[Add] examples folder
This commit is contained in:
vn.py
parent
40bd01fdff
commit
58a9f56072
93
examples/cta_backtesting/backtesting.ipynb
Normal file
93
examples/cta_backtesting/backtesting.ipynb
Normal file
@ -0,0 +1,93 @@
|
|||||||
|
{
|
||||||
|
"cells": [
|
||||||
|
{
|
||||||
|
"cell_type": "code",
|
||||||
|
"execution_count": null,
|
||||||
|
"metadata": {},
|
||||||
|
"outputs": [],
|
||||||
|
"source": [
|
||||||
|
"#%%\n",
|
||||||
|
"from vnpy.app.cta_strategy.backtesting import BacktestingEngine, OptimizationSetting\n",
|
||||||
|
"from vnpy.app.cta_strategy.strategies.atr_rsi_strategy import (\n",
|
||||||
|
" AtrRsiStrategy,\n",
|
||||||
|
")\n",
|
||||||
|
"from datetime import datetime"
|
||||||
|
]
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"cell_type": "code",
|
||||||
|
"execution_count": null,
|
||||||
|
"metadata": {},
|
||||||
|
"outputs": [],
|
||||||
|
"source": [
|
||||||
|
"#%%\n",
|
||||||
|
"engine = BacktestingEngine()\n",
|
||||||
|
"engine.set_parameters(\n",
|
||||||
|
" vt_symbol=\"IF88.CFFEX\",\n",
|
||||||
|
" interval=\"1m\",\n",
|
||||||
|
" start=datetime(2019, 1, 1),\n",
|
||||||
|
" end=datetime(2019, 4, 30),\n",
|
||||||
|
" rate=0.3/10000,\n",
|
||||||
|
" slippage=0.2,\n",
|
||||||
|
" size=300,\n",
|
||||||
|
" pricetick=0.2,\n",
|
||||||
|
" capital=1_000_000,\n",
|
||||||
|
")\n",
|
||||||
|
"engine.add_strategy(AtrRsiStrategy, {})"
|
||||||
|
]
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"cell_type": "code",
|
||||||
|
"execution_count": null,
|
||||||
|
"metadata": {
|
||||||
|
"scrolled": false
|
||||||
|
},
|
||||||
|
"outputs": [],
|
||||||
|
"source": [
|
||||||
|
"#%%\n",
|
||||||
|
"engine.load_data()\n",
|
||||||
|
"engine.run_backtesting()\n",
|
||||||
|
"df = engine.calculate_result()\n",
|
||||||
|
"engine.calculate_statistics()\n",
|
||||||
|
"engine.show_chart()"
|
||||||
|
]
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"cell_type": "code",
|
||||||
|
"execution_count": null,
|
||||||
|
"metadata": {
|
||||||
|
"scrolled": true
|
||||||
|
},
|
||||||
|
"outputs": [],
|
||||||
|
"source": [
|
||||||
|
"setting = OptimizationSetting()\n",
|
||||||
|
"setting.set_target(\"sharpe_ratio\")\n",
|
||||||
|
"setting.add_parameter(\"atr_length\", 3, 39, 1)\n",
|
||||||
|
"setting.add_parameter(\"atr_ma_length\", 10, 30, 1)\n",
|
||||||
|
"\n",
|
||||||
|
"engine.run_ga_optimization(setting)"
|
||||||
|
]
|
||||||
|
}
|
||||||
|
],
|
||||||
|
"metadata": {
|
||||||
|
"kernelspec": {
|
||||||
|
"display_name": "Python 3",
|
||||||
|
"language": "python",
|
||||||
|
"name": "python3"
|
||||||
|
},
|
||||||
|
"language_info": {
|
||||||
|
"codemirror_mode": {
|
||||||
|
"name": "ipython",
|
||||||
|
"version": 3
|
||||||
|
},
|
||||||
|
"file_extension": ".py",
|
||||||
|
"mimetype": "text/x-python",
|
||||||
|
"name": "python",
|
||||||
|
"nbconvert_exporter": "python",
|
||||||
|
"pygments_lexer": "ipython3",
|
||||||
|
"version": "3.7.1"
|
||||||
|
}
|
||||||
|
},
|
||||||
|
"nbformat": 4,
|
||||||
|
"nbformat_minor": 2
|
||||||
|
}
|
||||||
@ -1,279 +0,0 @@
|
|||||||
{
|
|
||||||
"cells": [
|
|
||||||
{
|
|
||||||
"cell_type": "code",
|
|
||||||
"execution_count": 1,
|
|
||||||
"metadata": {},
|
|
||||||
"outputs": [],
|
|
||||||
"source": [
|
|
||||||
"import random\n",
|
|
||||||
"import multiprocessing\n",
|
|
||||||
"import numpy as np\n",
|
|
||||||
"from deap import creator, base, tools, algorithms\n",
|
|
||||||
"from vnpy.app.cta_strategy.backtesting import BacktestingEngine,OptimizationSetting\n",
|
|
||||||
"from vnpy.app.cta_strategy.strategies.boll_channel_strategy import BollChannelStrategy\n",
