使用qteasy自定义并回测一个集合竞价选股策略
使用qteasy自定义并回测一个集合竞价选股策略
我们今天使用qteasy来回测一个集合竞价选股交易策略，qteasy是一个功能全面且易用的量化交易策略框架，Github地址在这里。使用它，能轻松地获取历史数据，创建交易策略并完成回测和优化，还能实盘运行。项目文档在这里。
为了继续本章的内容，您需要安装qteasy【教程1】，并下载历史数据到本地【教程2、），详情可以参考更多教程【教程3】。
建议您先按照前面教程的内容了解qteasy的使用方法，然后再参考这里的例子创建自己的交易策略。
策略思想
本策略通过获取SHSE.000300沪深300的成份股数据并统计其30天内开盘价大于前收盘价的天数,并在该天数大于阈值10的时候加入股票池,随后对不在股票池的股票平仓并等权配置股票池的标的,每次交易间隔1个月.
回测数据为:SHSE.000300沪深300指数成份股
回测时间为:2016-04-05 到 2021-02-01
import qteasy as qt
import pandas as pd
import numpy as np
htypes = 'open, close'
shares = qt.filter_stock_codes(index='000300.SH', date='20220131')
print(shares[0:10])
dt = qt.get_history_data(htypes, shares=shares, asset_type='any', freq='m')
one_share = shares[24]
df = dt[one_share]
['000001.SZ', '000002.SZ', '000063.SZ', '000066.SZ', '000069.SZ', '000100.SZ', '000157.SZ', '000166.SZ', '000301.SZ', '000333.SZ']
第一种自定义策略设置方法，使用持仓数据和选股数据直接生成比例交易信号PS信号：
使用GeneralStrategy策略类，计算选股因子后，去掉所有小于零的因子，排序后提取排名前三十的股票
按以下逻辑生成交易信号：
1，检查当前持仓，如果持仓的股票未被选中，则全数卖出
2，检查当前持仓，如果新选中的股票没有持仓，则等权买入新增选中的股票
设置交易信号类型为PS，生成交易信号
由于生成交易信号需要用到持仓数据，因此不能使用批量生成模式，只能使用stepwise模式
class GroupPS(qt.GeneralStg):
def realize(self, h, r=None, t=None, pars=None):
# 读取策略参数（开盘价大于收盘价的天数）
if pars is None:
n_day = self.pars[0]
else:
n_day = pars[0]
# 从历史数据编码中读取四种历史数据的最新数值
opens = h[:, -30:, 0] # 从前一交易日起前30天内开盘价
closes = h[:, -31:-1, 1] # 从两个交易日前开始前30天内收盘价
# 从持仓数据中读取当前的持仓数量，并找到持仓股序号
own_amounts = t[:, 0]
owned = np.where(own_amounts > 0)[0] # 所有持仓股的序号
not_owned = np.where(own_amounts == 0)[0] # 所有未持仓的股票序号
# 选股因子为开盘价大于收盘价的天数，使用astype将True/False结果改为1/0，便于加总
factors = ((opens - closes) > 0).astype('float')
# 所有开盘价-收盘价>0的结果会被转化为1，其余结果转化为0，因此可以用sum得到开盘价大于收盘价的天数
factors = factors.sum(axis=1)
# 选出开盘价大于收盘价天数大于十天的所有股票的序号
all_args = np.arange(len(factors))
selected = np.where(factors > n_day)[0]
not_selected = np.setdiff1d(all_args, selected)
# 计算选出的股票的数量
selected_count = len(selected)
# 开始生成交易信号
signal = np.zeros_like(factors)
# 如果持仓为正，且未被选中，生成全仓卖出交易信号
own_but_not_selected = np.intersect1d(owned, not_selected)
signal[own_but_not_selected] = -1 # 在PS信号模式下 -1 代表全仓卖出
if selected_count == 0:
# 如果选中的数量为0，则不需要生成买入信号，可以直接返回只有卖出的信号
return signal
# 如果持仓为零，且被选中，生成全仓买入交易信号
selected_but_not_own = np.intersect1d(not_owned, selected)
signal[selected_but_not_own] = 1. / selected_count # 在PS信号模式下，+1 代表全仓买进 （如果多只股票均同时全仓买进，则会根据资金总量平均分配资金）
return signal
创建一个Operator对象，并回测交易策略
alpha = GroupPS(pars=(10,),
par_count=1,
par_types=['int'],
par_range=[(3, 25)],
name='GroupPS',
description='本策略每隔1个月定时触发, 从SHSE.000300成份股中选择过去30天内开盘价大于前收盘价的天数大于10天的股票买入',
data_types='open, close',
strategy_run_freq='m',
data_freq='d',
window_length=32)
op = qt.Operator(alpha, signal_type='PS')
op.op_type = 'stepwise'
op.set_parameter(0, (20,))
op.run(mode=1,
asset_type='E',
asset_pool=shares,
trade_batch_size=100,
sell_batch_size=1,
trade_log=True)
print()
运行结果如下：
====================================
| |
| BACK TESTING RESULT |
| |
====================================
qteasy running mode: 1 - History back testing
time consumption for operate signal creation: 0.0ms
time consumption for operation back looping: 12s 766.3ms
investment starts on 2016-04-05 00:00:00
ends on 2021-02-01 00:00:00
Total looped periods: 4.8 years.
