vn.py的底层实现机制——回测及参数优化

简介

前几天介绍了vn.py实盘部分的底层实现机制，这一篇将为大家介绍数据以及回测部分的底层实现机制。

回测主要涉及两部分：1. 历史数据的导入 2. 计算信号 3. 策略评价 4. 参数优化。

历史数据

1. 通过vn.py提供的历史数据接口，主要有以下几个历史数据源，上海中期、天勤、富途、tushare、QuantOS等；

Demo路径：

examples/**DataService/downloadData.py

使用方式：

手动下载指定时间或者自动定时下载并插入MongoDB数据库；具体使用方式可以参考：https://github.com/vnpy/vnpy/wiki/天勤终端数据解决方案

2. 自行通过接口订阅合约行情并记录在数据库；

Demo路径：

examples/DataRecording/runDataRecording.py

使用方式：

将需要订阅的合约添加到DR_setting.json列表中

3. 从第三方获取数据，如：wind、通联

Demo路径：

examples/CtaBacktesting/loadCsv.py

使用方式：

demo提供了将csv格式数据文件插入MongoDB示例；其他格式请自行编写

计算信号

这一部分就是根据自行编写好的策略计算一些指标或者其他的量，根据相应的规则发出买卖信号。回测和实盘用的是同一个文件。

Demo路径：

vnpy/trader/app/ctaStrategy/strategy/**strategy

说明：

策略class主要包括这几个部分：

OnTick: 收到tick行情推送,生成相应的bar(主要通过app/ctaStrategy/ctaTemplate.py中的BarGenerator来生成k线)，推送给onBar函数；

OnBar: 收到合成的k线，计算指标或者其他的量，生成买卖信号；

策略评价

主要包括pnl、sharpe ratio等指标

Demo路径：

examples/CtaBacktesting/runBacktesting.py

说明：

利用

app/ctaStrategy/ctaBacktesting.py下定义的BacktestingEngine类

流程：如下图所示。（请点击图片放大查看或点击文末‘阅读原文’跳转到【维恩的派】论坛进行查看。）

参数优化

利用格点法遍历选择最优参数。

Demo路径：

examples\CtaBacktesting\runOptimization.py

基于python的开源交易平台开发框架。截止目前，vn.py项目在Github上的Star已经达到5563，量化交易类开源项目第1，量化类项目第3（1、2依旧分别是Zipline和TuShare）。

项目官网：http://www.vnpy.org

论坛地址：www.vnpie.com

知乎专栏：https://zhuanlan.zhihu.com/vn-py

Developed by Traders,

for Traders