|
|
||||||
"from vnpy.app.cta_strategy.strategies.atr_rsi_strategy import AtrRsiStrategy\n",
|
|
||||||
"from datetime import datetime\n",
|
|
||||||
"import multiprocessing #多进程\n",
|
|
||||||
"from functools import lru_cache"
|
|
||||||
]
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"cell_type": "code",
|
|
||||||
"execution_count": null,
|
|
||||||
"metadata": {},
|
|
||||||
"outputs": [],
|
|
||||||
"source": [
|
|
||||||
"setting = OptimizationSetting()\n",
|
|
||||||
"#setting.add_parameter('atr_length', 10, 50, 2)\n",
|
|
||||||
"#setting.add_parameter('atr_ma_length', 10, 50, 2)\n",
|
|
||||||
"#setting.add_parameter('rsi_length', 4, 50, 2)\n",
|
|
||||||
"#setting.add_parameter('rsi_entry', 4, 30, 1)\n",
|
|
||||||
"setting.add_parameter('boll_window', 4, 50, 2)\n",
|
|
||||||
"#setting.add_parameter('boll_dev', 4, 50, 2)\n",
|
|
||||||
"setting.add_parameter('cci_window', 4, 50, 2)\n",
|
|
||||||
"setting.add_parameter('atr_window', 4, 50, 2)\n",
|
|
||||||
"\n",
|
|
||||||
"\n",
|
|
||||||
"local_setting = setting.generate_setting()\n",
|
|
||||||
"total_sample = len(local_setting)\n",
|
|
||||||
"print(\"数据总体：\",total_sample)"
|
|
||||||
]
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"cell_type": "code",
|
|
||||||
"execution_count": null,
|
|
||||||
"metadata": {},
|
|
||||||
"outputs": [],
|
|
||||||
"source": [
|
|
||||||
"setting_names = random.choice(local_setting).keys()\n",
|
|
||||||
"setting_names"
|
|
||||||
]
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"cell_type": "code",
|
|
||||||
"execution_count": null,
|
|
||||||
"metadata": {},
|
|
||||||
"outputs": [],
|
|
||||||
"source": [
|
|
||||||
"def parameter_generate():\n",
|
|
||||||
" setting_param = list(random.choice(local_setting).values())\n",
|
|
||||||
" return setting_param"
|
|
||||||
]
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"cell_type": "code",
|
|
||||||
"execution_count": null,
|
|
||||||
"metadata": {},
|
|
||||||
"outputs": [],
|
|
||||||
"source": [
|
|
||||||
"parameter_generate()"
|
|
||||||
]
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"cell_type": "code",
|
|
||||||
"execution_count": null,
|
|
||||||
"metadata": {},
|
|
||||||
"outputs": [],
|
|
||||||
"source": [
|
|
||||||
"setting=dict(zip(setting_names,parameter_generate()))\n",
|
|
||||||
"setting"
|
|
||||||
]
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"cell_type": "code",
|
|
||||||
"execution_count": null,
|
|
||||||
"metadata": {},
|
|
||||||
"outputs": [],
|
|
||||||
"source": [
|
|
||||||
"def object_func(strategy_avg):\n",
|
|
||||||
" \"\"\"\"\"\"\n",
|
|
||||||
" return run_backtesting(tuple(strategy_avg))\n",
|
|
||||||
" #return run_backtesting(strategy_avg)\n",
|
|
||||||
" \n",
|
|
||||||
"\n",
|
|
||||||
"@lru_cache(maxsize=1000000)\n",
|
|
||||||
"def run_backtesting(strategy_avg):\n",
|
|
||||||
" # 创建回测引擎对象\n",
|
|
||||||
" engine = BacktestingEngine()\n",
|
|
||||||
" engine.set_parameters(\n",
|
|
||||||
" vt_symbol=\"IF88.CFFEX\",\n",
|
|
||||||
" interval=\"1m\",\n",
|
|
||||||
" start=datetime(2016, 1, 1),\n",
|
|
||||||
" end=datetime(2019, 1,1),\n",
|
|
||||||
" rate=0.3/10000,\n",
|
|
||||||
" slippage=0.2,\n",
|
|
||||||
" size=300,\n",
|
|
||||||
" pricetick=0.2,\n",
|
|
||||||
" capital=1_000_000,\n",
|
|
||||||
" )\n",
|
|
||||||
" \n",
|
|
||||||
" setting=dict(zip(setting_names,strategy_avg))\n",
|
|
||||||
" \n",
|
|
||||||
"\n",
|
|
||||||
" #加载策略 \n",
|
|
||||||
" #engine.initStrategy(TurtleTradingStrategy, setting)\n",
|
|
||||||
" engine.add_strategy(BollChannelStrategy, setting)\n",
|
|
||||||
" engine.load_data()\n",
