欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

用Python徒手?jǐn)]一個(gè)股票回測(cè)框架搭建【推薦】

 更新時(shí)間:2019年08月05日 13:07:42   作者:youerning  
回測(cè)框架就是提供這樣的一個(gè)平臺(tái)讓交易策略在歷史數(shù)據(jù)中不斷交易,最終生成最終結(jié)果,通過(guò)查看結(jié)果的策略收益,年化收益,最大回測(cè)等用以評(píng)估交易策略的可行性。這篇文章主要介紹了用Python徒手?jǐn)]一個(gè)股票回測(cè)框架,需要的朋友可以參考下

通過(guò)純Python完成股票回測(cè)框架的搭建。

什么是回測(cè)框架?

無(wú)論是傳統(tǒng)股票交易還是量化交易,無(wú)法避免的一個(gè)問(wèn)題是我們需要檢驗(yàn)自己的交易策略是否可行,而最簡(jiǎn)單的方式就是利用歷史數(shù)據(jù)檢驗(yàn)交易策略,而回測(cè)框架就是提供這樣的一個(gè)平臺(tái)讓交易策略在歷史數(shù)據(jù)中不斷交易,最終生成最終結(jié)果,通過(guò)查看結(jié)果的策略收益,年化收益,最大回測(cè)等用以評(píng)估交易策略的可行性。

代碼地址在最后。

本項(xiàng)目并不是一個(gè)已完善的項(xiàng)目, 還在不斷的完善。

回測(cè)框架

回測(cè)框架應(yīng)該至少包含兩個(gè)部分, 回測(cè)類, 交易類.

回測(cè)類提供各種鉤子函數(shù),用于放置自己的交易邏輯,交易類用于模擬市場(chǎng)的交易平臺(tái),這個(gè)類提供買入,賣出的方法。

代碼架構(gòu)

以自己的回測(cè)框架為例。主要包含下面兩個(gè)文件

backtest/
  backtest.py
  broker.py

backtest.py主要提供BackTest這個(gè)類用于提供回測(cè)框架,暴露以下鉤子函數(shù).

def initialize(self):
  """在回測(cè)開(kāi)始前的初始化"""
  pass
 def before_on_tick(self, tick):
  pass
 def after_on_tick(self, tick):
  pass
 def before_trade(self, order):
  """在交易之前會(huì)調(diào)用此函數(shù)
  可以在此放置資金管理及風(fēng)險(xiǎn)管理的代碼
  如果返回True就允許交易,否則放棄交易
  """
  return True
 def on_order_ok(self, order):
  """當(dāng)訂單執(zhí)行成功后調(diào)用"""
  pass
 def on_order_timeout(self, order):
  """當(dāng)訂單超時(shí)后調(diào)用"""
  pass
 def finish(self):
  """在回測(cè)結(jié)束后調(diào)用"""
  pass
 @abstractmethod
 def on_tick(self, bar):
  """
  回測(cè)實(shí)例必須實(shí)現(xiàn)的方法,并編寫自己的交易邏輯
  """
  pass

玩過(guò)量化平臺(tái)的回測(cè)框架或者開(kāi)源框架應(yīng)該對(duì)這些鉤子函數(shù)不陌生,只是名字不一樣而已,大多數(shù)功能是一致的,除了on_tick.

之所以是on_tick而不是on_bar, 是因?yàn)槲蚁M灰走壿嬍且粋€(gè)一個(gè)時(shí)間點(diǎn)的參與交易,在這個(gè)時(shí)間點(diǎn)我可以獲取所有當(dāng)前時(shí)間的所有股票以及之前的股票數(shù)據(jù),用于判斷是否交易,而不是一個(gè)時(shí)間點(diǎn)的一個(gè)一個(gè)股票參與交易邏輯。

