本节示例A股票商场场的回测,本节将三番五次在上一节回测的基本功上示例择时战略此外使用办法

作者: 阿布

本节将一而再在上1节回测的功底上示例择时战略此外使用方法,首先完结上壹节的回测计划,如下所示:

本节ipython
notebook

本节ipython
notebook

3. 对多组交易结果举办辨析

AbuOrderPdProxy是abupy中放置的对准交易单对象开始展览并集,交集,差集等贸易单分析应用的工具,通过EOrderSameRule使用分歧的论断为是还是不是同样使用的贸易单规则,更加多达成实际情况请阅读AbuOrderPdProxy源代码,上边示例使用:

from abupy import AbuOrderPdProxy, EOrderSameRule

orders_pd_slippage = abu_result_slippage.orders_pd
# 通过orders_pd构造AbuOrderPdProxy
proxy = AbuOrderPdProxy(orders_pd)
with proxy.proxy_work(abu_result_slippage.orders_pd) as (order, order_slippage):
    print('order == order_slippage: {}'.format(order == order_slippage))
    print('order > order_slippage: {}'.format(order > order_slippage))
    diff_a = order - order_slippage
    diff_b = order_slippage - order

order == order_slippage: False
order > order_slippage: True

上边相比一下四个差集的首先个数据,能够发掘差别点是购销价格:

  • 未使用上涨或下降停调节的diff_a的贸易仍然是使用一.17的价格购入股票(stock)
  • 利用上涨或降低停调节的diff_b的交易使用类似涨停价格一.二三的标价买入期货

备考:读者能够输出diff_a,diff_b自行二个一个比照一向下探底访,那里不再详对

diff_a.head(1)

ca88亚洲城官网 1

diff_b.head(1)

ca88亚洲城官网 2

下边通过EOrderSameRule.O奥迪Q7DE卡宴_SAME_BD做为AbuOrderPdProxy的参数,这样构造的AbuOrderPdProxy即切换了对交易单同样的条条框框:

class EOrderSameRule(Enum):
    """对order_pd中对order判断为是否相同使用的规则"""

    """order有相同的symbol和买入日期就认为是相同"""
    ORDER_SAME_BD = 0
    """order有相同的symbol, 买入日期,和卖出日期,即不考虑价格,只要日期相同就相同"""
    ORDER_SAME_BSD = 1
    """order有相同的symbol, 买入日期,相同的买入价格,即单子买入时刻都相同"""
    ORDER_SAME_BDP = 2
    """order有相同的symbol, 买入日期, 买入价格, 并且相同的卖出日期和价格才认为是相同,即买入卖出时刻都相同"""
    ORDER_SAME_BSPD = 3

运用同一的symbol和选购日期就感觉是千篇1律的规则,结果如下:

proxy = AbuOrderPdProxy(orders_pd, EOrderSameRule.ORDER_SAME_BD)
with proxy.proxy_work(abu_result_slippage.orders_pd) as (order, order_slippage):
    diff_c = order - order_slippage
diff_c

ca88亚洲城官网 3

ABuSymbolPd.make_kl_df('601766', start='20150417', end='20150417')

ca88亚洲城官网 4

ABuSymbolPd.make_kl_df('300104', start='20131009', end='20131009')

ca88亚洲城官网 5

能够看来diff_c中显得的三个交易单都以在集结竞价阶段已涨停了的股票(stock)交易,在开启了起降停调节后那三笔交易都不曾开展买卖。

如上述使用的AbuOrderPdProxy等工具,abupy不仅仅提供了对贸易进行回测的功用,有不少分析,总括,机器学习,以及可视化工具在类型中得以帮助您解析计策,分析回测结果,以及为发出新的政策产生基础阀值等作用,在随后的科目军长接力讲授使用以及示例。