|
|
||||||
" engine.run_backtesting()\n",
|
|
||||||
" engine.calculate_result()\n",
|
|
||||||
" result = engine.calculate_statistics(output=False)\n",
|
|
||||||
"\n",
|
|
||||||
" return_drawdown_ratio = round(result['return_drawdown_ratio'],2) #收益回撤比\n",
|
|
||||||
" sharpe_ratio= round(result['sharpe_ratio'],2) #夏普比率\n",
|
|
||||||
" return return_drawdown_ratio , sharpe_ratio"
|
|
||||||
]
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"cell_type": "code",
|
|
||||||
"execution_count": null,
|
|
||||||
"metadata": {},
|
|
||||||
"outputs": [],
|
|
||||||
"source": [
|
|
||||||
"object_func(parameter_generate())"
|
|
||||||
]
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"cell_type": "code",
|
|
||||||
"execution_count": null,
|
|
||||||
"metadata": {},
|
|
||||||
"outputs": [],
|
|
||||||
"source": [
|
|
||||||
"target_names = [\"return_drawdown_ratio\" , \"sharpe_ratio\"]\n",
|
|
||||||
"def show_result(hof):\n",
|
|
||||||
" for i in range(len(hof)):\n",
|
|
||||||
" solution = hof[i] \n",
|
|
||||||
" parameter=dict(zip(setting_names,solution))\n",
|
|
||||||
" result=dict(zip(target_names,list(object_func(solution))))\n",
|
|
||||||
" print({**parameter, **result})"
|
|
||||||
]
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"cell_type": "code",
|
|
||||||
"execution_count": null,
|
|
||||||
"metadata": {},
|
|
||||||
"outputs": [],
|
|
||||||
"source": [
|
|
||||||
"from time import time\n",
|
|
||||||
"#设置优化方向：最大化收益回撤比，最大化夏普比率\n",
|
|
||||||
"creator.create(\"FitnessMax\", base.Fitness, weights=(1.0, 1.0)) # 1.0 求最大值；-1.0 求最小值\n",
|
|
||||||
"creator.create(\"Individual\", list, fitness=creator.FitnessMax)\n",
|
|
||||||
"\n",
|
|
||||||
"def optimize(population=None):\n",
|
|
||||||
" \"\"\"\"\"\" \n",
|
|
||||||
" start = time() \n",
|
|
||||||
" toolbox = base.Toolbox() \n",
|
|
||||||
"\n",
|
|
||||||
" # 初始化 \n",
|
|
||||||
" toolbox.register(\"individual\", tools.initIterate, creator.Individual,parameter_generate) \n",
|
|
||||||
" toolbox.register(\"population\", tools.initRepeat, list, toolbox.individual) \n",
|
|
||||||
" toolbox.register(\"mate\", tools.cxTwoPoint) \n",
|
|
||||||
" toolbox.register(\"mutate\", tools.mutUniformInt,low = 4,up = 40,indpb=1) \n",
|
|
||||||
" toolbox.register(\"evaluate\", object_func) \n",
|
|
||||||
" toolbox.register(\"select\", tools.selNSGA2) \n",
|
|
||||||
" pool = multiprocessing.Pool(multiprocessing.cpu_count())\n",
|
|
||||||
" toolbox.register(\"map\", pool.map)\n",
|
|
||||||
" #toolbox.register(\"map\", futures.map)\n",
|
|
||||||
" \n",
|
|
||||||
" \n",
|
|
||||||
" #遗传算法参数设置\n",
|
|
||||||
" MU = 80 #设置每一代选择的个体数\n",
|
|
||||||
" LAMBDA = 100 #设置每一代产生的子女数\n",
|
|
||||||
" POP=100\n",
|
|
||||||
" CXPB, MUTPB, NGEN = 0.95, 0.05,30 #分别为种群内部个体的交叉概率、变异概率、产生种群代数\n",
|
|
||||||
" \n",
|
|
||||||
" if population==None:\n",
|
|
||||||
" LAMBDA = POP = int(pow(total_sample, 1/2.7))\n",
|
|
||||||
" MU = int(0.8*POP) \n",
|
|
||||||
" \n",
|
|
||||||
" pop = toolbox.population(POP) #设置族群里面的个体数量\n",
|
|
||||||
" hof = tools.ParetoFront() #解的集合：帕累托前沿(非占优最优集)\n",
|
|
||||||
"\n",
|
|
||||||
" stats = tools.Statistics(lambda ind: ind.fitness.values)\n",
|
|
||||||
" np.set_printoptions(suppress=True) #对numpy默认输出的科学计数法转换\n",
|
|
||||||
" stats.register(\"mean\", np.mean, axis=0) #统计目标优化函数结果的平均值\n",
|
|
||||||
" stats.register(\"std\", np.std, axis=0) #统计目标优化函数结果的标准差\n",
|
|
||||||
" stats.register(\"min\", np.min, axis=0) #统计目标优化函数结果的最小值\n",
|
|
||||||
" stats.register(\"max\", np.max, axis=0) #统计目标优化函数结果的最大值\n",
|
|
||||||
" print(\"开始运行遗传算法，每代族群总数：%s, 优良品种筛选个数：%s，迭代次数：%s，交叉概率：%s，突变概率：%s\" %(POP,MU,NGEN,CXPB,MUTPB))\n",
