Pyalgotrade量化交易回测框架

现在就开始干活了。先要测试一下pyalgotrade回测数据对不对。我找了个参照标准:在聚宽上开通了个账号，按入门教程写了个策略:2016-2018年每个交易日买入100股平安银行(000001)，回测结果如下:

现在用pyalgotrade来实现一下这个策略。先用tushare下载平安银行及沪深300指数的2016年数据。

首先从csv文件建立数据源。

from pyalgotrade_tushare import tools, barfeedinstruments = ["000001"]
feeds = tools.build_feed(instruments, 2016, 2018, "histdata")

如果没有下载过数据，会自动下载以后存到histdata目录里，如果下载过，就自动使用目录里的数据了。feeds是BarFeed类型，就是其中的数据驱动pyalgotrade回测框架运行。

接着就从Pyalgotrade.strategy.BacktestingStrategy继承自己的策略类。

class MyStrategy(strategy.BacktestingStrategy):def __init__(self, feed, instrument, brk):super().__init__(feed, brk)self.__position = Noneself.__instrument = instrumentself.getBroker()self.__cost = 0.0def onEnterOk(self, position):execInfo = position.getEntryOrder().getExecutionInfo()# self.info("买入 %.2f" % (execInfo.getPrice()))def onEnterCanceled(self, position):self.__position = Nonedef onExitOk(self, position):execInfo = position.getExitOrder().getExecutionInfo()self.info("卖出 %.2f" % (execInfo.getPrice()))self.__position = Nonedef onExitCanceled(self, position):# If the exit was canceled, re-submit it.self.__position.exitMarket()def onBars(self, bars):brk = self.getBroker()shares = 100price = bars[self.__instrument].getPrice()if brk.getCash() < price*shares:self.info("现金不足")returnself.__position = self.enterLong(self.__instrument, shares, True)self.__cost += brk.getCommission().calculate(brk, price, shares)self.info("可用现金%.2f 股价%.2f 持股数量%d 市值1:%.2f 市值2:%.2f 计算市值:%.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))# x = input("按任意键继续")

其中onBar是必须重写的，即每次数据更新要执行的操作。

然后设置手续费，滑点等设置。

# 设置手续费
broker_commision = broker.backtesting.TradePercentage(0.0003)
brk = broker.backtesting.Broker(cash, feeds, broker_commision)

Broker对象是进行交易的类。

然后生成策略对象:

myStrategy = MyStrategy(feeds,     instruments[0], brk)

接下来生成用于计算回测指标的四个对象，并将其添加进入策略中:

    retAnalyzer = returns.Returns()myStrategy.attachAnalyzer(retAnalyzer)sharpeAnalyzer = sharpe.SharpeRatio()myStrategy.attachAnalyzer(sharpeAnalyzer)drawDownAnalyzer = drawdown.DrawDown()myStrategy.attachAnalyzer(drawDownAnalyzer)tradesAnalyzer = trades.Trades()myStrategy.attachAnalyzer(tradesAnalyzer)

如果要作图，类似的，也要将绘图对象添加进入策略对象。

from pyalgotrade import plotterplter = plotter.StrategyPlotter(myStrategy)
plter.getOrCreateSubplot("return").addDataSeries("retuens", retAnalyzer.getReturns())
plter.getOrCreateSubplot("CumReturn").addDataSeries("CumReturn", retAnalyzer.getCumulativeReturns())

准备工作做完，就可以执行回测了，用

myStrategy.run()

执行以后就可以输出回测结果，输出图形了。限于篇幅，就不放代码了。详细代码见:

https://github.com/zwdnet/MyQuant/blob/master/01/testdata.py

现在来看看回测结果。

其中年化收益率那里应该是三年的策略收益，这样看两个的回测结果是基本一致的，但并不完全一致。原因呢？

我看了一下每个交易日的情况：

聚宽上面的：

我本地文件里的数据

在本地输出每个交易日的情况：

可以看到2016-01-05，聚宽的股价数据是8.99，tushare下载的数据是9.07。2016-01-06，聚宽的数据是9.10，tushare是9.179。