-------------operation summary:------------
Only non-empty shares are displayed, call
"loop_result["oper_count"]" for complete operation summary
Sell Cnt Buy Cnt Total Long pct Short pct Empty pct
000001.SZ 1 1 2 1.7% 0.0% 98.3%
000069.SZ 2 2 4 3.4% 0.0% 96.6%
000301.SZ 3 3 6 13.6% 0.0% 86.4%
000333.SZ 1 1 2 1.7% 0.0% 98.3%
000338.SZ 1 1 2 3.5% 0.0% 96.5%
000596.SZ 1 1 2 1.8% 0.0% 98.2%
000651.SZ 1 1 2 1.7% 0.0% 98.3%
000776.SZ 1 1 2 1.7% 0.0% 98.3%
000786.SZ 1 1 2 1.7% 0.0% 98.3%
000800.SZ 2 2 4 5.4% 0.0% 94.6%
... ... ... ... ... ... ...
603806.SH 2 2 4 3.6% 0.0% 96.4%
603939.SH 0 1 1 3.7% 0.0% 96.3%
688599.SH 0 1 1 3.7% 0.0% 96.3%
000408.SZ 1 1 2 1.7% 0.0% 98.3%
002648.SZ 2 2 4 3.4% 0.0% 96.6%
300751.SZ 1 1 2 1.7% 0.0% 98.3%
688065.SH 1 1 2 1.7% 0.0% 98.3%
600674.SH 2 2 4 3.7% 0.0% 96.3%
600803.SH 1 1 2 1.7% 0.0% 98.3%
601615.SH 1 1 2 1.7% 0.0% 98.3%
Total operation fee: ¥ 1,290.37
total investment amount: ¥ 100,000.00
final value: ¥ 216,271.60
Total return: 116.27%
Avg Yearly return: 17.32%
Skewness: 0.29
Kurtosis: 7.52
Benchmark return: 65.96%
Benchmark Yearly return: 11.06%
------strategy loop_results indicators------
alpha: 0.115
Beta: 0.525
Sharp ratio: 0.956
Info ratio: 0.017
250 day volatility: 0.149
Max drawdown: 18.93%
peak / valley: 2018-05-25 / 2018-09-11
recovered on: 2019-04-18
===========END OF REPORT=============
第二种自定义策略设置方，使用PT交易信号设置持仓目标：
在完成选股因子的计算之后，直接设置每个股票的持仓目标，这样就不需要使用知道持仓数据，直接输出持仓目标信号
，在回测过程中根据实际持仓量生成交易信号。
class GroupPT(qt.GeneralStg):
def realize(self, h, r=None, t=None, pars=None):
# 读取策略参数（开盘价大于收盘价的天数）
if pars is None:
n_day = self.pars[0]
else:
n_day = pars[0]
# 从历史数据编码中读取四种历史数据的最新数值
opens = h[:, -30:, 0] # 从前一交易日起前30天内开盘价
closes = h[:, -31:-1, 1] # 从两个交易日前开始前30天内收盘价
# 选股因子为开盘价大于收盘价的天数，使用astype将True/False结果改为1/0，便于加总
factors = ((opens - closes) > 0).astype('float')
# 所有开盘价-收盘价>0的结果会被转化为1，其余结果转化为0，因此可以用sum得到开盘价大于收盘价的天数
factors = factors.sum(axis=1)
# 选出开盘价大于收盘价天数大于十天的所有股票的序号
all_args = np.arange(len(factors))
selected = np.where(factors > n_day)[0]
not_selected = np.setdiff1d(all_args, selected)
# 计算选出的股票的数量
selected_count = len(selected)
# 开始生成交易信号
signal = np.zeros_like(factors)
if selected_count == 0:
return signal
# 所有被选中的股票均设置为正持仓目标
signal[selected] = 1. / selected_count
# 未被选中的股票持仓目标被设置为0
signal[not_selected] = 0