|
|
||||||
" \n",
|
|
||||||
"\n",
|
|
||||||
" #运行算法\n",
|
|
||||||
" algorithms.eaMuPlusLambda(pop, toolbox, MU, LAMBDA, CXPB, MUTPB, NGEN, stats,\n",
|
|
||||||
" halloffame=hof) #esMuPlusLambda是一种基于(μ+λ)选择策略的多目标优化分段遗传算法\n",
|
|
||||||
"\n",
|
|
||||||
" end = time()\n",
|
|
||||||
" cost = int((end - start))\n",
|
|
||||||
"\n",
|
|
||||||
" print(\"遗传算法优化完成，耗时%s秒\"% (cost))\n",
|
|
||||||
" print(\"输出帕累托前沿解集：\")\n",
|
|
||||||
" show_result(hof)\n",
|
|
||||||
" "
|
|
||||||
]
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"cell_type": "code",
|
|
||||||
"execution_count": null,
|
|
||||||
"metadata": {
|
|
||||||
"scrolled": false
|
|
||||||
},
|
|
||||||
"outputs": [],
|
|
||||||
"source": [
|
|
||||||
"optimize()"
|
|
||||||
]
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"cell_type": "code",
|
|
||||||
"execution_count": null,
|
|
||||||
"metadata": {},
|
|
||||||
"outputs": [],
|
|
||||||
"source": [
|
|
||||||
" MU = 80 #设置每一代选择的个体数\n",
|
|
||||||
" POP = 100 #设置每一代产生的子女数\n",
|
|
||||||
" CXPB, MUTPB, NGEN = 0.95, 0.05,20 \n",
|
|
||||||
" print(\"开始运行遗传算法，每代族群总数：%s, 优良品种筛选个数：%s，迭代次数：%s，交叉概率：%s，突变概率：%s\" %(POP,MU,NGEN,CXPB,MUTPB))"
|
|
||||||
]
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"cell_type": "code",
|
|
||||||
"execution_count": null,
|
|
||||||
"metadata": {},
|
|
||||||
"outputs": [],
|
|
||||||
"source": []
|
|
||||||
}
|
|
||||||
],
|
|
||||||
"metadata": {
|
|
||||||
"kernelspec": {
|
|
||||||
"display_name": "Python 3",
|
|
||||||
"language": "python",
|
|
||||||
"name": "python3"
|
|
||||||
},
|
|
||||||
"language_info": {
|
|
||||||
"codemirror_mode": {
|
|
||||||
"name": "ipython",
|
|
||||||
"version": 3
|
|
||||||
},
|
|
||||||
"file_extension": ".py",
|
|
||||||
"mimetype": "text/x-python",
|
|
||||||
"name": "python",
|
|
||||||
"nbconvert_exporter": "python",
|
|
||||||
"pygments_lexer": "ipython3",
|
|
||||||
"version": "3.7.1"
|
|
||||||
},
|
|
||||||
"toc": {
|
|
||||||
"base_numbering": 1,
|
|
||||||
"nav_menu": {},
|
|
||||||
"number_sections": true,
|
|
||||||
"sideBar": true,
|
|
||||||
"skip_h1_title": false,
|
|
||||||
"title_cell": "Table of Contents",
|
|
||||||
"title_sidebar": "Contents",
|
|
||||||
"toc_cell": false,
|
|
||||||
"toc_position": {},
|
|
||||||
"toc_section_display": true,
|
|
||||||
"toc_window_display": false
|
|
||||||
}
|
|
||||||
},
|
|
||||||
"nbformat": 4,
|
|
||||||
"nbformat_minor": 2
|
|
||||||
}
|
|
||||||
@ -1,189 +0,0 @@
|
|||||||
{
|
|
||||||
"cells": [
|
|
||||||
{
|
|
||||||
"cell_type": "code",
|
|
||||||
"execution_count": null,
|
|
||||||
"metadata": {},
|
|
||||||
"outputs": [],
|
|
||||||
"source": [
|
|
||||||
"import random\n",
|
|
||||||
"import multiprocessing\n",
|
|
||||||
"import numpy as np\n",
|
|
||||||
"from deap import creator, base, tools, algorithms\n",
|
|
||||||
"from vnpy.app.cta_strategy.backtesting import BacktestingEngine\n",
|
|
||||||
"from boll_channel_strategy import BollChannelStrategy\n",
|
|
||||||
"from datetime import datetime\n",
|
|
||||||
"import multiprocessing #多进程\n",
|
|
||||||
"from scoop import futures #多进程"
|
|
||||||
]
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"cell_type": "code",
|
|
||||||
"execution_count": null,
|
|
||||||
"metadata": {},
|
|
||||||
"outputs": [],
|
|
||||||
"source": [
|
|
||||||
"def parameter_generate():\n",
|
|
||||||
" '''\n",
|
|
||||||
" 根据设置的起始值，终止值和步进，随机生成待优化的策略参数\n",
|
|
||||||
" '''\n",
|
|
||||||
" parameter_list = []\n",
|
|
||||||
" p1 = random.randrange(4,50,2) #布林带窗口\n",
|
|
||||||
" p2 = random.randrange(4,50,2) #布林带通道阈值\n",
|
|
||||||
" p3 = random.randrange(4,50,2) #CCI窗口\n",