abu量化文书档案目录章节

  1. 择时战术的费用
  2. 择时事政治策的优化
  3. 滑点战略与贸易手续费
  4. 多支股票(stock)择时回测与仓位管理
  5. 选股攻略的支付
  6. 回测结果的心地
  7. 搜求政策最优参数和评分
  8. A股票市场场的回测
  9. 香港股市票市集场的回测
  10. 比特币,赖特币的回测
  11. 证券商场的回测
  12. 机械学习与比特币示例
  13. 量化才具分析应用
  14. 量化相关性分析利用
  15. 量化交易和搜求引擎
  16. UMP主裁判交易决策
  17. UMP边裁交易决策
  18. 自定义评判决策交易
  19. 数据源
  20. A股全市镇回测
  21. A股UMP决策
  22. 美国证券全集镇回测
  23. 美股UMP决策

abu量化系统文书档案教程持续立异中,请关切群众号中的更新提示。

越来越多阿布量化量化才干文章

更多关于量化交易有关请阅读《量化交易之路》

更加多关于量化交易与机具学习相关请阅读《机器学习之路》

更加多关于abu量化系统请关心微信公众号: abu_quant

ca88亚洲城官网 6

abu量化系统github地址(接待+star)

二. 贸易手续费的测算以及自定义手续费

交易必然会时有发新手续费,手续费的计量在ABuCommission模块中,举例本例中采纳的的美国证券交易回测,使用的手续费总计代码如下所示:

def calc_commission_us(trade_cnt, price):
    """
    美股计算交易费用:每股0.01,最低消费2.99
    :param trade_cnt: 交易的股数(int)
    :param price: 每股的价格(美元)(暂不使用,只是保持接口统一)
    :return: 计算结果手续费
    """
    # 每股手续费0.01
    commission = trade_cnt * 0.01
    if commission < 2.99:
        # 最低消费2.99
        commission = 2.99
    return commission

针对差异市镇美国期货(Futures),a股,港股,比特币,证券有差异总计手续费的法门,更加多详细情况请阅读ABuCommission模块源代码

上边先看看在此之前的回测交易中发出的手续费情状,查看代码如下所示:

capital.commission.commission_df

ca88亚洲城官网 7

即便你想把团结的估测计算手续费的点子运用在回测中,只必要编写制定手续费函数,示比方下所示:

def calc_commission_us2(trade_cnt, price):
    """
        手续费统一7美元
    """
    return 7

如上编写制定的手续费函数统1每一遍购买卖出都以一三澳元手续费,手续费函数有多少个参数3个trade_cnt代表买入(卖出)股数,
另八个参数是price,代表买入(卖出)价格,上边接纳那个自定义的手续费方法做回测,代码如下所示:

# 构造一个字典key='buy_commission_func', value=自定义的手续费方法函数
commission_dict = {'buy_commission_func': calc_commission_us2}
# 将commission_dict做为参数传入AbuCapital
capital = AbuCapital(1000000, benchmark, user_commission_dict=commission_dict)
# 除了手续费自定义外,回测其它设置不变,show=False不可视化回测交易
orders_pd, action_pd, _ = ABuPickTimeExecute.do_symbols_with_same_factors(['usTSLA'],
                                                                            benchmark,
                                                                            buy_factors2,
                                                                            sell_factors,
                                                                            capital,
                                                                            show=False)
# 回测完成后查看手续费情况
capital.commission.commission_df

ca88亚洲城官网 8

从上边回测交易手续费结果能够看看,买入的手续费都成为了7元,卖动手续费也许事先的算法,上边包车型客车回测将购入卖动手续费总结方法都改成使用自定义的秘诀,代码如下所示:

# 卖出字典key='sell_commission_func', 指向同一个手续费方法,当然也可以定义不同的方法
commission_dict = {'buy_commission_func': calc_commission_us2, 'sell_commission_func': calc_commission_us2}
# 将commission_dict做为参数传入AbuCapital
capital = AbuCapital(1000000, benchmark, user_commission_dict=commission_dict)
# 除了手续费自定义外,回测其它设置不变,show=False不可视化回测交易
orders_pd, action_pd, _ = ABuPickTimeExecute.do_symbols_with_same_factors(['usTSLA'],
                                                                            benchmark,
                                                                            buy_factors2,
                                                                            sell_factors,
                                                                            capital,
                                                                            show=False)
# 回测完成后查看手续费情况
capital.commission.commission_df

ca88亚洲城官网 9

从回测结果即能够见见有着购买卖出的手续费都以七比索

二. 上涨或降低停的异样处理

上边首要教学一下A股市肆中比较新鲜的地点:涨停,跌停,首先看一下上面那笔交易:

orders_pd = abu_result_tuple.orders_pd
view_orders = orders_pd[(orders_pd['symbol'] == '601766') & (orders_pd['buy_date'] == 20150417)]
view_orders

ca88亚洲城官网 10

从贸易单来看仿佛1切ok,即使最终交易蚀本了,下边接纳plot_candle_from_order可视化view_orders,plot_candle_from_order标识出了采办和卖出点

trade_df = ABuMarketDrawing.plot_candle_from_order(view_orders)

ca88亚洲城官网 11

ABuMarketDrawing.plot_candle_from_order返回的trade_df是这笔交易的持有股票周期内的经济时间种类,如下所示,看率先条数据
20壹伍-0四-①7交易日即为买入交易日,能够窥见close,high,low的价格都以一样的,那意味着了在集合竞价阶段股票(stock)已经涨停,但在我们回测中暗许使用的
滑点买入类依旧感到能够买入。

备注:滑点类相关内容请阅读:滑点战术与交易手续费

print('买入价格为:{}'.format(view_orders.ix[0].buy_price))
trade_df.head()

买入价格为:35.61

ca88亚洲城官网 12

和购买类似,注意下边那笔交易:

view_orders = orders_pd[(orders_pd['symbol'] == '000002') & (orders_pd['sell_date'] == 20160704)]
trade_df = ABuMarketDrawing.plot_candle_from_order(view_orders.ix[0])
print('卖出价格为:{}'.format(view_orders.ix[0].sell_price))
trade_df.tail()

ca88亚洲城官网 13

卖出价格为:21.27

ca88亚洲城官网 14

上面ABuMarketDrawing.plot_candle_from_ca88亚洲城官网,order返回的trade_df是那笔交易的持有证券周期内的金融时间系列,看第最终一条数据
201陆-07-0四交易日即为卖出交易日,能够开采close,high,low的价钱都以千篇1律的,那意味了在会集竞价阶段期货已经跌停,但在大家回测中私下认可使用的
滑点卖出类依旧以为能够卖出。

就像的图景还有下面那种就算并不是在集结竞价阶段证券涨停,可是涨停下依旧采纳当天最高最低均价买入,买入价格为:一.17五深入人心也不稳当,同理在非集结竞价跌停的情事下以当天的平均价格卖出也不相宜。

备考:暗许滑点类使用均价买入卖出,详细情况阅读AbuSlippageSellBase,AbuSlippageBuyBase

view_orders = orders_pd[(orders_pd['symbol'] == '300059') & (orders_pd['buy_date'] == 20120222)]
trade_df = ABuMarketDrawing.plot_candle_from_order(view_orders.ix[0])
print('买入价格为:{}'.format(view_orders.ix[0].buy_price))
trade_df.head(1)

ca88亚洲城官网 15

买入价格为:1.175

ca88亚洲城官网 16

为缓和上述难点abupy中有针对A股涨停和跌停的与众差别装饰器封装在滑点模块中:

切实落成原理不在那里进行,效果为:

  1. 本着非会集竞价阶段的涨停,滑点购买价格以高可能率在周边涨停的价钱购入
  2. 本着非会集竞价阶段的跌停,滑点卖出价格以高概率在相近跌停的价钱卖掉
  3. 会集竞价阶段的涨停依据设置中的买入成功可能率实行购销决策
  4. 集结竞价阶段的跌停根据设置中的卖出成功概率进行卖出决策

切实得以达成请阅读源代码AbuSlippageSellBase,AbuSlippageBuyBase。

上边包车型地铁代码将在上述4个针对A股涨停和跌停的异样装置张开:

from abupy import slippage
# 开启针对非集合竞价阶段的涨停,滑点买入价格以高概率在接近涨停的价格买入
slippage.sbb.g_enable_limit_up = True
# 将集合竞价阶段的涨停买入成功概率设置为0,如果设置为0.2即20%概率成功买入
slippage.sbb.g_pre_limit_up_rate = 0
# 开启针对非集合竞价阶段的跌停,滑点卖出价格以高概率在接近跌停的价格卖出
slippage.ssb.g_enable_limit_down = True
# 将集合竞价阶段的跌停卖出成功概率设置为0, 如果设置为0.2即20%概率成功卖出
slippage.ssb.g_pre_limit_down_rate = 0

其余的回测因子等装置都不改变,重新利用abu.run_loop_back举办回测,代码如下:

abu_result_slippage, kl_pd_manger = abu.run_loop_back(read_cash,
                                                   buy_factors,
                                                   sell_factors,
                                                   n_folds=6,
                                                   choice_symbols=choice_symbols)

AbuMetricsBase.show_general(*abu_result_slippage, only_show_returns=True)

买入后卖出的交易数量:249
买入后尚未卖出的交易数量:2
胜率:42.9719%
平均获利期望:16.4189%
平均亏损期望:-6.8735%
盈亏比:1.8920
策略收益: 89.4554%
基准收益: 20.6036%
策略年化收益: 15.4933%
基准年化收益: 3.5685%
策略买入成交比例:82.4701%
策略资金利用率比例:39.7315%
策略共执行1455个交易日

ca88亚洲城官网 17

地点的心地展现买入后卖出的贸易数额:249,在此之前没张开涨跌停时是25二,就能够见道有叁笔交易由于开启了上涨或下降停未有开始展览选购,但是怎么能知道那四个交易产生了变化呢?

备考:读者可尝试选拔 ABU量化系统接纳文书档案-第玖节 香港股市市集的回测
中等教育授的AbuSDBreak对地点A股交易进行回测,衡量结果。

abu量化系统github地址(接待+star,你的援助是本人更新的引力!)

阿布量化版权全体 未经允许 禁止转载

阿布量化版权全部 未经允许 禁止转发

一. A股票店4场的回测示例

择年代货池使用沙盒缓存数据中的如下股票(stock):

from abupy import AbuFactorBuyBreak, AbuFactorSellBreak
from abupy import AbuFactorAtrNStop, AbuFactorPreAtrNStop, AbuFactorCloseAtrNStop
from abupy import ABuPickTimeExecute, AbuBenchmark, AbuCapital

# 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}]
# 四个卖出因子同时并行生效
sell_factors = [
    {
        'xd': 120,
        'class': AbuFactorSellBreak
    },
    {
        'stop_loss_n': 0.5,
        'stop_win_n': 3.0,
        'class': AbuFactorAtrNStop
    },
    {
        'class': AbuFactorPreAtrNStop,
        'pre_atr_n': 1.0
    },
    {
        'class': AbuFactorCloseAtrNStop,
        'close_atr_n': 1.5
    }]
benchmark = AbuBenchmark()
capital = AbuCapital(1000000, benchmark)

A股市场:

  • 科大讯飞(002230)
  • 乐视网(300104)
  • 西部财富(贰仟5九)
  • 中华中车(601766)
  • 同仁堂(600085),
  • 招引客商业银行行(400036)
  • 山东江小白(60080九)
  • 万科A(000002)
  • 比亚迪(002594)
  • 万达电影(00273九)
  • 上证指数(sh00000一)

