# 量化回测平台 **Repository Path**: qdphenix/quant-strategy ## Basic Information - **Project Name**: 量化回测平台 - **Description**: 这是一个量化回测平台，能基于日数据编写策略并回测，能直接在python上运行。 作者疑似是聚宽上的 智习 - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 12 - **Created**: 2023-08-22 - **Last Updated**: 2023-08-22 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 量化回测平台 ## 介绍 能实现日数据的量化回测平台，此处提供了三个可用策略，用户也可根据自己需要编辑自己的策略。 ## 目录 1. 安装教程
2. 使用说明
3. 软件架构
4. 各模块介绍
5. 策略说明
6. 参与贡献
## 安装教程 1. 下载各个模块和数据文件（数据文件可以根据自己需要导，本平台如果导入全部数据运行将会非常慢）
2. 将数据放在运行路径之下，写好回测模块里的初始参数和交易模块里的策略后，即可直接运行。
3. 文件夹里写好了三个策略，ETF轮动策略（这个策略运行速度快）、量价双金叉策略（10分钟）、基于随机森林的策略（10分钟）。用户如果要写自己的策略，请参照使用说明。（这里我们给了三个策略）
## 使用说明 用户只需要在以下两个地方写：
1. 选拟采用数据（我们系统里只放了沪深300股票2020年的数据，避免文件太大）
具体操作：下载拟采用的数据，在path变量更换文件名。
2. 写回测初始参数
具体操作：在主函数（main函数）处，写回测开始时间、结束时间、初始资金、手续费。
3. 写具体策略
具体操作：在strategy模块写出写具体将用的策略。
## 软件架构 程序分为各个功能模块类和回测模块（即主函数），执行主函数的时候不断调用功能模块里的函数或对象。
功能模块主要分为：
1. 获取数据函数类find
2. 账户类portfolio
3. 交易数据记录类history
4. 结果输出类output
5. 交易策略类strategy（我们的策略写在这个类里）
6. 收盘后更新和记录数据模块trade_after
7. 主函数模块main（回测模块）
## 各模块介绍 *** ### 一、获取数据函数类find 该类中包括以下函数：
1. get_data_all(path)
功能说明：获取总数据
参数说明：path为文件路径 返回：得到一个字典，字典的keys是日期，values是一个dataframe，这个dataframe里index是股票代码，values是各个指标（收盘价、波动率等）
2. get_date_all(data_all,start_date,end_date)
功能说明：获取从某一天开始到另外一天内所有交易日数据
参数说明：stat_date表示回测开始时间，end_date表示回测结束时间,data_all表示全部导入数据
返回：得到一个list，包括所有区间交易日的日期
3. get_data(self,date,stock,s_index)
功能说明：数据获取函数（根据和日期和股票获得各类指标）
参数说明：date表示日期，stock表示股票代码，s_index表示希望获得的参数
返回：得到一个某股票某日某参数值
4. get_date(self,date_get,i)
功能说明：获取周围几个交易日的日期
参数说明：date表示日期，i表示前后天数，如get_date(‘2020-01-03’,-2)表示获取2020年1月3日前2天的日期
返回：得到一个日期
5. get_hist_data(self,start_date,date, stock)
功能说明：获取某一支股票在某个交易日之前的所有历史交易信息
参数说明：start_date为开始时间，date为结束时间，stock为股票
返回：一个Dataframe *** ### 二、账户类portfolio 该类中包括以下重要参数：
1. cash
参数说明：当前现金
2. total_value
参数说明：当前总市值
3. stock_hold
参数说明：当前持仓信息，一个dateframe，横坐标是股票代码，纵坐标是数量num和价格price
4. stock_value
参数说明：当前股票价值
该类中包括以下函数：
1. buy(self,stock,num,date)
功能说明：买股票函数
参数说明：stock为股票代码，num为买的数量
2. sell(self,stock,num,date)
功能说明：卖股票函数
参数说明：stock为股票代码，num为买的数量
3. sell_all(self,date)
功能说明：卖出所有持仓股票
*** ### 三、交易数据记录类history 该类中包括以下重要参数：
1. hold_histroy
参数说明：持仓历史。 此处为一个dataframe，记录每日持仓情况。包括日期、现金、持仓股票、总资产价值。
效果示例：2017-01-03 729.61450 [510500.OF] 9.995006e+05
2. order_history
参数说明：交易信息。这是一个list，每次交易后append一下。
效果示例：order_history.append(['2021-09-23', '510500.OF', 197400.0, 8.429, '买'])
3. return_history