而broker.py主要提供buy,sell兩個(gè)方法用于交易。

def buy(self, code, price, shares, ttl=-1):
  """
  限價(jià)提交買入訂單
  ---------
  Parameters:
   code:str
    股票代碼
   price:float or None
    最高可買入的價(jià)格, 如果為None則按市價(jià)買入
   shares:int
    買入股票數(shù)量
   ttl:int
    訂單允許存在的最大時(shí)間,默認(rèn)為-1,永不超時(shí)
  ---------
  return:
   dict
    {
    "type": 訂單類型, "buy",
    "code": 股票代碼,
    "date": 提交日期,
    "ttl": 存活時(shí)間, 當(dāng)ttl等于0時(shí)則超時(shí),往后不會(huì)在執(zhí)行
    "shares": 目標(biāo)股份數(shù)量,
    "price": 目標(biāo)價(jià)格,
    "deal_lst": 交易成功的歷史數(shù)據(jù),如
     [{"price": 成交價(jià)格,
      "date": 成交時(shí)間,
      "commission": 交易手續(xù)費(fèi),
      "shares": 成交份額
     }]
    ""
   }
  """
  if price is None:
   stock_info = self.ctx.tick_data[code]
   price = stock_info[self.deal_price]
  order = {
   "type": "buy",
   "code": code,
   "date": self.ctx.now,
   "ttl": ttl,
   "shares": shares,
   "price": price,
   "deal_lst": []
  }
  self.submit(order)
  return order
 def sell(self, code, price, shares, ttl=-1):
  """
  限價(jià)提交賣出訂單
  ---------
  Parameters:
   code:str
    股票代碼
   price:float or None
    最低可賣出的價(jià)格, 如果為None則按市價(jià)賣出
   shares:int
    賣出股票數(shù)量
   ttl:int
    訂單允許存在的最大時(shí)間,默認(rèn)為-1,永不超時(shí)
  ---------
  return:
   dict
    {
    "type": 訂單類型, "sell",
    "code": 股票代碼,
    "date": 提交日期,
    "ttl": 存活時(shí)間, 當(dāng)ttl等于0時(shí)則超時(shí),往后不會(huì)在執(zhí)行
    "shares": 目標(biāo)股份數(shù)量,
    "price": 目標(biāo)價(jià)格,
    "deal_lst": 交易成功的歷史數(shù)據(jù),如
     [{"open_price": 開(kāi)倉(cāng)價(jià)格,
      "close_price": 成交價(jià)格,
      "close_date": 成交時(shí)間,
      "open_date": 持倉(cāng)時(shí)間,
      "commission": 交易手續(xù)費(fèi),
      "shares": 成交份額,
      "profit": 交易收益}]
    ""
   }
  """
  if code not in self.position:
   return
  if price is None:
   stock_info = self.ctx.tick_data[code]
   price = stock_info[self.deal_price]
  order = {
   "type": "sell",
   "code": code,
   "date": self.ctx.now,
   "ttl": ttl,
   "shares": shares,
   "price": price,
   "deal_lst": []
  }
  self.submit(order)
  return order

由于我很討厭抽象出太多類,抽象出太多類及方法,我怕我自己都忘記了,所以對(duì)于對(duì)象的選擇都是盡可能的使用常用的數(shù)據(jù)結(jié)構(gòu),如list, dict.

這里用一個(gè)dict代表一個(gè)訂單。

上面的這些方法保證了一個(gè)回測(cè)框架的基本交易邏輯,而回測(cè)的運(yùn)行還需要一個(gè)調(diào)度器不斷的驅(qū)動(dòng)這些方法,這里的調(diào)度器如下。

class Scheduler(object):
 """

    整個(gè)回測(cè)過(guò)程中的調(diào)度中心, 通過(guò)一個(gè)個(gè)時(shí)間刻度(tick)來(lái)驅(qū)動(dòng)回測(cè)邏輯