代码如下所示:

# 择时股票池
choice_symbols = ['002230', '300104', '300059', '601766', '600085', '600036', '600809', '000002', '002594', '002739']

# 使用run_loop_back运行策略
abu_result_tuple, kl_pd_manger = abu.run_loop_back(read_cash,
                                                   buy_factors,
                                                   sell_factors,
                                                   n_folds=6,
                                                   choice_symbols=choice_symbols)

AbuMetricsBase.show_general(*abu_result_tuple, only_show_returns=True)

买入后卖出的交易数量:169
买入后尚未卖出的交易数量:1
胜率:55.6213%
平均获利期望:17.4736%
平均亏损期望:-6.6848%
盈亏比:3.5702
策略收益: 164.6985%
基准收益: 75.7668%
策略年化收益: 41.1746%
基准年化收益: 18.9417%
策略买入成交比例:88.2353%
策略资金利用率比例:34.8566%
策略共执行1008个交易日

ca88亚洲城官网 18

地点的回测结果即便能够不奇怪运转,不过众多交易细节依旧利用的私下认可设置中的美国股票(stock)交易形式,因为暗中认可的设置E马克etTargetType.E_MARKET_TARGET_US是美国股票(stock),它会影响到一年多少个交易日等等交易细节,基准标尺等主题素材,如注意观望地方运用应用show_general显示的末梢获益相比图,能够窥见计谋受益相比的是纳斯达克指数,并不是A股大盘。

科学的做法是第一将abupy量化情况设置为A股,代码如下所示:

abupy.env.g_market_target = EMarketTargetType.E_MARKET_TARGET_CN

abu_result_tuple, kl_pd_manger = abu.run_loop_back(read_cash,
                                                   buy_factors,
                                                   sell_factors,
                                                   n_folds=6,
                                                   choice_symbols=choice_symbols)

AbuMetricsBase.show_general(*abu_result_tuple, only_show_returns=True)

买入后卖出的交易数量:252
买入后尚未卖出的交易数量:2
胜率:43.6508%
平均获利期望:17.5752%
平均亏损期望:-6.9084%
盈亏比:2.1424
策略收益: 114.8238%
基准收益: 20.6036%
策略年化收益: 19.8870%
基准年化收益: 3.5685%
策略买入成交比例:83.0709%
策略资金利用率比例:38.6073%
策略共执行1455个交易日

ca88亚洲城官网 19

上壹节使用AbuFactorBuyBreak和AbuFactorSellBreak且混入基本止盈止损战略AbuFactorAtrNStop,
风险控防止损攻略AbuFactorPreAtrNStop,利益爱护止盈攻略AbuFactorCloseAtrNStop来坚实交易的得利效果。

# 设置初始资金数
read_cash = 1000000

# 买入因子依然延用向上突破因子
buy_factors = [{'xd': 60, 'class': AbuFactorBuyBreak},
               {'xd': 42, 'class': AbuFactorBuyBreak}]

# 卖出因子继续使用上一节使用的因子
sell_factors = [
    {'stop_loss_n': 1.0, 'stop_win_n': 3.0,
     'class': AbuFactorAtrNStop},
    {'class': AbuFactorPreAtrNStop, 'pre_atr_n': 1.5},
    {'class': AbuFactorCloseAtrNStop, 'close_atr_n': 1.5}
]

作者: 阿布

事先的小节回测示例都以使用美国证券,本节示例A股票市镇场的回测。
购置因子,卖出因子等依旧接纳同一的设置,如下所示:

壹 滑点买入卖出价格鲜明及政策落成

第三节中落成的选购计策和卖出战术的编写制定,买入攻略中规定购买只是透过make_buy_order函数,分明买下账单生成,卖出政策明确卖出订单
也只是经过fit_sell_order来提交卖单,那么推行订单,应该利用的什么价位买入依然卖出吧,abupy在默许的宗旨都以利用当天的均价买入卖出,

