量化投資學習筆記01——初識Pyalgotrade量化交易回測框架

本文轉載自查看原文 2019-12-12 09:08 896

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數據那里，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的一大問題是數據獲取，其支持從yahoo，谷歌等途徑獲得數據，但要獲取A股數據比較麻煩。還是用tushare獲取數據比較方便。但pyalgotrade並不直接支持tushare數據格式。網上有人介紹了將tushare數據轉換成pyalgotrade能接受的數據源的方法，我先按照其方法自己寫了一個tsfeed的程序，用於將從tushare獲取的數據轉化成pyalgotrade可以接受的數據。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。先要測試一下pyalgotrade回測數據對不對。我找了個參照標准: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:

現在用pyalgotrade來實現一下這個策略。先用tushare下載平安銀行及滬深300指數的2016年數據。

首先從csv文件建立數據源。

from pyalgotrade_tushare import tools, barfeed    


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

如果沒有下載過數據，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數據了。feeds是BarFeed類型，就是其中的數據驅動pyalgotrade回測框架運行。

接着就從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))              

# x = input(&quot;按任意鍵繼續&quot;)

其中onBar是必須重寫的，即每次數據更新要執行的操作。

然后設置手續費，滑點等設置。

# 設置手續費    
broker_commision = broker.backtesting.TradePercentage(0.0003)    
brk = broker.backtesting.Broker(cash, feeds, broker_commision)

Broker對象是進行交易的類。

然后生成策略對象:

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

接下來生成用於計算回測指標的四個對象，並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，也要將繪圖對象添加進入策略對象。

from pyalgotrade import plotter     


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