    所有被調(diào)度的對(duì)象都會(huì)綁定一個(gè)叫做ctx的Context對(duì)象,由于共享整個(gè)回測(cè)過(guò)程中的所有關(guān)鍵數(shù)據(jù),
    可用變量包括:

        ctx.feed: {code1: pd.DataFrame, code2: pd.DataFrame}對(duì)象
        ctx.now: 循環(huán)所處時(shí)間
        ctx.tick_data: 循環(huán)所處時(shí)間的所有有報(bào)價(jià)的股票報(bào)價(jià)
        ctx.trade_cal: 交易日歷
        ctx.broker: Broker對(duì)象
        ctx.bt/ctx.backtest: Backtest對(duì)象

    可用方法:    

 ctx.get_hist
 """
 def __init__(self):
  """"""
  self.ctx = Context()
  self._pre_hook_lst = []
  self._post_hook_lst = []
  self._runner_lst = []
 def run(self):
  # runner指存在可調(diào)用的initialize, finish, run(tick)的對(duì)象
  runner_lst = list(chain(self._pre_hook_lst, self._runner_lst, self._post_hook_lst))
  # 循環(huán)開(kāi)始前為broker, backtest, hook等實(shí)例綁定ctx對(duì)象及調(diào)用其initialize方法
  for runner in runner_lst:
   runner.ctx = self.ctx
   runner.initialize()
  # 創(chuàng)建交易日歷
  if "trade_cal" not in self.ctx:
   df = list(self.ctx.feed.values())[0]
   self.ctx["trade_cal"] = df.index
  # 通過(guò)遍歷交易日歷的時(shí)間依次調(diào)用runner
  # 首先調(diào)用所有pre-hook的run方法
  # 然后調(diào)用broker,backtest的run方法
  # 最后調(diào)用post-hook的run方法
  for tick in self.ctx.trade_cal:
   self.ctx.set_currnet_time(tick)
   for runner in runner_lst:
    runner.run(tick)
  # 循環(huán)結(jié)束后調(diào)用所有runner對(duì)象的finish方法
  for runner in runner_lst:
   runner.finish()

在Backtest類實(shí)例化的時(shí)候就會(huì)自動(dòng)創(chuàng)建一個(gè)調(diào)度器對(duì)象,然后通過(guò)Backtest實(shí)例的start方法就能啟動(dòng)調(diào)度器,而調(diào)度器會(huì)根據(jù)歷史數(shù)據(jù)的一個(gè)一個(gè)時(shí)間戳不斷驅(qū)動(dòng)Backtest, Broker實(shí)例被調(diào)用。

為了處理不同實(shí)例之間的數(shù)據(jù)訪問(wèn)隔離,所以通過(guò)一個(gè)將一個(gè)Context對(duì)象綁定到Backtest, Broker實(shí)例上,通過(guò)self.ctx訪問(wèn)共享的數(shù)據(jù),共享的數(shù)據(jù)主要包括feed對(duì)象,即歷史數(shù)據(jù),一個(gè)數(shù)據(jù)結(jié)構(gòu)如下的字典對(duì)象。

{code1: pd.DataFrame, code2: pd.DataFrame}

而這個(gè)Context對(duì)象也綁定了Broker, Backtest的實(shí)例, 這就可以使得數(shù)據(jù)訪問(wèn)接口統(tǒng)一,但是可能導(dǎo)致數(shù)據(jù)訪問(wèn)混亂,這就要看策略者的使用了,這樣的一個(gè)好處就是減少了一堆代理方法,通過(guò)添加方法去訪問(wèn)其他的對(duì)象的方法,真不嫌麻煩,那些人。

綁定及Context對(duì)象代碼如下:

class Context(UserDict):
 def __getattr__(self, key):
  # 讓調(diào)用這可以通過(guò)索引或者屬性引用皆可
  return self[key]
 def set_currnet_time(self, tick):
  self["now"] = tick
  tick_data = {}
  # 獲取當(dāng)前所有有報(bào)價(jià)的股票報(bào)價(jià)
  for code, hist in self["feed"].items():
   df = hist[hist.index == tick]
   if len(df) == 1:
    tick_data[code] = df.iloc[-1]
  self["tick_data"] = tick_data
 def get_hist(self, code=None):
  """如果不指定code, 獲取截至到當(dāng)前時(shí)間的所有股票的歷史數(shù)據(jù)"""
  if code is None:
   hist = {}
   for code, hist in self["feed"].items():
    hist[code] = hist[hist.index <= self.now]
  elif code in self.feed:
   return {code: self.feed[code]}
  return hist
class Scheduler(object):
 """