自然你可以完毕多样繁杂的当天交易战术,设置限制价钱单、市场价格单,获取当日的分时数据再一次进行政策分析推行操作,然而只要您的回测数量丰富多的状态下,比方全市集回测,根据天数定理,那些均值实行实际是最佳的效仿,而且轻易、运转速度快。

滑点买入卖出价格明确具体达成代码请阅读AbuSlippageBuyMean和AbuSlippageSellMean,它们的兑现都不会细小略

在采办滑点AbuSlippageBuyMean中有一个小攻略当当天开始拍录价格一向向下探底七%时,放任付钱,看上壹节回测结果中如下图这一次交易,从图上就足以窥见就算是突破买入,但料定第3天实行买下账单时的价钱是直线下落的,且降低不少,但依然成交了那笔交易。因为开盘降低幅度未有直达7%的阀值,下边大家就过拟合此番交易制止购买,只为示例

ca88亚洲城官网 20

上边编辑三个单独的Slippage战略,只轻巧修改g_open_down_rate的值为0.02

from abupy import AbuSlippageBuyBase, slippage
# 修改买入下跌阀值为0.02
g_open_down_rate = 0.02

class AbuSlippageBuyMean2(AbuSlippageBuyBase):
    """示例日内滑点均价买入类"""

    @slippage.sbb.slippage_limit_up
    def fit_price(self):
        """
        取当天交易日的最高最低均价做为决策价格
        :return: 最终决策的当前交易买入价格
        """
        # TODO 基类提取作为装饰器函数,子类根据需要选择是否装饰,并且添加上根据order的call,put明确细节逻辑
        if self.kl_pd_buy.pre_close == 0 or (self.kl_pd_buy.open / self.kl_pd_buy.pre_close) < (1 - g_open_down_rate):
            # 开盘就下跌一定比例阀值,放弃单子
            return np.inf
        # 买入价格为当天均价,即最高,最低的平均,也可使用高开低收平均等方式计算
        self.buy_price = np.mean([self.kl_pd_buy['high'], self.kl_pd_buy['low']])
        # 返回最终的决策价格
        return self.buy_price

下面编写的AbuSlippageBuyMean二类达成即为滑点买入类的兑现:

  1. 滑点买入类必要后续自AbuSlippageBuyBase
  2. 滑点买入类需求贯彻fit_price来鲜明交易单推行业日的尾声购买价格
  3. slippage_limit_up装饰器是针对a股涨停板买入价格决定的装饰器,管理买入成功可能率,依照可能率决定是不是能买卖,及涨停下的购买价格决策,涨停下买入价格模型为,越靠近涨停价格买进成交概率越大,即在涨停下预期以贴近涨停价格购买,

备注:slippage_limit_up及slippage_limit_down具体贯彻可阅读源代码,后边的章节有示范演示使用

不过滑点类时如何时候被实例化使用的啊,怎么利用大家友好写的这么些滑点类呢?首先看买入因子基类AbuFactorBuyBase,在每种买入因子初叶化的时候即把私下认可的滑点类以及仓位管理类(稍后讲授)赋值,如下一些代码所示:

详细情况请查看AbuFactorBuyBas源代码

class AbuFactorBuyBase(six.with_metaclass(ABCMeta, ABuParamBaseClass)):
    def __init__(self, capital, kl_pd, **kwargs):
        # 走势数据
        self.kl_pd = kl_pd
        # 资金情况数据
        self.capital = capital
        # 滑点类,默认AbuSlippageBuyMean
        self.slippage_class = kwargs['slippage'] \
            if 'slippage' in kwargs else AbuSlippageBuyMean
        # 仓位管理,默认AbuAtrPosition
        self.position_class = kwargs['position'] \
            if 'position' in kwargs else AbuAtrPosition
        if 'win_rate' in kwargs:
            self.win_rate = kwargs['win_rate']
        if 'gains_mean' in kwargs:
            self.gains_mean = kwargs['gains_mean']
        if 'losses_mean' in kwargs:
            self.losses_mean = kwargs['losses_mean']
        self._init_self(**kwargs)

