本节分界面操作教程录像播放地址,量化系统一般分为回测模块、实盘模块

  • 回测模块:首先交易者编写达成一个贸易战略,它根据一段历史的交易数额,依照交易战略进行效仿买入卖出,战术中得以提到购买规则、卖出规则、选股规则、仓位调整及滑点攻略等等,回测的目标是注明交易攻略是或不是可行。
  • 实盘模块:将回测通过的宗旨应用于每日的实时交易数额,依照政策发出买卖复信号、卖出信号,进行实际的购入、卖出操作。

本节第3疏解择时(曾几何时投资), 后边的小节将执教选股

  • 择时(哪一天投资)
  • 选股(投资什么股票)
  • 回测模块:首先交易者编写完毕2个交易战术,它根据1段历史的贸易数额,根据交易计策举办模拟买入卖出,攻略中能够提到购买规则、卖出规则、选股规则、仓位调控及滑点计策等等,回测的目标是证明交易战略是不是行得通。
  • 实盘模块:将回测通过的政策应用于每日的实时交易数据,遵照政策发出购销时域信号、卖出数字信号,举办实际的买进、卖出操作。

本节第1解说择时(哪一天投资), 后边的小节将教师选股

abu量化文书档案目录章节

  1. 择时战术的开销
  2. 择时方针的优化
  3. 滑点战术与交易手续费
  4. 多支证券择时回测与仓位管理
  5. 选股战略的开支
  6. 回测结果的胸怀
  7. 探求政策最优参数和评分
  8. A股票商场场的回测
  9. 港股票市镇场的回测
  10. 比特币,赖特币的回测
  11. 证券市集的回测
  12. 机器学习与比特币示例
  13. 量化技术分析应用
  14. 量化相关性分析应用
  15. 量化交易和找寻引擎
  16. UMP主评判交易决策
  17. UMP边裁交易决策
  18. 自定义评判决策交易
  19. 数据源
  20. A股全市集回测
  21. A股UMP决策
  22. 美国期货全市廛回测
  23. 美股UMP决策

abu量化系统文书档案教程持续创新中,请关怀群众号中的更新提示。

更多阿布量化量化技巧小说

更多关于量化交易有关请阅读《量化交易之路》

更加多关于abu量化系统请关切微信公众号: abu_quant

图片 1

除非在对的时日购买对的股票(stock)技能渔利,就如上面张小娴的名言同样,能够把‘证券’
替代 ‘人’完全合乎逻辑。

三. 卖出择时因子的贯彻

上边装有单子都并未有拍板的原故是从未有过卖掉因子,上面首先完成类似买入计谋的N日趋势突破政策AbuFactorSellBreak,当股票价格向下突破N日低于价位时卖出期货(Futures),即当天收盘价格低于N天内最低价格作为卖出随机信号,感到下跌势头创建卖出股票(stock):

class AbuFactorSellBreak(AbuFactorSellXD):
    """示例继承AbuFactorBuyXD, 向下突破卖出择时因子"""
    def support_direction(self):
        """支持的方向,只支持正向"""
        return [ESupportDirection.DIRECTION_CAll.value]

    def fit_day(self, today, orders):
        """
        寻找向下突破作为策略卖出驱动event
        :param today: 当前驱动的交易日金融时间序列数据
        :param orders: 买入择时策略中生成的订单序列
        """
        # 今天的收盘价格达到xd天内最低价格则符合条件
        if today.close == self.xd_kl.close.min():
            for order in orders:
                self.sell_tomorrow(order)

上AbuFactorSellBreak正是落成了卖出突破政策的代码完毕:

  1. 卖出因子需求延续AbuFactorSellXD或然更扑朔迷离的国策承接AbuFactorSellBase
  2. 卖出因子供给实现support_direction方法,分明计策帮助的购入战术方向,本例中[ESupportDirection.DIRECTION_CAll.value]即只帮助正向买入战略,即买涨
  3. 卖出因子必要完成fit_day,看有未有合乎卖出标准的交易单子

越多具体卖出因子落成代码请阅读AbuFactorSellBase

备考:之后章节的股票示例讲讲授如何选取ESupportDirection做反向贸易,buy
put

量化系统一般分为回测模块、实盘模块。

阿布量化版权全数 未经允许 禁止转发

3.二 买入因子和卖出因子在回测中同时生效

同理使用字典组装卖出因子:

# 使用120天向下突破为卖出信号
sell_factor1 = {'xd': 120, 'class': AbuFactorSellBreak}

# buy_factors 60日向上突破,42日向上突破两个因子
buy_factors = [{'xd': 60, 'class': AbuFactorBuyBreak}, 
               {'xd': 42, 'class': AbuFactorBuyBreak}]