    整個(gè)回測(cè)過(guò)程中的調(diào)度中心, 通過(guò)一個(gè)個(gè)時(shí)間刻度(tick)來(lái)驅(qū)動(dòng)回測(cè)邏輯

    所有被調(diào)度的對(duì)象都會(huì)綁定一個(gè)叫做ctx的Context對(duì)象,由于共享整個(gè)回測(cè)過(guò)程中的所有關(guān)鍵數(shù)據(jù),

    可用變量包括:

  ctx.feed: {code1: pd.DataFrame, code2: pd.DataFrame}對(duì)象
  ctx.now: 循環(huán)所處時(shí)間
  ctx.tick_data: 循環(huán)所處時(shí)間的所有有報(bào)價(jià)的股票報(bào)價(jià)
  ctx.trade_cal: 交易日歷
  ctx.broker: Broker對(duì)象
  ctx.bt/ctx.backtest: Backtest對(duì)象

    可用方法:

   

  ctx.get_hist
 """
 def __init__(self):
  """"""
  self.ctx = Context()
  self._pre_hook_lst = []
  self._post_hook_lst = []
  self._runner_lst = []
 def add_feed(self, feed):
  self.ctx["feed"] = feed
 def add_hook(self, hook, typ="post"):
  if typ == "post" and hook not in self._post_hook_lst:
   self._post_hook_lst.append(hook)
  elif typ == "pre" and hook not in self._pre_hook_lst:
   self._pre_hook_lst.append(hook)
 def add_broker(self, broker):
  self.ctx["broker"] = broker
 def add_backtest(self, backtest):
  self.ctx["backtest"] = backtest
  # 簡(jiǎn)寫
  self.ctx["bt"] = backtest
 def add_runner(self, runner):
  if runner in self._runner_lst:
   return
  self._runner_lst.append(runner)

為了使得整個(gè)框架可擴(kuò)展,回測(cè)框架中框架中抽象了一個(gè)Hook類,這個(gè)類可以在在每次回測(cè)框架調(diào)用前或者調(diào)用后被調(diào)用,這樣就可以加入一些處理邏輯,比如統(tǒng)計(jì)資產(chǎn)變化等。

這里創(chuàng)建了一個(gè)Stat的Hook對(duì)象,用于統(tǒng)計(jì)資產(chǎn)變化。

class Stat(Base):
  def __init__(self):
    self._date_hist = []
    self._cash_hist = []
    self._stk_val_hist = []
    self._ast_val_hist = []
    self._returns_hist = []

  def run(self, tick):
    self._date_hist.append(tick)
    self._cash_hist.append(self.ctx.broker.cash)
    self._stk_val_hist.append(self.ctx.broker.stock_value)
    self._ast_val_hist.append(self.ctx.broker.assets_value)

  @property
  def data(self):
    df = pd.DataFrame({"cash": self._cash_hist,
              "stock_value": self._stk_val_hist,
              "assets_value": self._ast_val_hist}, index=self._date_hist)
    df.index.name = "date"
    return df

