 rqalpha 提供的样例策略来测试一下回测过程。
1. 获取回测数据
RQalpha 免费提供股票和期货日级别的回测数据,使用 rqalpha 命令来更新回测数据。
rqalpha update-bundle
回测数据目录 bundle 默认存放在~/.rqalpha
目录下。进入 bundle 目录,可以看到都是一些.bcolz
后缀的文件。
2. 生成样例策略
使用 rqalpha 命令来生成策略样例,例如我们进入~/code/rqalpha
目录后,执行
rqalpha examples -d ./
这样,在~/code/rqalpha
目录下就生成了examples
目录,里面包括 RQalpha 提供策略样例文件。
3. 运行回测
我们以buy_and_hold.py
文件为例,说明如果执行策略的回测过程。
cd examples
rqalpha run -f ./buy_and_hold.py -d ~/.rqalpha/bundle/ -s 2016-06-01 -e 2018-12-01 --account stock 100000 --benchmark 000300.XSHG --plot
- -f 参数指定策略文件
- -d 指定回测数据 bundle 目录位置
- -s 回测时间起点
- -e 回测时间结束
--account
起始资金--benchmark
业绩比较基准--plot
以图形方式查看回测结果
执行命令后,可以看到回测结果以图形方式展示出来。
参考资料
- https://rqalpha.readthedocs.io/zh_CN/latest/intro/overview.html
- https://rqalpha.readthedocs.io/zh_CN/latest/intro/detail_install.html
- https://rqalpha.readthedocs.io/zh_CN/latest/intro/install.html
- https://mrjbq7.github.io/ta-lib/install.html
- https://rqalpha.readthedocs.io/zh_CN/latest/intro/tutorial.html
- https://geosmart.github.io/2018/01/26/RiceQuant开源框架RQAlpha阅读笔记/
米筐开源量化框架 RQalpha 安装使用相关推荐
- 量化框架rqalpha入门
一.rqalpha简介 rqalpha是米筐量化开源的从数据获取.算法交易.回测引擎.实盘模拟.实盘交易到数据分析的程序化交易框架.跟quantopian开源的zipline从api到本地运行方式都比 ...
- 掘金、聚宽和米筐各量化平台优缺点2
掘金 优点: - 集成了多种数据源和数据接口,包括股票.期货.数字货币等市场数据. - 提供托管账户和自营账户两种交易方式,自营账户支持10倍杠杆. - 提供市场行情分析.交易统计.策略回测等功能,支 ...
- 掘金、聚宽和米筐各量化平台优缺点
1.聚宽和米筐的商业模式主要是卖数据,掘金有自己做实盘, 2.聚宽有策略商城可以卖策略,掘金社区不太活跃 3.平台都有相关书籍,可以对照,有源码,掘金<>, 4.以python为例,掘金易 ...
- 开源量化框架Catalyst中文教程(3)——双均线策略
GitHub:https://github.com/enigmampc/catalyst 官方文档:https://enigma.co/catalyst/index.html 参考视频:网易云课堂&l ...
- vn.py开源量化框架把我整蒙了,开始填坑。
本以为vn.py和vnpy是一家的,它们长得是真像,下载vn.py已经二个多月,今天才搞明白.还是陈总格局大,开放源代码.在GitHub看到源码下载,太繁琐,直接把我劝退,还好vn.py官方有傻瓜下载 ...
- 【答读者问26】量化投资框架哪家强?backtrader vs zipline vs 聚宽 vs 米筐
云子量化免费阅读传送链接 今天有读者咨询一个backtrader与聚宽米筐对比的问题,想要了解下backtrader与米筐聚宽各自的优缺点. 先不谈这个问题,我们回顾下初衷,我们想要用这些框架做什么呢 ...
- 米筐量化如何安装使用?
米筐量化如何进行安装使用呢?其实这是个比较简单的过程,用户不需要使用者用pip install,虽然米筐也可以pip install,但是不是必需的.注册账户,打开编译器: rq.get_price( ...
- 米筐量化不支持c语言_量化初级之量化选股
前言 所谓量化交易,个人理解,就是将投资理念,仓位管理等定量的表达出来,之后通过代码的方式,通过 程序去代替人去实现交易.相比主观交易,量化交易的有点很多,譬如,可以避免投资者因为心理因素 而导致错误 ...
- 米筐量化不支持c语言_AQ答疑:三分钟入门量化投资
答疑丨量化投资三分钟入门(一) 量化投资在国外的发展已经有很长时间的历史,虽然国内市场目前仍处于初起阶段,但是因其投资业绩稳定,市场规模和份额不断扩大,得到了越来越多投资人的认可,各个大型券商也在发展 ...
最新文章
- Android 如何判断CPU是32位还是64位
- Spring MVC + Hibernate JPA + Bootstrap 搭建的博客系统
- python笔试题奥特曼打怪兽_python笔试做错的题目
- git commit 提交的时候报错husky > pre-commit hook failed (add --no-verify to bypass)(解决办法)
- Windows 10 解决 0x80070021 错误
- (五)官方Neo4j 3.3.9 Java API例子
- 【转】UDP协议格式以及在java中的使用
- 在C ++中检查一个数组是否是另一个数组的子数组
- U盘装win7系统出现question(1808)的原因与解决方法
- 图解CentOS系统启动流程
- LeetCode 题 - 69. x 的平方根 python解法
- java环绕通知的应用_Spring之环绕通知
- 如何啃透周志华的《机器学习》西瓜书?
- SQL Server维护工作详解
- 小述银行软开~~(转)
- Hash与Hash冲突及四种解决方案
- centos php ioncube_如何在CentOS 7中安装ionCube Loader
- 软件测试面试问题汇总
- GraalVM Enterprise Edition 22.3.0 企业版安装
- Oracle中select SEQ_YX.nextval from dual是什么意思?
热门文章
- BZOJ1026 || 洛谷P2657 [SCOI2009]windy数【数位DP】
- WhatsApp翻译 边聊边译 实时自动翻译
- WGCNA:概念初探
- python-学习笔记-07
- Selenium WebDriverException unable to discover open pages
- ckpt下载 deeplabv3_煮酒论英雄:深度学习CV领域最瞩目的成果top46
- 基础概念之电路板的概念
- CSS中雪碧图CSS-Sprite的使用,解决图片闪烁问题
- ssm垃圾分类管理系统
- Presto Iceberg 数据源 + Alluxio 使用以及最新进展介绍