# 只使用120天向下突破为卖出因子
sell_factors = [sell_factor1]
capital = AbuCapital(1000000, benchmark)
orders_pd, action_pd, _ = ABuPickTimeExecute.do_symbols_with_same_factors(['usTSLA'],
                                                                            benchmark,
                                                                            buy_factors,
                                                                            sell_factors,
                                                                            capital, show=True)

图片 2

从上海体育场所能够看来,大许多的交易卖出因子都见效了,但效益很不佳,
下1节将一而再透过增加七个卖出因子同时成效于政策上来进步政策的遵循。

回测模块最注重的组成部份是择时、选股:

一. 买入择时因子的编排

水龟交易法则是量化经典书籍中的卓越作品,它个中介绍过壹种倾向追踪政策:N日大势突破政策

大势突破定义为当天收盘价格超越N天内的最高价或低价,当先最高价格作为购买信号买入期货持有,超过最低价位作为卖出复信号。

上边将用abupy来兑现乌龟交易法则作为二个置办因子的兑当代码,向卓越致敬:

class AbuFactorBuyBreak(AbuFactorBuyXD, BuyCallMixin):
    """示例继承AbuFactorBuyXD完成正向突破买入择时类, 混入BuyCallMixin,即向上突破触发买入event"""
    def fit_day(self, today):
        """
        针对每一个交易日拟合买入交易策略,寻找向上突破买入机会
        :param today: 当前驱动的交易日金融时间序列数据
        :return:
        """
        # 今天的收盘价格达到xd天内最高价格则符合买入条件
        if today.close == self.xd_kl.close.max():
            # 生成买入订单, 由于使用了今天的收盘价格做为策略信号判断,所以信号发出后,只能明天买
            return self.buy_tomorrow()
        return None

上AbuFactorBuyBreak便是实现了乌龟突破政策的代码落成:

  1. 购买因子须求一连AbuFactorBuyXD或然更扑朔迷离的攻略承接AbuFactorBuyBase
  2. 购进因子混入BuyCallMixin,即做为正向战术,期货(Futures)相关的国策全体是正向攻略,即买涨,后续章节示例证券,期货合作选择权会接纳BuyPutMixin
  3. 购进因子须要实现fit_day,即每八个交易日怎样实行交易攻略,当符合购买条件后,使用buy_tomorrow或者buy_today生成订单

越多购买因子落成代码请阅读AbuFactorBuyBase

作者: 阿布

本节分界面操作教程录像播放地址

一. 置办择时因子的编纂

水龟交易法则是量化赏心悦目书籍中的卓绝文章,它里面介绍过1种倾向追踪政策:N日来头突破政策

动向突破定义为当天收盘价格当先N天内的最高价或低价,超越最高价格作为购买能量信号买入股票持有,超越最低价位作为卖出时限信号。

下边将用abupy来实现乌龟交易法则作为1个购进因子的落到实处代码,向非凡致敬:

class AbuFactorBuyBreak(AbuFactorBuyXD, BuyCallMixin):
    """示例继承AbuFactorBuyXD完成正向突破买入择时类, 混入BuyCallMixin,即向上突破触发买入event"""
    def fit_day(self, today):
        """
        针对每一个交易日拟合买入交易策略,寻找向上突破买入机会
        :param today: 当前驱动的交易日金融时间序列数据
        :return:
        """
        # 今天的收盘价格达到xd天内最高价格则符合买入条件
        if today.close == self.xd_kl.close.max():
            # 生成买入订单, 由于使用了今天的收盘价格做为策略信号判断,所以信号发出后,只能明天买
            return self.buy_tomorrow()
        return None

上AbuFactorBuyBreak就是完毕了水龟突破政策的代码完毕:

  1. 购买出卖因子须要持续AbuFactorBuyXD或许更扑朔迷离的安排继承AbuFactorBuyBase
  2. 购买因子混入BuyCallMixin,即做为正向计策,证券相关的宗旨全体是正向计谋,即买涨,后续章节示例股票,期货合作选择权会利用BuyPutMixin
  3. 购进因子需求贯彻fit_day,即每二个交易日怎样实行交易战术,当符合购买条件后,使用buy_tomorrow或者buy_today生成订单

更加多进货因子落成代码请阅读AbuFactorBuyBase

回测模块最关键的组成都部队份是择时、选股:

贰. 演讲方式一步一步对政策实行回测

本节首先通过分解流程格局一步一步完成选择AbuFactorBuyBreak实行回测,目的是为着更清晰的求证内部操作流程,
编码进度会显的多少复杂臃肿,但实际在编排成功二个政策后只需求使用1行代码即能够成功回测,在末端的小节中会进行疏解。

经过字典方式开端化买入buy_factors,首先得以达成针对壹支股票(stock)的择时操作:

  • benchmark的含义为尺度参考,基准暗中同意使用回测股票对应市镇的大盘指数
  • 私下认可参数下回测过去两年的贸易数额,传递AbuBenchmark(n_folds=二)参数修改回测周期
  • AbuCapital为资金财产主类,参数必要起头花费设定,那里初阶设定一千000(100万),另3个参数为刚刚介绍过的benchmark(基准参考)对象
  • buy_factors由八个购买因子组成,举办择时的时候七个因子同时并行生效

    # buy_factors 60日迈入突破,47日上扬突破三个因子
    buy_factors = [{‘xd’: 60, ‘class’: AbuFactorBuyBreak},

               {'xd': 42, 'class': AbuFactorBuyBreak}]
    

    benchmark = AbuBenchmark()
    capital = AbuCapital(1000000, benchmark)

择时ABuPickTimeExecute首要驱动情势为时间驱动,即经过时间种类一天壹天递进,通过采购因子卖出因子的fit来询问是或不是有事件生成(买入卖骑行为),此外也有框架使用事件驱动,它们各自某个的帮助和益处,原始的abu框架正是光阴驱动+事件驱动的,它最大的优点是实践功能比时间驱动高,不过灵活性及扩充性要比时间驱动差。

上边采取ABuPickTimeExecute开始开展择时交易回测,ABuPickTimeExecute实际上不是最精简的回测接口,更简便的接口能够行使abu.run_loop_back()函数,在前面包车型大巴章节将会以身作则使用,本节目标是为了更清晰的印证内部操作流程。

由回测结果图可观察由于AbuPickTimeWorker未有设置sell_factors,所以具备的贸易单子都平素保留没有卖掉:

  • orders_pd:全部交易的有关数据(之后会有内容呈现)
  • action_pd:全部交易的行为数据(之后会有内容显示)

    orders_pd, actionpd, = ABuPickTimeExecute.do_symbols_with_same_factors([‘usTSLA’],

                                                                            benchmark,
                                                                            buy_factors,
                                                                            None,
                                                                            capital, show=True)
    

图片 3

本节ipython
notebook

三.2 买入因子和卖出因子在回测中并且生效

同理使用字典组装卖出因子:

# 使用120天向下突破为卖出信号
sell_factor1 = {'xd': 120, 'class': AbuFactorSellBreak}

# buy_factors 60日向上突破,42日向上突破两个因子
buy_factors = [{'xd': 60, 'class': AbuFactorBuyBreak}, 
               {'xd': 42, 'class': AbuFactorBuyBreak}]

# 只使用120天向下突破为卖出因子
sell_factors = [sell_factor1]
capital = AbuCapital(1000000, benchmark)
orders_pd, action_pd, _ = ABuPickTimeExecute.do_symbols_with_same_factors(['usTSLA'],
                                                                            benchmark,
                                                                            buy_factors,
                                                                            sell_factors,
                                                                            capital, show=True)

图片 4

从上海体育地方能够见到,大大多的交易卖出因子都见效了,但效率很倒霉,
下壹节将承继透过扩大两个卖出因子同时效能于政策上来进步政策的遵从。

在对的光阴,遇见对的人(股票(stock)),是一种幸福

在对的年月,遇见错的人(期货(Futures)),是1种悲伤

在错的时刻,遇见对的人(证券),是一声叹息

在错的年华,遇见错的人(证券),是1种无奈

本节界面操作教程录像播放地址

作者: 阿布

abu量化系统github地址
(您的star是自己的引力!)

三. 卖出择时因子的达成

上边装有单子都尚未拍板的案由是未曾卖掉因子,下面首先落成类似买入计谋的N日趋势突破政策AbuFactorSellBreak,当股票价格向下突破N日最低价格时卖出股票(stock),即当天收盘价格低于N天内最低价格作为卖出非时限信号,感到降低势头创制卖出股票(stock):

class AbuFactorSellBreak(AbuFactorSellXD):
    """示例继承AbuFactorBuyXD, 向下突破卖出择时因子"""
    def support_direction(self):
        """支持的方向,只支持正向"""
        return [ESupportDirection.DIRECTION_CAll.value]

    def fit_day(self, today, orders):
        """
        寻找向下突破作为策略卖出驱动event
        :param today: 当前驱动的交易日金融时间序列数据
        :param orders: 买入择时策略中生成的订单序列
        """
        # 今天的收盘价格达到xd天内最低价格则符合条件
        if today.close == self.xd_kl.close.min():
            for order in orders:
                self.sell_tomorrow(order)

上AbuFactorSellBreak便是落成了卖出突破政策的代码达成:

  1. 卖出因子需求持续AbuFactorSellXD只怕更扑朔迷离的宗旨继承AbuFactorSellBase
  2. 卖出因子供给落成support_direction方法,分明战略扶助的购买战略方向,本例中[ESupportDirection.DIRECTION_CAll.value]即只协理正向买入战略,即买涨
  3. 卖出因子须要贯彻fit_day,看有未有适合卖出标准的交易单子

愈多具体卖出因子达成代码请阅读AbuFactorSellBase

备考:之后章节的期货(Futures)示例讲疏解怎么着选取ESupportDirection做反向贸易,buy
put

量化系统一般分为回测模块、实盘模块。

二. 讲明情势一步一步对政策举行回测

本节第叁通过分解流程格局一步一步达成应用AbuFactorBuyBreak进行回测,目标是为着更清楚的注明内部操作流程,
编码进度会显的有点复杂臃肿,但骨子里在编写制定成功1个国策后只须求采纳1行代码即能够落成回测,在末端的小节中会实行教学。

通过字典情势早先化买入buy_factors,首先得以达成针对1支股票(stock)的择时操作:

  • benchmark的意义为条件参考,基准默许使用回测股票对应市镇的大盘指数
  • 默许参数下回测过去两年的交易数额,传递AbuBenchmark(n_folds=2)参数修改回测周期
  • AbuCapital为资金财产主类,参数须求伊始费用设定,那里开首设定一千000(100万),另一个参数为刚刚介绍过的benchmark(基准参考)对象
  • buy_factors由五个购买因子组成,实行择时的时候四个因子同时并行生效

    # buy_factors 60日发展突破,4二十四日发展突破八个因子
    buy_factors = [{‘xd’: 60, ‘class’: AbuFactorBuyBreak},

               {'xd': 42, 'class': AbuFactorBuyBreak}]
    

    benchmark = AbuBenchmark()
    capital = AbuCapital(1000000, benchmark)

择时ABuPickTimeExecute主要驱动情势为时间驱动,即因而时间连串一天1天递进,通过买进因子卖出因子的fit来询问是或不是有事件生成(买入卖骑行为),此外也有框架使用事件驱动,它们各自有些的亮点,原始的abu框架正是光阴驱动+事件驱动的,它最大的帮助和益处是施行作用比时间驱动高,但是灵活性及扩充性要比时间驱动差。

下边采纳ABuPick提姆eExecute先导进行择时交易回测,ABuPickTimeExecute实际上不是最精简的回测接口,更简短的接口能够使用abu.run_loop_back()函数,在背后的章节将会以身作则使用,本节目标是为了更明显的求证内部操作流程。

由回测结果图可观看由于AbuPickTimeWorker未有设置sell_factors,所以具备的贸易单子都平素保留未有售出:

  • orders_pd:全体交易的有关数据(之后会有内容体现)
  • action_pd:全部交易的一坐一起数据(之后会有内容突显)

    orders_pd, actionpd, = ABuPickTimeExecute.do_symbols_with_same_factors([‘usTSLA’],

                                                                            benchmark,
                                                                            buy_factors,
                                                                            None,
                                                                            capital, show=True)
    

图片 5

  • 择时(何时投资)
  • 选股(投资什么股票(stock))

阿布量化版权全数 未经允许 禁止转载

唯有在对的时间购买对的期货(Futures)才干挣钱,就如下边张小娴的名言同样,能够把‘股票(stock)’
代替 ‘人’完全合乎逻辑。

abu量化文书档案目录章节

  1. 择时战略的付出
  2. 择时政策的优化
  3. 滑点攻略与交易手续费
  4. 多支证券择时回测与仓位处理
  5. 选股计谋的花费
  6. 回测结果的襟怀
  7. 招来政策最优参数和评分
  8. A股票市集场的回测
  9. 香港股市市集的回测
  10. 比特币,赖特币的回测
  11. 股票(stock)市镇的回测
  12. 机械学习与比特币示例
  13. 量化技艺分析应用
  14. 量化相关性分析应用
  15. 量化交易和查找引擎
  16. UMP主评判交易决策
  17. UMP边裁交易决策
  18. 自定义裁判决策交易
  19. 数据源
  20. A股全市镇回测
  21. A股UMP决策
  22. 美国股票(stock)全市集回测
  23. 美股UMP决策

abu量化系统文书档案教程持续更新中,请关切群众号中的更新提示。

更多阿布量化量化才干文章

越来越多关于量化交易有关请阅读《量化交易之路》

越多关于abu量化系统请关心微信公众号: abu_quant

图片 6

在对的日子,遇见对的人(股票(stock)),是壹种幸福

在对的大运,遇见错的人(股票),是一种愁肠

在错的时间,遇见对的人(期货(Futures)),是一声叹息

在错的日子,遇见错的人(股票(stock)),是一种无奈

abu量化系统github地址
(您的star是自己的引力!)

本节ipython
notebook

相关文章