而通過(guò)這些統(tǒng)計(jì)的數(shù)據(jù)就可以計(jì)算最大回撤年化率等。

def get_dropdown(self):
    high_val = -1
    low_val = None
    high_index = 0
    low_index = 0
    dropdown_lst = []
    dropdown_index_lst = []
    for idx, val in enumerate(self._ast_val_hist):
      if val >= high_val:
        if high_val == low_val or high_index >= low_index:
          high_val = low_val = val
          high_index = low_index = idx
          continue
        dropdown = (high_val - low_val) / high_val
        dropdown_lst.append(dropdown)
        dropdown_index_lst.append((high_index, low_index))
        high_val = low_val = val
        high_index = low_index = idx
      if low_val is None:
        low_val = val
        low_index = idx
      if val < low_val:
        low_val = val
        low_index = idx
    if low_index > high_index:
      dropdown = (high_val - low_val) / high_val
      dropdown_lst.append(dropdown)
      dropdown_index_lst.append((high_index, low_index))
    return dropdown_lst, dropdown_index_lst
  @property
  def max_dropdown(self):
    """最大回車率"""
    dropdown_lst, dropdown_index_lst = self.get_dropdown()
    if len(dropdown_lst) > 0:
      return max(dropdown_lst)
    else:
      return 0
  @property
  def annual_return(self):
    """
    年化收益率
    y = (v/c)^(D/T) - 1
    v: 最終價(jià)值
    c: 初始價(jià)值
    D: 有效投資時(shí)間(365)

        注: 雖然投資股票只有250天,但是持有股票后的非交易日也沒(méi)辦法投資到其他地方,所以這里我取365

        參考: https://wiki.mbalib.com/zh-tw/%E5%B9%B4%E5%8C%96%E6%94%B6%E7%9B%8A%E7%8E%87

    """
    D = 365
    c = self._ast_val_hist[0]
    v = self._ast_val_hist[-1]
    days = (self._date_hist[-1] - self._date_hist[0]).days
    ret = (v / c) ** (D / days) - 1
    return ret

至此一個(gè)筆者需要的回測(cè)框架形成了。

交易歷史數(shù)據(jù)

在回測(cè)框架中我并沒(méi)有集成各種獲取數(shù)據(jù)的方法,因?yàn)檫@并不是回測(cè)框架必須集成的部分,規(guī)定數(shù)據(jù)結(jié)構(gòu)就可以了,數(shù)據(jù)的獲取通過(guò)查看數(shù)據(jù)篇,

回測(cè)報(bào)告

回測(cè)報(bào)告我也放在了回測(cè)框架之外,這里寫了一個(gè)Plottter的對(duì)象用于繪制一些回測(cè)指標(biāo)等。結(jié)果如下:


回測(cè)示例

下面是一個(gè)回測(cè)示例。

import json
from backtest import BackTest
from reporter import Plotter
class MyBackTest(BackTest):
  def initialize(self):
    self.info("initialize")
  def finish(self):
    self.info("finish")
  def on_tick(self, tick):
    tick_data = self.ctx["tick_data"]
    for code, hist in tick_data.items():
      if hist["ma10"] > 1.05 * hist["ma20"]:
        self.ctx.broker.buy(code, hist.close, 500, ttl=5)
      if hist["ma10"] < hist["ma20"] and code in self.ctx.broker.position:
        self.ctx.broker.sell(code, hist.close, 200, ttl=1)
if __name__ == '__main__':
  from utils import load_hist
  feed = {}
  for code, hist in load_hist("000002.SZ"):
    # hist = hist.iloc[:100]
    hist["ma10"] = hist.close.rolling(10).mean()
    hist["ma20"] = hist.close.rolling(20).mean()
    feed[code] = hist
  mytest = MyBackTest(feed)
  mytest.start()
  order_lst = mytest.ctx.broker.order_hist_lst
  with open("report/order_hist.json", "w") as wf:
    json.dump(order_lst, wf, indent=4, default=str)
  stats = mytest.stat
  stats.data.to_csv("report/stat.csv")
  print("策略收益: {:.3f}%".format(stats.total_returns * 100))
  print("最大回徹率: {:.3f}% ".format(stats.max_dropdown * 100))
  print("年化收益: {:.3f}% ".format(stats.annual_return * 100))
  print("夏普比率: {:.3f} ".format(stats.sharpe))
  plotter = Plotter(feed, stats, order_lst)
  plotter.report("report/report.png")

項(xiàng)目地址

https://github.com/youerning/stock_playground

總結(jié)

以上所述是小編給大家介紹的用Python徒手?jǐn)]一個(gè)股票回測(cè)框架,希望對(duì)大家有所幫助,如果大家有任何疑問(wèn)請(qǐng)給我留言,小編會(huì)及時(shí)回復(fù)大家的。在此也非常感謝大家對(duì)腳本之家網(wǎng)站的支持!
如果你覺(jué)得本文對(duì)你有幫助,歡迎轉(zhuǎn)載,煩請(qǐng)注明出處,謝謝!