|
|
||||||
" p4 = random.randrange(18,40,2) #ATR窗口 \n",
|
|
||||||
"\n",
|
|
||||||
" parameter_list.append(p1)\n",
|
|
||||||
" parameter_list.append(p2)\n",
|
|
||||||
" parameter_list.append(p3)\n",
|
|
||||||
" parameter_list.append(p4)\n",
|
|
||||||
"\n",
|
|
||||||
" return parameter_list"
|
|
||||||
]
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"cell_type": "code",
|
|
||||||
"execution_count": null,
|
|
||||||
"metadata": {},
|
|
||||||
"outputs": [],
|
|
||||||
"source": [
|
|
||||||
"def object_func(strategy_avg):\n",
|
|
||||||
" \"\"\"\n",
|
|
||||||
" 本函数为优化目标函数，根据随机生成的策略参数，运行回测后自动返回2个结果指标：收益回撤比和夏普比率\n",
|
|
||||||
" \"\"\"\n",
|
|
||||||
" # 创建回测引擎对象\n",
|
|
||||||
" engine = BacktestingEngine()\n",
|
|
||||||
" engine.set_parameters(\n",
|
|
||||||
" vt_symbol=\"IF88.CFFEX\",\n",
|
|
||||||
" interval=\"1m\",\n",
|
|
||||||
" start=datetime(2018, 9, 1),\n",
|
|
||||||
" end=datetime(2019, 1,1),\n",
|
|
||||||
" rate=0,\n",
|
|
||||||
" slippage=0,\n",
|
|
||||||
" size=300,\n",
|
|
||||||
" pricetick=0.2,\n",
|
|
||||||
" capital=1_000_000,\n",
|
|
||||||
" )\n",
|
|
||||||
"\n",
|
|
||||||
" setting = {'boll_window': strategy_avg[0], #布林带窗口\n",
|
|
||||||
" 'boll_dev': strategy_avg[1], #布林带通道阈值\n",
|
|
||||||
" 'cci_window': strategy_avg[2], #CCI窗口\n",
|
|
||||||
" 'atr_window': strategy_avg[3],} #ATR窗口 \n",
|
|
||||||
"\n",
|
|
||||||
" #加载策略 \n",
|
|
||||||
" #engine.initStrategy(TurtleTradingStrategy, setting)\n",
|
|
||||||
" engine.add_strategy(BollChannelStrategy, setting)\n",
|
|
||||||
" engine.load_data()\n",
|
|
||||||
" engine.run_backtesting()\n",
|
|
||||||
" engine.calculate_result()\n",
|
|
||||||
" result = engine.calculate_statistics(Output=False)\n",
|
|
||||||
"\n",
|
|
||||||
" return_drawdown_ratio = round(result['return_drawdown_ratio'],2) #收益回撤比\n",
|
|
||||||
" sharpe_ratio= round(result['sharpe_ratio'],2) #夏普比率\n",
|
|
||||||
" return return_drawdown_ratio , sharpe_ratio"
|
|
||||||
]
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"cell_type": "code",
|
|
||||||
"execution_count": null,
|
|
||||||
"metadata": {},
|
|
||||||
"outputs": [],
|
|
||||||
"source": [
|
|
||||||
"\n",
|
|
||||||
"#设置优化方向：最大化收益回撤比，最大化夏普比率\n",
|
|
||||||
"creator.create(\"FitnessMulti\", base.Fitness, weights=(1.0, 1.0)) # 1.0 求最大值；-1.0 求最小值\n",
|
|
||||||
"creator.create(\"Individual\", list, fitness=creator.FitnessMulti)\n",
|
|
||||||
"\n",
|
|
||||||
"def optimize():\n",
|
|
||||||
" \"\"\"\"\"\" \n",
|
|
||||||
" toolbox = base.Toolbox() #Toolbox是deap库内置的工具箱，里面包含遗传算法中所用到的各种函数\n",
|
|
||||||
"\n",
|
|
||||||
" # 初始化 \n",
|
|
||||||
" toolbox.register(\"individual\", tools.initIterate, creator.Individual,parameter_generate) # 注册个体：随机生成的策略参数parameter_generate() \n",
|
|
||||||
" toolbox.register(\"population\", tools.initRepeat, list, toolbox.individual) #注册种群：个体形成种群 \n",
|
|
||||||
" toolbox.register(\"mate\", tools.cxTwoPoint) #注册交叉：两点交叉 \n",
|
|
||||||
" toolbox.register(\"mutate\", tools.mutUniformInt,low = 4,up = 40,indpb=0.6) #注册变异：随机生成一定区间内的整数\n",
|
|
||||||
" toolbox.register(\"evaluate\", object_func) #注册评估：优化目标函数object_func() \n",
|
|
||||||
" toolbox.register(\"select\", tools.selNSGA2) #注册选择:NSGA-II(带精英策略的非支配排序的遗传算法)\n",
|
|
||||||
" #pool = multiprocessing.Pool()\n",
|
|
||||||
" #toolbox.register(\"map\", pool.map)\n",
|
|
||||||
" #toolbox.register(\"map\", futures.map)\n",
|
|
||||||
"\n",
|
|
||||||
" #遗传算法参数设置\n",
|
|
||||||
" MU = 40 #设置每一代选择的个体数\n",
|
|
||||||
" LAMBDA = 160 #设置每一代产生的子女数\n",
|
|
||||||
" pop = toolbox.population(400) #设置族群里面的个体数量\n",
|
|
||||||
" CXPB, MUTPB, NGEN = 0.5, 0.35,40 #分别为种群内部个体的交叉概率、变异概率、产生种群代数\n",