我在聚宽的论坛里发帖问了，被告知可能是数据复权方法，滑点设置等差异引起的。另外，pyalgotrade貌似是第一天产生交易信号第二天再执行交易。好在差别也不大，就这样吧。还有一些问题，比如pyalgotrade里貌似没有没有直接计算alpha值，beta值，信息比率等数据的函数，用到了再说吧。

最后再总结一下用pyalgotrade进行量化交易回测的一般步骤:

①用数据生成BarFeed对象，作为驱动框架的数据来源。

②用Broker对象设置交易成本，滑点等。

③从strategy.BacktestingStrategy建立Strategy对象，并重写onBars成员函数，其内容为每次交易事件时都要执行的动作。其中可能会用到technical对象，用于计算一些技术指标。

④实例化strategy对象，建立回测指标对象和绘图对象，并将它们与strategy绑定。

⑤执行回测。

⑥输出回测结果，绘图。

下一步，该真正进行量化交易策略的学习研究了。

Pyalgotrade量化交易回测框架相关推荐

python量化回测框架_股票量化交易回测框架pyalgotrade源码阅读(一)
PyAlgoTrade是什么呢? 一个股票量化交易的策略回测框架. 而作者的说明如下. To make it easy to backtest stock trading strategies. 简单 ...
6款优秀的量化交易回测框架！VNPY位居第一
一个策略从想法,到测试,在到实盘,然后改进,进入另一个循环,需要很多的时间和精力.这时候选择一款高效.灵活的测试系统就是当务之急了.即使最后你可能需要写自己的系统,但是这些框架的软工架构还是很值得借鉴 ...
python外汇交易回测系统_StarQuant - 综合量化交易回测系统/平台
Welcome to StarQuant StarQuant(中文名:易数交易系统)是一个轻量的.面向个人( 普通)用户的综合量化交易回测系统,目前主要用于期货期权程序化交易(CTP接口,在实盘测试中 ...
量化交易-回测调参-神龙摆尾
系列文章目录第一章神龙摆尾文章目录目录系列文章目录文章目录前言一.所涉结构模型简介二.策略实现 1.策略源代码 2.初步参数调优-选股参数 3.进一步参数调优-卖出参数总结前言 ...
基于强化学习的期权量化交易回测系统1
概述量化交易平台很重要的一个环节就是回测系统,可以通过对历史行情的回放,验证量化交易策略的性能表现.量化交易强化学习环境,则是向Agent提供一个交互的环境,Agent(即量化策略)根据市场环境(强 ...
【思考14】量化交易回测中，关于涨跌停的处理方式
这篇文章免费,可以在知乎看到有好多人在量化交易的回测过程中,对股票.期货之类的涨跌停比较在意,害怕涨跌停了之后交易不了,本文就尝试梳理下我对涨跌停的看法以及我在回测中的应对方式. 在开始本文对涨跌停 ...
基于强化学习的期权量化交易回测系统5
我们现在已经可以在主循环中获取行情数据,并且传给了Agent类.接下来Agent类会调用策略类,由于决定采取的行动.在策略类做决策时,需要参考用户仓位Position信息,还有就是权利金.保证金.手续 ...
python股票回测_Python量化交易-回测简单的交易策略
这篇文章主要介绍如何使用Python对一些简单的交易策略进行回测,对这块比较感兴趣的朋友可以看一看. 1.获取证券数据本文以A股市场为例,先获取A股近10年的数据并保存到数据库. 1.1.安装数据库 ...
5、Python量化交易-回测收益计算
目录前言一.回测的主方法二.回测实现 1 - 获取回测数据ticks 2 - 运行回测 3 - 为回测数据添加生成方法 4 - sell中添加订单的pnl收益计算 5 - 策略执行中调整买卖ma ...

Pyalgotrade量化交易回测框架

Pyalgotrade量化交易回测框架相关推荐

最新文章

热门文章