重庆分公司,新征程启航
为企业提供网站建设、域名注册、服务器等服务
之前VNPY 1版本中,我的个人代码很多是直接在VNPY库代码直接修改或者增加的。每次VNPY升级就是非常头疼,要做代码对比,在一些可能被更新覆盖的地方再次维护测试。而且因为更新的地方很乱,造成后面生产版本一致停留在VNPY1.92。
成都创新互联提供成都网站建设、做网站、网页设计,品牌网站制作,广告投放等致力于企业网站建设与公司网站制作,十余年的网站开发和建站经验,助力企业信息化建设,成功案例突破上千家,是您实现网站建设的好选择.
这次准备不在VNPY的库文件代码上修改,而是像引用NUMPY或者Pandas这样,采用调用继承的方式,把自己的代码和VNPY的库代码隔离;这样即使VNPY升级,个人代码不用太担心,只要简单测试,保证继承引用VNPY的类或方法正常工作就可以了。
也是之前VNPY 1版本实现的功能,批量回测,结果Excel导出。这次支持策略参数用Json或Excel导入,同时支持多个策略的组合portfolio收益计算;其实都是VNPY2提供好的,调用而已。只要VNPY2.0 正确安装,历史数据存在,这些代码就可以运行。
代码包括这几个文件:
- BatchCTABacktesting.py:批量回测代码文件,在这个代码里面定义和下面个关联文件路径,默认路径都在一个文件夹。
- vtSymbol.json:这个是定义品种交易属性,回测时候从vtSymbol.json文档读取品种的交易属性,比如费率,交易每跳,比率,滑点;这样不用在回测时候维护。示例格式如下;有心的可以改成通配符,这样减少维护量。
{ "MA2009.CZCE": { "rate": 0.0001, "slippage": 1, "size": 10, "pricetick": 1 }, "rb2010.SHFE": { "rate": 0.0001, "slippage": 1, "size": 10, "pricetick": 1 } }
- ctaStrategy.json:定义要批量回测策略,其实和VNPY2默认的CTA策略文件是一样的,这样就可以直接用实盘CTA策略文件进行批量回测了,或着计算组合收益。示例格式如下:
{ "BollChannelStrategy_MA8888.CZCE": { "class_name": "BollChannelStrategy", "vt_symbol": "MA8888.CZCE", "setting": { "boll_window": 40, "boll_dev": 3 } }, "DoubleMaStrategy2_CTA_rb8888.SHFE": { "class_name": "DoubleMaStrategy", "vt_symbol": "rb8888.SHFE", "setting": { "fast_window": 10, "slow_window": 40 } }
- ctaStrategy.xls:用xls格式定义的批量回测数据,示例格式如下;有三列, class_name是策略类, setting是参数,v t_symbol是品种。主要是有时候用excel做策略批量维护或者生成,然后就可以直接批量回测了。
class_name | setting | vt_symbol |
AtrRsiStrategy | {"atr_length": 10, "atr_ma_length": 50} | MA8888.CZCE |
DoubleMaStrategy | {"fast_window": 10, "slow_window": 40} | rb8888.SHFE |
现在回来看看代码。其实注释都比较清楚了。注意的几点是
策略类是用字符串格式记录的,然后用eval方法关联类,所以必须引用,虽然编辑器提示未使用
在excel保存setting必须双引号,因为json文件默认只能识别双引号。
批量回测结果会用excel输出,示例就是这样。
默认json导入会计算组合收入,excel不会计算组合收益,可以直接修改代码。
# encoding: UTF-8 import json import traceback from datetime import datetime, date import pandas as pd from pandas import DataFrame from vnpy.app.cta_strategy.backtesting import BacktestingEngine # 策略类是用字符串格式记录的,然后用eval方法关联类,所以必须引用,虽然编辑器提示未使用 from vnpy.app.cta_strategy.strategies.boll_channel_strategy import BollChannelStrategy from vnpy.app.cta_strategy.strategies.turtle_signal_strategy import TurtleSignalStrategy from vnpy.app.cta_strategy.strategies.double_ma_strategy import DoubleMaStrategy class BatchCTABackTest: """ 提供批量CTA策略回测,输出结果到excel或pdf,和CTA策略批量优化,输出结果到excel或pdf, """ def __init__(self, vtSymbolconfig="vtSymbol.json", exportpath=".