PeopleQuant帮助文档:上线本地回测系统-夜雨聆风

PeopleQuant帮助文档:上线本地回测系统

回测是检验策略逻辑的必要环节，高效的回测可为迭代策略节省大量时间。

PeopleQuant的回测系统使用本地离线数据，回测系统具有以下特点：

1、支持tick、K线数据回测，传入的数据作为基础数据生成行情快照，可再生成其他周期K线。（数据不标记品种，因此也可传入股票等其他标的数据回测）

2、回测和实盘代码保持高度一致，仅需少量修改即可在回测和实盘间切换。

3、支持传入多品种离线数据以做多品种复合策略回测。

4、polars向量化的指标运算、独立进程实时绘制资金曲线，大幅提高回测效率。

5、成交价格为下单价格，开仓时更新开仓均价，平仓时均价不变。

6、交易信号、回测结果保存csv文件，便于进一步分析交易逻辑的正确性。回测不只是给出一个是否能盈利的资金曲线，更重要的是对交易信号的分析，分析交易信号是否处在正确的交易逻辑上。如果交易信号本身逻辑有误，只是看着资金曲线不断的调整参数，没有发现真正的问题，就白白浪费了时间精力。

PeopleQuant回测系统的用法：

1、首先准备离线数据，数据文件为csv格式，可以是tick数据或K线数据。

2、实例化回测对象BackTest，传入离线数据文件路径列表，多个品种数据放在一个列表中，设置回测开始时间和结束时间，时间段包含数据的时间（可只回测某一段时间的数据），设置品种属性，例如价格最小跳、合约乘数、保证金率、手续费、涨跌停板。设置离线数据字段，如K线的最新价一般为close，tick数据的最新价一般为lastprice，离线数据字段将会转换为行情快照字段。设置离线数据日期字段的格式。指定回测结果保存的路径。设置是否实时绘制资金曲线，若不实时绘图将会在回测结束后绘制。实例化结构为：

back_test = BackTest([r'C:\datas\KQ.m@DCE.m.tick.csv',   #r'C:\datas\KQ.m@SHFE.rb.tick.csv',  ],start_datetime=datetime(2021,10,8,9,0,0),end_datetime=datetime(2026,7,8,15,0,0), balance=1000000.0*1000,  symbol_infos={'KQ.m@DCE.m':{'ExchangeID': "DCE", 'PriceTick':1, "VolumeMultiple":10, "OpenRatioByMoney":0.1, "OpenRatioByVolume":10,"LimitPriceRatio":0.1},  #'KQ.m@SHFE.rb':{'ExchangeID': "SHFE", 'PriceTick':1, "VolumeMultiple":10, "OpenRatioByMoney":0.1, "OpenRatioByVolume":10,"LimitPriceRatio":0.1},   },   col_mapping = { "datetime": "datetime","InstrumentID": "symbol","LastPrice": "close","AskPrice1": "","BidPrice1": "","AskVolume1": "","BidVolume1": "","Volume": "volume" },   datetime_format = "%Y-%m-%d %H:%M:%S%.f",   result_file=r'C:\datas',   draw_line = True)

3、实例化PeopleQuantApi，参数传入BackTest实例，即可开启回测模式。

4、对策略微调，由于后台线程推送数据的速度极快，策略端可能刚处理完一条数据的更新，后台就已经推送完几天的数据，为了避免漏掉数据（实盘当中不需要对已经成为历史的数据再参与当下的计算），需要为策略当中的合约添加阻塞，只需要加两句代码，在信号循环计算开始前，添加一句：

#添加新行情是否被使用记录quote_lable=pqapi.update_quote_pipe([symbol],add_or_used='add')

在对新数据计算完成后，添加一句：

pqapi.update_quote_pipe([symbol],quote_lable,add_or_used='used') #新行情已经被使用完毕

这样策略计算完一笔数据，后台再推送一笔，避免漏掉数据，保持每次回测结果的一致性。

5、用传入的基础数据生成其他周期K线，例如传入的是1分钟K线，指标计算需要用日K线，则调用K线生成函数：

kline = pqapi.get_kline(symbol,period='1d',kline_count=40) #获取K线数据

6、用polars向量化计算技术指标及判断指标信号，例如：

#计算指标，10日/5日均线，均价金叉死叉indicator_signal = (kline.data.tail(30)      .with_columns([       MA_expr("close", 5).alias("ma5"),  #计算5日均线,m5为列名       MA_expr("close", 10).alias("ma10"),  #计算10日均线,m10为列名                                ])        .with_columns([        CROSSUP_expr("ma5", "ma10").alias("crossup"),  #判断是否金叉        CROSSDOWN_expr("ma5", "ma10").alias("crossdown"),  #判断是否死叉        ])          )

如果你习惯了pandas数据格式的计算，也可以将K线转换为pandas数据，再计算相应指标，但pandas数据计算可能比polars慢10倍以上，计算指标越多差距越明显。

7、在策略当中，对需要记录的交易信号相关的信息进行保存，例如：

#将时间、价格、持仓等参与交易逻辑计算的数据记录下来signals.append({"ctp_datetime":quote.ctp_datetime,"LastPrice":quote.LastPrice,"kline_close":(kline.data)["close"][-1],"pos_long":position.pos_long,"open_price_long":position.open_price_long,"float_profit_long":position.float_profit_long,"pos_short":position.pos_short,"open_price_short":position.open_price_short,"float_profit_short":position.float_profit_short,"buy_up":buy_up,"sell_down":sell_down,'loss_long':loss_long,'loss_short':loss_short,'profit_long':profit_long,'profit_short':profit_short,'open_price_long+':position.open_price_long + 150*symbol_info.PriceTick,'open_price_long-':position.open_price_long - 50*symbol_info.PriceTick,'open_price_short+':position.open_price_short + 50*symbol_info.PriceTick,'open_price_short-':position.open_price_short - 150*symbol_info.PriceTick,"PriceTick":symbol_info.PriceTick,'ma10':indicator_signal['ma10'][-1]})

8、回测结束后，把记录的信号保存本地，例如：

if pqapi.backtest_finished :   #回测结束,将记录的交易信号保存在本地   polars.DataFrame(signals).write_csv(fr'{pqapi._backtest.result_file}\backtest_signal_{sum(quote_lable)}.csv')   #Data.write_csv(fr'{pqapi._backtest.result_file}\backtest_indicator.csv')   print('回测结束')   print(f"回测结果已保存至:{pqapi._backtest.result_file}")

回测结束后，可通过浏览器查看回测曲线，例如：

详细的回测示例代码，可以通过PeopleQuant安装目录example中的backtest_demo.py查看，安装PeopleQuant，安装支持Python3.12以上版本：

pip install -U PeopleQuant

欢迎安装体验，github地址：

https://github.com/zhuxueli-cta/PeopleQuant

欢迎关注公众号，一起学习量化交易

QQ交流群：

PeopleQuant帮助文档:上线本地回测系统

wang

猜你喜欢

评论抢沙发

wang

猜你喜欢

评论 抢沙发

评论抢沙发