Pyalgotrade量化交易回测框架

现在就开始干活了。先要测试一下pyalgotrade回测数据对不对。我找了个参照标准:在聚宽上开通了个账号，按入门教程写了个策略:2016-2018年每个交易日买入100股平安银行(000001)，回测结果如下:

现在用pyalgotrade来实现一下这个策略。先用tushare下载平安银行及沪深300指数的2016年数据。

首先从csv文件建立数据源。

from pyalgotrade_tushare import tools, barfeed


instruments = ["000001"]
feeds = tools.build_feed(instruments, 2016, 2018, "histdata")

如果没有下载过数据，会自动下载以后存到histdata目录里，如果下载过，就自动使用目录里的数据了。feeds是BarFeed类型，就是其中的数据驱动pyalgotrade回测框架运行。

接着就从Pyalgotrade.strategy.BacktestingStrategy继承自己的策略类。

class MyStrategy(strategy.BacktestingStrategy):
    def __init__(self, feed, instrument, brk):
        super().__init__(feed, brk)
        self.__position = None
        self.__instrument = instrument
        self.getBroker()
        self.__cost = 0.0


    def onEnterOk(self, position):
        execInfo = position.getEntryOrder().getExecutionInfo()
        # self.info("买入 %.2f" % (execInfo.getPrice()))


    def onEnterCanceled(self, position):
        self.__position = None


    def onExitOk(self, position):
        execInfo = position.getExitOrder().getExecutionInfo()
        self.info("卖出 %.2f" % (execInfo.getPrice()))
        self.__position = None


    def onExitCanceled(self, position):
        # If the exit was canceled, re-submit it.
        self.__position.exitMarket()
 


    def onBars(self, bars):
        brk = self.getBroker()
        shares = 100
        price = bars[self.__instrument].getPrice()
        if brk.getCash() < price*shares:
             self.info("现金不足")
             return


        self.__position = self.enterLong(self.__instrument, shares, True)
        self.__cost += brk.getCommission().calculate(brk, price, shares)
        self.info("可用现金%.2f 股价%.2f 持股数量%d 市值1:%.2f 市值2:%.2f 计算市值:%.2f 交易成本%.2f" % (brk.getCash(), price, brk.getShares(self.__instrument), brk.getEquity(), self.getResult(), (brk.getCash() + brk.getShares(self.__instrument)*price), self.__cost))
        # x = input("按任意键继续")

其中onBar是必须重写的，即每次数据更新要执行的操作。

然后设置手续费，滑点等设置。

# 设置手续费
broker_commision = broker.backtesting.TradePercentage(0.0003)
brk = broker.backtesting.Broker(cash, feeds, broker_commision)

Broker对象是进行交易的类。

然后生成策略对象:

myStrategy = MyStrategy(feeds,     instruments[0], brk)

接下来生成用于计算回测指标的四个对象，并将其添加进入策略中:

    retAnalyzer = returns.Returns()
    myStrategy.attachAnalyzer(retAnalyzer)
    sharpeAnalyzer = sharpe.SharpeRatio()
    myStrategy.attachAnalyzer(sharpeAnalyzer)
    drawDownAnalyzer = drawdown.DrawDown()
    myStrategy.attachAnalyzer(drawDownAnalyzer)
    tradesAnalyzer = trades.Trades()
    myStrategy.attachAnalyzer(tradesAnalyzer)

如果要作图，类似的，也要将绘图对象添加进入策略对象。

from pyalgotrade import plotter
     
plter = plotter.StrategyPlotter(myStrategy)
plter.getOrCreateSubplot("return").addDataSeries("retuens", retAnalyzer.getReturns())
plter.getOrCreateSubplot("CumReturn").addDataSeries("CumReturn", retAnalyzer.getCumulativeReturns())

准备工作做完，就可以执行回测了，用

myStrategy.run()

执行以后就可以输出回测结果，输出图形了。限于篇幅，就不放代码了。详细代码见:

https://github.com/zwdnet/MyQuant/blob/master/01/testdata.py

现在来看看回测结果。

其中年化收益率那里应该是三年的策略收益，这样看两个的回测结果是基本一致的，但并不完全一致。原因呢？

我看了一下每个交易日的情况：

聚宽上面的：

我本地文件里的数据

 

在本地输出每个交易日的情况：

可以看到2016-01-05，聚宽的股价数据是8.99，tushare下载的数据是9.07。2016-01-06，聚宽的数据是9.10，tushare是9.179。

我在聚宽的论坛里发帖问了，被告知可能是数据复权方法，滑点设置等差异引起的。另外，pyalgotrade貌似是第一天产生交易信号第二天再执行交易。好在差别也不大，就这样吧。还有一些问题，比如pyalgotrade里貌似没有没有直接计算alpha值，beta值，信息比率等数据的函数，用到了再说吧。

最后再总结一下用pyalgotrade进行量化交易回测的一般步骤:

①用数据生成BarFeed对象，作为驱动框架的数据来源。

②用Broker对象设置交易成本，滑点等。

③从strategy.BacktestingStrategy建立Strategy对象，并重写onBars成员函数，其内容为每次交易事件时都要执行的动作。其中可能会用到technical对象，用于计算一些技术指标。

④实例化strategy对象，建立回测指标对象和绘图对象，并将它们与strategy绑定。

⑤执行回测。

⑥输出回测结果，绘图。

下一步，该真正进行量化交易策略的学习研究了。