自己做量化交易软件(43)小白量化实战16--利用小白量化金融模块在恒生PTrade交易系统(交易端)上仿大智慧指标回测及实战交易设计
Posted 荷蒲
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了自己做量化交易软件(43)小白量化实战16--利用小白量化金融模块在恒生PTrade交易系统(交易端)上仿大智慧指标回测及实战交易设计相关的知识,希望对你有一定的参考价值。
自己做量化交易软件(43)小白量化实战16–利用小白量化金融模块在恒生PTrade交易系统(交易端)上仿大智慧指标回测及实战交易设计
量化产品PTrade(Personalise Trade)交易系统采用事件驱动式回测平台,与聚宽量化平台类似的量化框架,内置Ta-lib金融模块,除了Ta-lib提供的金融指标外,用户无法直接使用仿大智慧自编公式,需要采用类似C++的算法来实现指标策略。
众所周知,Python如何使用C++的程序算法流程,包含大量嵌套循环,效率极其低下。以此方法实现的自编策略,回测1个月,可能需要数小时才能完成。因此在做设计策略时,尽量依赖C++的Python模块开发的numpy和pandas库实现,同样的回测工作,数十秒完成。
小白量化金融模块仿大智慧指标系统,主要依赖numpy库和pandas库,因此计算速度很快。此外后期版本将一些numpy库和pandas库没有的大智慧和通达信函数都转化为C++的Python模块,提高仿大智慧和仿通达信自编指标回测速度,也可以实现因子矩阵自编公式运算。目前是个别函数以Python代码实现的,使用这些函数调用,将降低回测速度,例如SMA(),WMA(),ZIG()等函数,这些是用纯Python代码实现的,因使用了嵌套循环计算,所以速度比较慢。后期计划都转化为C++的Python模块,达到与numpy库和pandas库一样的计算速度。
其他不多说了,下面直接给出PTrade(Personalise Trade)交易系统上自编公式MACD交易策略的实现代码,读者可以仿造此程序,替换为自己的自编指标公式,在PTrade上实现仿大智慧和仿通达信自编指标回测和实战交易。
import pandas as pd
import numpy as np
global CLOSE,LOW,HIGH,OPEN,VOL
global C,L,H,O,V
##从小白量化公式函数库中复制.
## 函数来源 HP_formula
def ABS(Series): #绝对值
return abs(Series)
def SUM(Series, N):
if N<=0:
N=len(Series)
sum_=pd.Series.rolling(Series, N).sum()
return pd.Series(sum_,name='sums')
def EMA(Series, N):
return pd.Series.ewm(Series, span=N, min_periods=N - 1, adjust=True).mean()
def HHV(Series, N):
if N==0:
return Series.cummax()
else:
return pd.Series(Series).rolling(N).max()
def LLV(Series, N):
if N==0:
return Series.cummin()
else:
return pd.Series(Series).rolling(N).min()
def CROSS(A, B):
A2=np.array(A)
var = np.where(A2<B, 1, 0)
return (pd.Series(var, index=A.index).diff()<0).apply(int)
def IF(COND, V1, V2):
var = np.where(COND, V1, V2)
return pd.Series(var)
def REF(Series, N,sign=0):
#sign=1表示保留数据,并延长序列
if sign==1:
for i in range(N):
Series=Series.append(pd.Series([0],index=[len(Series)+1]))
return Series.shift(N)
#来源于网上自编指标公式,或股票软件中公式源代码
#MACD 指数平滑移动平均线
def MACD(SHORT=12, LONG=26, M=9):
"""
MACD 指数平滑移动平均线
"""
DIFF = EMA(CLOSE, SHORT) - EMA(CLOSE, LONG)
DEA = EMA(DIFF, M)
MACD = (DIFF - DEA) * 2
return DIFF,DEA,MACD
#Ptrade交易策略编写
def initialize(context):
# 初始化此策略
# 设置我们要操作的股票池, 这里我们只操作一支股票
g.security = '600519.SS'
set_universe(g.security)
#当五日均线高于十日均线时买入,当五日均线低于十日均线时卖出
def handle_data(context, data):
global CLOSE,LOW,HIGH,OPEN,VOL
security = g.security
# 得到十日前的历史价格
mydf= get_price(g.security, count=300, frequency='1d',fields=['open','close','low','high','volume'])
#小白量化数据规格化
mydf['date']=mydf.index
mydf=mydf.reset_index(level=None, drop=True ,col_level=0, col_fill='')
CLOSE=mydf['close']
LOW=mydf['low']
HIGH=mydf['high']
OPEN=mydf['open']
VOL=mydf['volume']
#计算MACD指标
diff,dea,macd=MACD()
mydf['diff']=diff
mydf['dea']=dea
mydf['macd']=macd
#交易策略,仅供演示
#买点:MACD指标diff上穿dea数值,并且diff小于0
mydf['B']=CROSS(mydf['diff'],mydf['dea'])*IF(mydf['diff']<0,1,0)
#卖点:MACD指标diff下穿dea数值
mydf['S']=CROSS(mydf['dea'],mydf['diff'])
# 取得昨天收盘价
price = data[security]['close']
# 得到当前资金余额
cash = context.portfolio.cash
# 如果出现买点
if mydf['B'].iloc[-1] > 0:
# 用所有 cash 买入股票
order_value(security, cash)
# 记录这次买入
log.info("Buying %s" % (security))
# 如果出现卖点
elif mydf['S'].iloc[-1]>0 and get_position(security).amount > 0:
# 全部卖出
order_target(security, 0)
# 记录这次卖出
log.info("Selling %s" % (security))
程序回测结果如下图.
在PTrade交易软件上回测,如果没问题,能够赢利,可以直接启动策略交易进行交易实战。
请持续关注我的博客,我的进步,就是你的进步!
以上是关于自己做量化交易软件(43)小白量化实战16--利用小白量化金融模块在恒生PTrade交易系统(交易端)上仿大智慧指标回测及实战交易设计的主要内容,如果未能解决你的问题,请参考以下文章
自己做量化交易软件(43)小白量化实战16--利用小白量化金融模块在恒生PTrade交易系统(交易端)上仿大智慧指标回测及实战交易设计
自己做量化交易软件(44)小白量化实战17--利用小白量化金融模块在迅投QMT极速策略交易系统上仿大智慧指标回测及实战交易设计
自己做量化交易软件(44)小白量化实战17--利用小白量化金融模块在迅投QMT极速策略交易系统上仿大智慧指标回测及实战交易设计
自己做量化交易软件(44)小白量化实战17--利用小白量化金融模块在迅投QMT极速策略交易系统上仿大智慧指标回测及实战交易设计