日后因子在每回生效产生结算的时候会触发AbuOrder实例对象的fit_buy_order()函数,fit_buy_order()军长滑点类,仓位管理类实例化后,施行购买发贩卖价格格及数量鲜明,代码片段如下所示,详细情形请查看源代码。

def fit_buy_order(self, day_ind, factor_object):
    kl_pd = factor_object.kl_pd
    # 要执行买入当天的数据
    kl_pd_buy = kl_pd.iloc[day_ind + 1]
    # 买入因子名称
    factor_name = factor_object.factor_name \
        if hasattr(factor_object, 'factor_name') else 'unknown'
    # 滑点类设置
    slippage_class = factor_object.slippage_class
    # 仓位管理类设置
    position_class = factor_object.position_class
    # 初始资金,也可修改策略使用剩余资金
    read_cash = factor_object.capital.read_cash
    # 实例化滑点类
    fact = slippage_class(kl_pd_buy, factor_name)
    # 执行fit_price(), 计算出买入价格
    bp = fact.fit_price()
    # 如果滑点类中决定不买入,撤单子,bp就返回正无穷
    if bp < np.inf:
        # 实例化仓位管理类
        position = position_class(kl_pd_buy, factor_name, bp, 
                                  read_cash)
        # 执行fit_position(),通过仓位管理计算买入的数量
        buy_stock_cnt = int(position.fit_position(factor_object))
        if buy_stock_cnt < 1:
            return

卖出因子的滑点操作及仓位管理与购入类似,读者能够自行阅读源代码。

由上述代码大家得以窥见经过buy_factors的字典对象中传来slippage便得以活动设置滑点类,由于上海教室呈现的贸易是60日突破爆发的买下账单,所以大家只修改60日突破的字典对象,施行后方可看来如下图所示,过滤了三个60日突破的买下账单,即过滤了上海体育场合所示的贸易,代码如下所示:

备考:实际上假设只是修改g_open_down_rate的值,能够因而模块全局变量直接修改,本节只为示例使用流程

# 针对60使用AbuSlippageBuyMean2
buy_factors2 = [{'slippage': AbuSlippageBuyMean2, 'xd': 60,
                 'class': AbuFactorBuyBreak},
                {'xd': 42, 'class': AbuFactorBuyBreak}]
capital = AbuCapital(1000000, benchmark)
orders_pd, action_pd, _ = ABuPickTimeExecute.do_symbols_with_same_factors(['usTSLA'],
                                                                            benchmark,
                                                                            buy_factors2,
                                                                            sell_factors,
                                                                            capital,
                                                                            show=True)

ca88亚洲城官网 21

abu量化文书档案目录章节

  1. 择时陈设的费用
  2. 择时事政治策的优化
  3. 滑点计谋与交易手续费
  4. 多支股票(stock)择时回测与仓位管理
  5. 选股攻略的支出
  6. 回测结果的心地
  7. 探究政策最优参数和评分
  8. A股票市镇场的回测
  9. 港股票市镇场的回测
  10. 比特币,赖特币的回测
  11. 期货(Futures)市4的回测
  12. 机器学习与比特币示例
  13. 量化才能分析利用
  14. 量化相关性分析利用
  15. 量化交易和寻找引擎
  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股全商场回测
  21. A股UMP决策
  22. 美国期货(Futures)全市镇回测
  23. 美股UMP决策

abu量化系统文书档案教程持续革新中,请关怀群众号中的更新提醒。

更加多阿布量化量化才能文章

越来越多关于abu量化系统请关怀微信公众号: abu_quant

ca88亚洲城官网 22

相关文章