|
|
||||||
" hof = tools.ParetoFront() #解的集合：帕累托前沿(非占优最优集)\n",
|
|
||||||
"\n",
|
|
||||||
" #解的集合的描述统计信息\n",
|
|
||||||
" #集合内平均值，标准差，最小值，最大值可以体现集合的收敛程度\n",
|
|
||||||
" #收敛程度低可以增加算法的迭代次数\n",
|
|
||||||
" stats = tools.Statistics(lambda ind: ind.fitness.values)\n",
|
|
||||||
" np.set_printoptions(suppress=True) #对numpy默认输出的科学计数法转换\n",
|
|
||||||
" stats.register(\"mean\", np.mean, axis=0) #统计目标优化函数结果的平均值\n",
|
|
||||||
" stats.register(\"std\", np.std, axis=0) #统计目标优化函数结果的标准差\n",
|
|
||||||
" stats.register(\"min\", np.min, axis=0) #统计目标优化函数结果的最小值\n",
|
|
||||||
" stats.register(\"max\", np.max, axis=0) #统计目标优化函数结果的最大值\n",
|
|
||||||
"\n",
|
|
||||||
" #运行算法\n",
|
|
||||||
" algorithms.eaMuPlusLambda(pop, toolbox, MU, LAMBDA, CXPB, MUTPB, NGEN, stats,\n",
|
|
||||||
" halloffame=hof) #esMuPlusLambda是一种基于(μ+λ)选择策略的多目标优化分段遗传算法\n",
|
|
||||||
"\n",
|
|
||||||
" return pop"
|
|
||||||
]
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"cell_type": "code",
|
|
||||||
"execution_count": null,
|
|
||||||
"metadata": {
|
|
||||||
"scrolled": true
|
|
||||||
},
|
|
||||||
"outputs": [],
|
|
||||||
"source": [
|
|
||||||
"optimize()"
|
|
||||||
]
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"cell_type": "code",
|
|
||||||
"execution_count": null,
|
|
||||||
"metadata": {},
|
|
||||||
"outputs": [],
|
|
||||||
"source": []
|
|
||||||
}
|
|
||||||
],
|
|
||||||
"metadata": {
|
|
||||||
"kernelspec": {
|
|
||||||
"display_name": "Python 3",
|
|
||||||
"language": "python",
|
|
||||||
"name": "python3"
|
|
||||||
},
|
|
||||||
"language_info": {
|
|
||||||
"codemirror_mode": {
|
|
||||||
"name": "ipython",
|
|
||||||
"version": 3
|
|
||||||
},
|
|
||||||
"file_extension": ".py",
|
|
||||||
"mimetype": "text/x-python",
|
|
||||||
"name": "python",
|
|
||||||
"nbconvert_exporter": "python",
|
|
||||||
"pygments_lexer": "ipython3",
|
|
||||||
"version": "3.7.1"
|
|
||||||
},
|
|
||||||
"toc": {
|
|
||||||
"base_numbering": 1,
|
|
||||||
"nav_menu": {},
|
|
||||||
"number_sections": true,
|
|
||||||
"sideBar": true,
|
|
||||||
"skip_h1_title": false,
|
|
||||||
"title_cell": "Table of Contents",
|
|
||||||
"title_sidebar": "Contents",
|
|
||||||
"toc_cell": false,
|
|
||||||
"toc_position": {},
|
|
||||||
"toc_section_display": true,
|
|
||||||
"toc_window_display": false
|
|
||||||
}
|
|
||||||
},
|
|
||||||
"nbformat": 4,
|
|
||||||
"nbformat_minor": 2
|
|
||||||
}
|
|
||||||
@ -1,65 +0,0 @@
|
|||||||
from time import time
|
|
||||||
|
|
||||||
import rqdatac as rq
|
|
||||||
|
|
||||||
from vnpy.trader.object import BarData
|
|
||||||
from vnpy.trader.constant import Exchange, Interval
|
|
||||||
from vnpy.trader.database import database_manager
|
|
||||||
|
|
||||||
USERNAME = ""
|
|
||||||
PASSWORD = ""
|
|
||||||
FIELDS = ["open", "high", "low", "close", "volume"]
|
|
||||||
|
|
||||||
rq.init(USERNAME, PASSWORD, ("rqdatad-pro.ricequant.com", 16011))
|
|
||||||
|
|
||||||
|
|
||||||
def generate_bar_from_row(row, symbol, exchange):
|
|
||||||
""""""
|
|
||||||
bar = BarData(
|
|
||||||
symbol=symbol,
|
|
||||||
exchange=Exchange(exchange),
|
|
||||||
interval=Interval.MINUTE,
|
|
||||||
open_price=row["open"],
|
|
||||||
high_price=row["high"],
|
|
||||||
low_price=row["low"],
|
|
||||||
close_price=row["close"],
|
|
||||||
volume=row["volume"],
|
|
||||||
datetime=row.name.to_pydatetime(),
|
|
||||||
gateway_name="DB"
|
|
||||||
)
|
|
||||||
return bar
|
|
||||||
|
|
||||||
|
|
||||||
def download_minute_bar(vt_symbol):
|
|
||||||
"""下载某一合约的分钟线数据"""
|
|
||||||
print(f"开始下载合约数据{vt_symbol}")
|
|
||||||
symbol, exchange = vt_symbol.split(".")