相關(guān)文章

  • python中的腳本性能分析

    python中的腳本性能分析

    這篇文章主要介紹了python中的腳本性能分析,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2022-11-11
  • python實(shí)現(xiàn)在內(nèi)存中讀寫str和二進(jìn)制數(shù)據(jù)代碼

    python實(shí)現(xiàn)在內(nèi)存中讀寫str和二進(jìn)制數(shù)據(jù)代碼

    這篇文章主要介紹了python實(shí)現(xiàn)在內(nèi)存中讀寫str和二進(jìn)制數(shù)據(jù)代碼,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2020-04-04
  • python利用dir函數(shù)查看類中所有成員函數(shù)示例代碼

    python利用dir函數(shù)查看類中所有成員函數(shù)示例代碼

    這篇文章主要給大家介紹了關(guān)于python如何利用dir函數(shù)查看類中所有成員函數(shù)的相關(guān)資料,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家學(xué)習(xí)或者使用python具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)下吧。
    2017-09-09
  • 使用PyCharm調(diào)試程序?qū)崿F(xiàn)過(guò)程

    使用PyCharm調(diào)試程序?qū)崿F(xiàn)過(guò)程

    這篇文章主要介紹了使用PyCharm調(diào)試程序?qū)崿F(xiàn)過(guò)程,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2022-11-11
  • Python生成器的使用方法和示例代碼

    Python生成器的使用方法和示例代碼

    今天小編就為大家分享一篇關(guān)于Python生成器的使用方法和示例代碼,小編覺(jué)得內(nèi)容挺不錯(cuò)的,現(xiàn)在分享給大家,具有很好的參考價(jià)值,需要的朋友一起跟隨小編來(lái)看看吧
    2019-03-03
  • 最好的Python DateTime 庫(kù)之 Pendulum 長(zhǎng)篇解析

    最好的Python DateTime 庫(kù)之 Pendulum 長(zhǎng)篇解析

    datetime 模塊是 Python 中最重要的內(nèi)置模塊之一,它為實(shí)際編程問(wèn)題提供許多開(kāi)箱即用的解決方案,非常靈活和強(qiáng)大。例如,timedelta 是我最喜歡的工具之一
    2021-11-11
  • python3.6+selenium實(shí)現(xiàn)操作Frame中的頁(yè)面元素

    python3.6+selenium實(shí)現(xiàn)操作Frame中的頁(yè)面元素

    這篇文章主要為大家詳細(xì)介紹了python3.6+selenium實(shí)現(xiàn)操作Frame中的頁(yè)面元素,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2019-07-07
  • Python selenium 加載并保存QQ群成員,去除其群主、管理員信息的示例代碼

    Python selenium 加載并保存QQ群成員,去除其群主、管理員信息的示例代碼

    這篇文章主要介紹了Python selenium 加載并保存QQ群成員 去除其群主、管理員信息的示例代碼,本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友參考下吧
    2020-05-05
  • 基于Django框架的權(quán)限組件rbac實(shí)例講解

    基于Django框架的權(quán)限組件rbac實(shí)例講解

    今天小編就為大家分享一篇基于Django框架的權(quán)限組件rbac實(shí)例講解,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2019-08-08
  • python 命名規(guī)范知識(shí)點(diǎn)匯總

    python 命名規(guī)范知識(shí)點(diǎn)匯總

    這里給大家分享的是在python開(kāi)發(fā)過(guò)程中需要注意的命名的規(guī)范的知識(shí)匯總,有需要的小伙伴可以查看下
    2020-02-02

最新評(píng)論