return signal
创建一个Operator对象，开始回测交易策略
alpha = GroupPT(pars=(10,),
par_count=1,
par_types=['int'],
par_range=[(3, 25)],
name='GroupPS',
description='本策略每隔1个月定时触发, 从SHSE.000300成份股中选择过去30天内开盘价大于前收盘价的天数大于10天的股票买入',
data_types='open, close',
strategy_run_freq='m',
data_freq='d',
window_length=32)
op = qt.Operator(alpha, signal_type='PT')
op.op_type = 'batch'
op.set_parameter(0, (20,))
op.run(mode=1,
asset_type='E',
asset_pool=shares,
trade_batch_size=100,
sell_batch_size=1,
trade_log=True)
print()
交易回测结果如下：
====================================
| |
| BACK TESTING RESULT |
| |
====================================
qteasy running mode: 1 - History back testing
time consumption for operate signal creation: 399.1ms
time consumption for operation back looping: 8s 621.5ms
investment starts on 2016-04-05 00:00:00
ends on 2021-02-01 00:00:00
Total looped periods: 4.8 years.
-------------operation summary:------------
Only non-empty shares are displayed, call
"loop_result["oper_count"]" for complete operation summary
Sell Cnt Buy Cnt Total Long pct Short pct Empty pct
000001.SZ 1 1 2 1.7% 0.0% 98.3%
000069.SZ 2 2 4 3.4% 0.0% 96.6%
000301.SZ 6 5 11 13.6% 0.0% 86.4%
000338.SZ 1 1 2 1.7% 0.0% 98.3%
000596.SZ 1 1 2 1.8% 0.0% 98.2%
000625.SZ 1 1 2 1.7% 0.0% 98.3%
000661.SZ 1 1 2 1.7% 0.0% 98.3%
000776.SZ 1 1 2 1.7% 0.0% 98.3%
000786.SZ 1 1 2 1.7% 0.0% 98.3%
000800.SZ 2 3 5 5.4% 0.0% 94.6%
... ... ... ... ... ... ...
603806.SH 2 2 4 3.6% 0.0% 96.4%
603939.SH 0 2 2 3.7% 0.0% 96.3%
688599.SH 0 2 2 3.7% 0.0% 96.3%
000408.SZ 1 1 2 1.7% 0.0% 98.3%
002648.SZ 1 1 2 1.7% 0.0% 98.3%
300751.SZ 1 1 2 1.7% 0.0% 98.3%
688065.SH 1 1 2 1.7% 0.0% 98.3%
600674.SH 2 2 4 3.7% 0.0% 96.3%
600803.SH 1 1 2 1.7% 0.0% 98.3%
601615.SH 1 1 2 1.7% 0.0% 98.3%
Total operation fee: ¥ 1,375.35
total investment amount: ¥ 100,000.00
final value: ¥ 216,215.03
Total return: 116.22%
Avg Yearly return: 17.31%
Skewness: 0.23
Kurtosis: 6.63
Benchmark return: 65.96%
Benchmark Yearly return: 11.06%
------strategy loop_results indicators------
alpha: 0.110
Beta: 0.542
Sharp ratio: 1.015
Info ratio: 0.017
250 day volatility: 0.139
Max drawdown: 18.58%
peak / valley: 2016-04-14 / 2017-01-16
recovered on: 2017-09-27
===========END OF REPORT=============
2065
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