|
|
||||||
|
|
||||||
start = time()
|
|
||||||
|
|
||||||
df = rq.get_price(
|
|
||||||
symbol,
|
|
||||||
frequency="1m",
|
|
||||||
fields=FIELDS,
|
|
||||||
start_date='20100416',
|
|
||||||
end_date='20190416'
|
|
||||||
)
|
|
||||||
|
|
||||||
bars = []
|
|
||||||
for ix, row in df.iterrows():
|
|
||||||
bar = generate_bar_from_row(row, symbol, exchange)
|
|
||||||
bars.append(bar)
|
|
||||||
|
|
||||||
database_manager.save_bar_data(bars)
|
|
||||||
|
|
||||||
end = time()
|
|
||||||
cost = (end - start) * 1000
|
|
||||||
|
|
||||||
print(
|
|
||||||
"合约%s的分钟K线数据下载完成%s - %s，耗时%s毫秒"
|
|
||||||
% (symbol, df.index[0], df.index[-1], cost)
|
|
||||||
)
|
|
||||||
|
|
||||||
|
|
||||||
if __name__ == "__main__":
|
|
||||||
download_minute_bar("IF88.CFFEX")
|
|
||||||
@ -1,27 +0,0 @@
|
|||||||
from vnpy.app.cta_strategy.backtesting import BacktestingEngine, OptimizationSetting
|
|
||||||
from vnpy.app.cta_strategy.strategies.atr_rsi_strategy import (
|
|
||||||
AtrRsiStrategy,
|
|
||||||
)
|
|
||||||
from datetime import datetime
|
|
||||||
|
|
||||||
if __name__ == "__main__":
|
|
||||||
engine = BacktestingEngine()
|
|
||||||
engine.set_parameters(
|
|
||||||
vt_symbol="IF88.CFFEX",
|
|
||||||
interval="1m",
|
|
||||||
start=datetime(2019, 1, 1),
|
|
||||||
end=datetime(2019, 4, 30),
|
|
||||||
rate=0.3 / 10000,
|
|
||||||
slippage=0.2,
|
|
||||||
size=300,
|
|
||||||
pricetick=0.2,
|
|
||||||
capital=1_000_000,
|
|
||||||
)
|
|
||||||
engine.add_strategy(AtrRsiStrategy, {})
|
|
||||||
|
|
||||||
setting = OptimizationSetting()
|
|
||||||
setting.set_target("sharpe_ratio")
|
|
||||||
setting.add_parameter("atr_length", 3, 39, 1)
|
|
||||||
setting.add_parameter("atr_ma_length", 10, 30, 1)
|
|
||||||
|
|
||||||
engine.run_ga_optimization(setting)
|
|
||||||
@ -1,170 +0,0 @@
|
|||||||
{
|
|
||||||
"cells": [
|
|
||||||
{
|
|
||||||
"cell_type": "code",
|
|
||||||
"execution_count": 1,
|
|
||||||
"metadata": {},
|
|
||||||
"outputs": [],
|
|
||||||
"source": [
|
|
||||||
"#%%\n",
|
|
||||||
"from vnpy.app.cta_strategy.backtesting import BacktestingEngine, OptimizationSetting\n",
|
|
||||||
"from vnpy.app.cta_strategy.strategies.atr_rsi_strategy import (\n",
|
|
||||||
" AtrRsiStrategy,\n",
|
|
||||||
")\n",
|
|
||||||
"from datetime import datetime"
|
|
||||||
]
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"cell_type": "code",
|
|
||||||
"execution_count": 4,
|
|
||||||
"metadata": {},
|
|
||||||
"outputs": [],
|
|
||||||
"source": [
|
|
||||||
"#%%\n",
|
|
||||||
"engine = BacktestingEngine()\n",
|
|
||||||
"engine.set_parameters(\n",
|
|
||||||
" vt_symbol=\"IF88.CFFEX\",\n",
|
|
||||||
" interval=\"1m\",\n",
|
|
||||||
" start=datetime(2019, 1, 1),\n",
|
|
||||||
" end=datetime(2019, 4, 30),\n",
|
|
||||||
" rate=0.3/10000,\n",
|
|
||||||
" slippage=0.2,\n",
|
|
||||||
" size=300,\n",
|
|
||||||
" pricetick=0.2,\n",
|
|
||||||
" capital=1_000_000,\n",
|
|
||||||
")\n",
|
|
||||||
"engine.add_strategy(AtrRsiStrategy, {})"
|
|
||||||
]
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"cell_type": "code",
|
|
||||||
"execution_count": null,
|
|
||||||
"metadata": {
|
|
||||||
"scrolled": false
|
|
||||||
},
|
|
||||||
"outputs": [],
|
|
||||||
"source": [
|
|
||||||
"#%%\n",
|
|
||||||
"engine.load_data()\n",
|
|
||||||
"engine.run_backtesting()\n",
|
|
||||||
"df = engine.calculate_result()\n",
|
|
||||||
"engine.calculate_statistics()\n",
|
|
||||||
"engine.show_chart()"
|
|
||||||
]
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"cell_type": "code",
|
|
||||||
"execution_count": 3,
|
|
||||||
"metadata": {
|
|
||||||
"scrolled": true
|
|
||||||
},
|
|
||||||
|
|
||||||
"outputs": [
|
|
||||||
{
|
|
||||||
"name": "stdout",
|
|
||||||
"output_type": "stream",
|
|
||||||
"text": [
|
|
||||||
"2019-05-03 16:19:04.193703\t开始运行遗传算法，每代族群总数：11, 优良品种筛选个数：8，迭代次数：30，交叉概率：0.95，突变概率：0.050000000000000044\n",
|
|
||||||
"gen\tnevals\tmean \tstd \tmin \tmax \n",
|
|
||||||
"0 \t11 \t[0.58423524]\t[0.30377007]\t[0.13231977]\t[1.2382818]\n",
|
|
||||||
"1 \t11 \t[0.90248989]\t[0.15747112]\t[0.68707859]\t[1.2382818]\n",
|
|
||||||
"2 \t11 \t[1.09406088]\t[0.18860523]\t[0.86284921]\t[1.46762684]\n",