参数说明：收益率信息。这是一个datafrane，index是日期，values是收益率，这样写方便最后画图。
效果示例：2021-11-05 0.7123
*** ### 四、输出类output 该类包括以下几个函数：
1. get_plot()
功能说明：将一个策略回测收益率画图，并计算这个策略的夏普比率、最大收益率、最小收益率。
2. get_order_history()
功能说明：将一个策略回测所有交易历史输出成excel文件。
3. get_hold_histroy()
功能说明：将一个策略回测每日持仓历史信息输出成excel文件
*** ### 五、交易策略类strategy（我们的策略写在这里）
主要包括以下几个函数：
1. get_strategy_golden_price_num(self,date)
功能说明：执行量价双金叉策略
2. get_strategy_ETFchange(self,date)
功能说明：执行ETF轮动策略
3. get_strategy_Randomforest(self,date)
功能说明：执行随机森林量化策略
*** ### 六、 收盘后数据更新和记录模块trade_after 功能：
1. 更新每日持仓数据价格 2. 记录每日持仓 3. 记录收益率 *** ### 七、主函数模块（回测模块） 模块重要参数（用户回测前给定，下面是参数举例，都可以修改）
1. start_date = '2017-01-03'
参数说明：说明回测开始时间
2. end_date = '2021-11-05'
参数说明：回测结束时间
3. commission = 0.0005
参数说明：手续费
4. cash = 1000000
参数说明：一百万初始资金
5. me = porfolio(cash)
参数说明：创建我的账户，里面记录了现金、股票持仓、资产总价值、股票市值、资产总市值
6. buy_list = data_all[start_date].index.tolist()
参数说明：获取将要买的股票池，此处默认为导入数据的股票池
7. my_history = history()
参数说明：创建我的历史信息，里面记录了历史持仓信息，历史订单信息，历史收益率信息
8. date_all = find.get_date_all(start_date, end_date)
参数说明：通过这个函数得到从开始到结束所有交易日的日期
9. path = "./Python_2020.xlsx"
参数说明：选取目标数据文件地址
回测执行逻辑:按照所选回测区间对日期进行循环，每日执行get_strategy()（策略函数）和after_trade()（收盘后数据更新函数）
*** ## 策略说明 ### 一、量价双金叉策略 #### 具体做法 1. 每2天轮动换仓，求出满足量价双金叉的股票池，先空仓卖出，然后满仓等市值权重买入上个操作日至今涨幅最小的三只金股。
2. 若金股池为空，则当天不操作；若金股池有1-3只股票，则等市值权重买入池中所有股票；若金股池有三只以上股票，则等市值
权重买入上个操作日至今涨幅最小的三只金股。 #### 参数说明 1. golden_buy_list： list，量价双金叉股票池（简称金股池） 2. goldenprice_buy_list： list，价双金叉股票池 3. goldennum_buy_list： list，量金叉股票池 4. averageprice_last5d： float,上个交易日的5日均价 5. averageprice_last10d：float,上个交易日的10日均价 6. averageprice_5d： float，本交易日的5日均价 7. averageprice_10d： float，本交易日的10日均价 8. averagenum_last5d： float,上个交易日的5日均量 9. averagenum_last10d：float,上个交易日的10日均量 10. averagenum_5d： float，本交易日的5日均量 11. param averagenum_10d： float，本交易日的10日均量 #### 回测结果 1. 日期：2020.1.16-2020.11.16 2. 股票池：沪深300全部股票 3. 回测结果：11个月实现78%收益率，具体效果见图和输出文件 ### 二、ETF轮动策略（这个策略运行很快） #### 具体做法 6个etf，每个周期排一次序，比如五天，然后买涨幅最大的那个。 #### 回测结果 1. 日期：2017.01.03-2021.11.5 2. 股票池：300ETF、500ETF、纳指ETF、创业板ETF、红利ETF、50ETF 3. 回测结果：将近4年实现71.23%收益率，具体效果见图和输出文件 ### 三、随机森林量化策略 #### 策略思路：应用随机森林算法选出最有可能上涨的股票。 1. 每天进行一次随机森林计算，判断股票池内每只股票在当天上涨的概率，卖出所有存量股票并选取上涨概率最高的三支股票买入。
2. 如果最高的三个上涨概率都小于0.55，则当天不买入任何股票。
3. 训练集：2020年1月1日开始的，到交易日前两天为止的历史交易信息。
4. 预测集：交易日前一天的交易数据。通过前一天的数据预测；股票当天是否会上涨。
5. 训练集选用的特征：历史交易数据的每日开盘价、收盘价、市盈率、市净率、换手率、成交量等共15个特征。
6. 训练标签：相比前一天上涨为1，下跌为-1。
#### 策略结果 3个月收益率为0.65%，主要是因为我们指标选取随意，如果精选下因子应该结果会好很多。