|
對量化交易感興趣的同學，對于回測系統肯定不陌生。以quantopian為藍本的回測平臺，國內已經一抓一把，那為什么還需要從頭實現一個系統？而且，什么是“搭積木式實現策略”呢？ 對比現存的量化平臺，實現如下價值： 1，市面上量化系統引擎是黑盒（當然大部分是zipline——代碼是開源的，但可讀性一般），從頭實現可以做到知其然更知其所以然。 2，擁有自己的，代碼易讀性的系統，不用擔心策略泄漏。 3，提供一個構架清晰且易擴展的系統。 4，”積木式“寫策略，避免市面上那些冗長的模板代碼——這個是本系統的亮點之一。 5，下一步會擴展到深度強化學習、機器學習自動調參等。 系統運行示例 ”積木式“策略示例，如下實現“買入并持有”和“均線交叉”策略： buy_and_hold = Strategy([ RunOnce(), PrintBar(), SelectAll(), WeighEqually(), ],name='買入并持有-基準策略') long_expr ='cross_up(ma(close,5),ma(close,10))' flat_expr ='cross_down(ma(close,5),ma(close,10))' ma_cross = Strategy([ SelectByExpr(long_expr=long_expr,flat_expr=flat_expr), WeighEqually(), ],name='均線交叉策略') 幾乎沒有模板代碼，沒用調用api對不對？是的，就是這樣，我們把大量常用的算法都以模塊的形式，變成一個小小算法模塊，我們按照自己的策略想法，按需把積木搭起來就好了，簡單而且不容易出錯，基本是不需要調試的！
運行狀態截圖
策略指標
策略繪圖 背景說明 隨著機器學習，人工智能的火熱，AI+金融受到了很多關注。alpha go大敗李世石之后，master再次完勝柯潔，人們自然而然會想，如果把前沿AI技術應用到“離錢最近”的金融證券投資會取得什么樣的效果呢？ Quant涉及很多的基礎知識，包括金融學，投資學，經濟學，數學，統計學，甚至物理學，心理學等等，Quant系統也很復雜，由從多子系統構成。而量化回測系統（Backtesting）幾乎是Quant系統里，最為基礎且最為重要的一環。 什么是回測系統？ 量化交易，就是計算機按指定的策略，產生特定的交易信號。因為二級市場所有歷史數據、財務數據都是可獲得的，既然是計算機進行操作，就很容易對整個交易進行復盤。好比我們玩撲克牌或者“狼人殺游戲”，在一局結束，總有自認邏輯嚴密的人喜歡對游戲過程進行復盤，剛哪里可以做得更好，分析出了什么問題，確保后續如何優先，調整和提高。這就是“回測”系統的價值。 回測系統至少有如下優點： 一、回測系統幾乎是無代價的，我們可以調整參數，或者各種創造性的想法，這個系統會告訴你，在過往一段時間（比如一年），假如你真的這么交易了，收益率，風險，最大回撤是多少。這就避免我們花大量真金白銀去市場上買教訓。 二、更重要的事，節省時間，你可以在幾分鐘內模擬幾個股市周期，穿越牛熊。你如果要想經歷幾個股市周期，那估計是以10年甚至更長的時間維度來計算，但對于量化回測引擎，幾秒鐘就可以告訴你結果，且沒有產生實質的損失。 量化回測系統對于初學者是神秘的，但其原理并不復雜。此系列文章的目的，就是帶著大家，用python從零實現一個量化回測系統。 量化回測系統總體架構一覽： SymbolBroker —— 記錄單支證券交易詳情，包括持倉情況（position），交易傭金(Commission)，證券的收盤價（Close）。投資組合（Portfolio）會根據外部給出的交易指令，調用SymbolBroker的接口，去更改該證券的持倉情況，并計算交易所產生的傭金。 Portfolio —— 記錄整個投資組合交易詳情，包含組合的總市值（total）,現金余額（cash）,交易傭金，同時維護一個SymbolBroker的dict，包含所有的證券的SymbolBroker。每一期，會根據傳入的FLAT(平倉)列表，把相應的證券平倉，同時根據需要持倉的證券的比例，將現金余額按指定的比例分配到對應的證券上。 TradingEnv —— 交易環境，根據策略(Strategy)產生的指令，調用Portfolio更新持倉組合情況。 DataFeed —— 數據獲取，目前支持quandl平臺的美股數據。 Strategy —— 策略，執行相應的“積木”模塊化的算法集合。 Algo —— 算法基類，用戶可以自行定義所需的算法模式。系統已經內置了許多常用的模塊，包括執行頻率，比如執行一次，按周執行，按月執行；資金分配模塊，按信號產生交易指令模塊等。 這就是系統的核心組件了，其中TradingEnv是系統的最外層。
外層循環
項目在github上開源，歡迎star。github項目-量化回測系統 |
|
|