|
|
||||||
"3 \t11 \t[1.21413386]\t[0.12138014]\t[1.02072108]\t[1.46762684]\n",
|
|
||||||
"4 \t11 \t[1.29561806]\t[0.09930932]\t[1.2382818] \t[1.46762684]\n",
|
|
||||||
"5 \t11 \t[1.41029058]\t[0.09930932]\t[1.2382818] \t[1.46762684]\n",
|
|
||||||
"6 \t11 \t[1.46762684]\t[0.] \t[1.46762684]\t[1.46762684]\n",
|
|
||||||
"7 \t11 \t[1.46762684]\t[0.] \t[1.46762684]\t[1.46762684]\n",
|
|
||||||
"8 \t11 \t[1.46762684]\t[0.] \t[1.46762684]\t[1.46762684]\n",
|
|
||||||
"9 \t11 \t[1.46762684]\t[0.] \t[1.46762684]\t[1.46762684]\n",
|
|
||||||
"10 \t11 \t[1.46762684]\t[0.] \t[1.46762684]\t[1.46762684]\n",
|
|
||||||
"11 \t11 \t[1.46762684]\t[0.] \t[1.46762684]\t[1.46762684]\n",
|
|
||||||
"12 \t11 \t[1.46762684]\t[0.] \t[1.46762684]\t[1.46762684]\n",
|
|
||||||
"13 \t11 \t[1.46762684]\t[0.] \t[1.46762684]\t[1.46762684]\n",
|
|
||||||
"14 \t11 \t[1.46762684]\t[0.] \t[1.46762684]\t[1.46762684]\n",
|
|
||||||
"15 \t11 \t[1.46762684]\t[0.] \t[1.46762684]\t[1.46762684]\n",
|
|
||||||
"16 \t11 \t[1.46762684]\t[0.] \t[1.46762684]\t[1.46762684]\n",
|
|
||||||
"17 \t11 \t[1.46762684]\t[0.] \t[1.46762684]\t[1.46762684]\n",
|
|
||||||
"18 \t11 \t[1.46762684]\t[0.] \t[1.46762684]\t[1.46762684]\n",
|
|
||||||
"19 \t11 \t[1.46762684]\t[0.] \t[1.46762684]\t[1.46762684]\n",
|
|
||||||
"20 \t11 \t[1.46762684]\t[0.] \t[1.46762684]\t[1.46762684]\n",
|
|
||||||
"21 \t11 \t[1.46762684]\t[0.] \t[1.46762684]\t[1.46762684]\n",
|
|
||||||
"22 \t11 \t[1.46762684]\t[0.] \t[1.46762684]\t[1.46762684]\n",
|
|
||||||
"23 \t11 \t[1.46762684]\t[0.] \t[1.46762684]\t[1.46762684]\n",
|
|
||||||
"24 \t11 \t[1.46762684]\t[0.] \t[1.46762684]\t[1.46762684]\n",
|
|
||||||
"25 \t11 \t[1.46762684]\t[0.] \t[1.46762684]\t[1.46762684]\n",
|
|
||||||
"26 \t11 \t[1.46762684]\t[0.] \t[1.46762684]\t[1.46762684]\n",
|
|
||||||
"27 \t11 \t[1.46762684]\t[0.] \t[1.46762684]\t[1.46762684]\n",
|
|
||||||
"28 \t11 \t[1.46762684]\t[0.] \t[1.46762684]\t[1.46762684]\n",
|
|
||||||
"29 \t11 \t[1.46762684]\t[0.] \t[1.46762684]\t[1.46762684]\n",
|
|
||||||
"30 \t11 \t[1.46762684]\t[0.] \t[1.46762684]\t[1.46762684]\n",
|
|
||||||
"2019-05-03 16:19:58.256354\t遗传算法优化完成，耗时54秒\n"
|
|
||||||
]
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"data": {
|
|
||||||
"text/plain": [
|
|
||||||
"[({'atr_length': 38, 'atr_ma_length': 25}, 1.4676268402266743)]"
|
|
||||||
]
|
|
||||||
},
|
|
||||||
"execution_count": 3,
|
|
||||||
"metadata": {},
|
|
||||||
"output_type": "execute_result"
|
|
||||||
}
|
|
||||||
],
|
|
||||||
"source": [
|
|
||||||
"setting = OptimizationSetting()\n",
|
|
||||||
"setting.set_target(\"sharpe_ratio\")\n",
|
|
||||||
"setting.add_parameter(\"atr_length\", 3, 39, 1)\n",
|
|
||||||
"setting.add_parameter(\"atr_ma_length\", 10, 30, 1)\n",
|
|
||||||
"\n",
|
|
||||||
"engine.run_ga_optimization(setting)"
|
|
||||||
]
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"cell_type": "code",
|
|
||||||
"execution_count": null,
|
|
||||||
"metadata": {},
|
|
||||||
"outputs": [],
|
|
||||||
"source": [
|
|
||||||
"result = _"
|
|
||||||
]
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"cell_type": "code",
|
|
||||||
"execution_count": null,
|
|
||||||
"metadata": {},
|
|
||||||
"outputs": [],
|
|
||||||
"source": [
|
|
||||||
"print(result)"
|
|
||||||
]
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"cell_type": "code",
|
|
||||||
"execution_count": null,
|
|
||||||
"metadata": {},
|
|
||||||
"outputs": [],
|
|
||||||
"source": []
|
|
||||||
}
|
|
||||||
],
|
|
||||||
"metadata": {
|
|
||||||
"kernelspec": {
|
|
||||||
"display_name": "Python 3",
|
|
||||||
"language": "python",
|
|
||||||
"name": "python3"
|
|
||||||
},
|
|
||||||
"language_info": {
|
|
||||||
"codemirror_mode": {
|
|
||||||
"name": "ipython",
|
|
||||||
"version": 3
|
|
||||||
},
|
|
||||||
"file_extension": ".py",
|
|
||||||
"mimetype": "text/x-python",
|
|
||||||
"name": "python",
|
|
||||||
"nbconvert_exporter": "python",
|
|
||||||
"pygments_lexer": "ipython3",
|
|
||||||
"version": "3.7.1"
|
|
||||||
}
|
|
||||||
},
|
|
||||||
"nbformat": 4,
|
|
||||||
"nbformat_minor": 2
|
|
||||||
}
|
|
||||||
Loading…
Reference in New Issue
Block a user