\\"): """ 加载配置路径 """ config = open(vtSymbolconfig) self.setting = json.load(config) self.exportpath = exportpath def addParameters(self, engine, vt_symbol: str, startDate, endDate, interval="1m", capital=1_000_000): """ 从vtSymbol.json文档读取品种的交易属性,比如费率,交易每跳,比率,滑点 """ if vt_symbol in self.setting: engine.set_parameters( vt_symbol=vt_symbol, interval=interval, start=startDate, end=endDate, rate=self.setting[vt_symbol]["rate"], slippage=self.setting[vt_symbol]["slippage"], size=self.setting[vt_symbol]["size"], pricetick=self.setting[vt_symbol]["pricetick"], capital=capital ) else: print("symbol %s hasn't be maintained in config file" % vt_symbol) return engine def runBatchTest(self, strategy_setting, startDate, endDate, portfolio): """ 进行回测 """ resultDf = DataFrame() dfportfolio = None for strategy_name, strategy_config in strategy_setting.items(): engine = BacktestingEngine() vt_symbol = strategy_config["vt_symbol"] engine = self.addParameters(engine, vt_symbol, startDate, endDate) if type(strategy_config["setting"]) is str: print(strategy_config["setting"]) engine.add_strategy( eval(strategy_config["class_name"]), json.loads(strategy_config["setting"], ) ) else: engine.add_strategy( eval(strategy_config["class_name"]), strategy_config["setting"] ) engine.load_data() engine.run_backtesting() df = engine.calculate_result() if portfolio == True: if dfportfolio is None: dfportfolio = df else: dfportfolio = dfportfolio + df resultDict = engine.calculate_statistics(df, False) resultDict["class_name"] = strategy_config["class_name"] resultDict["setting"] = strategy_config["setting"] resultDict["vt_symbol"] = strategy_config["vt_symbol"] resultDf = resultDf.append(resultDict, ignore_index=True) if portfolio == True: # dfportfolio = dfportfolio.dropna() engine = BacktestingEngine() engine.calculate_statistics(dfportfolio) engine.show_chart(dfportfolio) return resultDf def runBatchTestJson(self, jsonpath="ctaStrategy.json", startDate=datetime(2019, 7, 1), endDate=datetime(2020, 1, 1), exporpath=None, portfolio=True): """ 从ctaStrategy.json去读交易策略和参数,进行回测 """ with open(jsonpath, mode="r", encoding="UTF-8") as f: strategy_setting = json.load(f) resultDf = self.runBatchTest(strategy_setting, startDate, endDate, portfolio) self.ResultExcel(resultDf, exporpath) return strategy_setting def runBatchTestExcecl(self, path="ctaStrategy.xls", startDate=datetime(2019, 7, 1), endDate=datetime(2020, 1, 1), exporpath=None, portfolio=False): """ 从ctaStrategy.excel去读交易策略和参数,进行回测 """ df = pd.read_excel(path) strategy_setting = df.to_dict(orient='index') resultDf = self.runBatchTest(strategy_setting, startDate, endDate, portfolio) self.ResultExcel(resultDf, exporpath) return strategy_setting def ResultExcel(self, result, export=None): """ 输出交易结果到excel """ if export != None: exportpath = export else: exportpath = self.exportpath try: path = exportpath + "CTABatch" + str(date.today()) + "v0.xls" result.to_excel(path, index=False) print("CTA Batch result is export to %s" % path) except: print(traceback.format_exc()) return None if __name__ == '__main__': bts = BatchCTABackTest() bts.runBatchTestJson()
最后可以去我的Github下载代码,比较方便
https://github.com/BillyZhangGuoping/VNPY2_BILLY