VNPY中,优化参数也经常要批量去做,一个是一组不同策略批量对一个品种优化,还有一个策略对应不同凭证,下面是源代码,放在example\CtaBacktesting文件夹下面,主要是参考了原来的优化代码。
还有就是输出时候,由于优化的时候,结果可能很多,默认输出30个到excel。
还有就是输出时候,由于优化的时候,结果可能很多,默认输出30个到excel。
点击(此处)折叠或打开
- # encoding: UTF-8
-
- import pandas as pd
- from vnpy.trader.app.ctaStrategy.ctaBacktesting import BacktestingEngine, MINUTE_DB_NAME, OptimizationSetting
- from vnpy.trader.app.ctaStrategy.strategy.strategyBollChannel import BollChannelStrategy
-
-
- class BatchOptimization(object):
- def __init__(self):
- ""
- def calculateBacktesting(self,symbollist,strategylist, sort = 'totalNetPnl'):
- #填入品种队列和策略队列,返回结果resultlist, 为了输出方便检索,加入品种名称,策略名称和策略参数
- resultlist = []
- for symbol in symbollist:
- for strategy in strategylist:
- result = self.runBacktesting(symbol,strategy,sort)
- #加入品种名称,策略名称和策略参数
- if isinstance(result,dict):
- #如果返回的是dict,直接加入
- result["Symbolname"] = str(symbol["vtSymbol"])
- result["strategyname"] = str(strategy[0])
- result["strategysetting"] = str(strategy[1])
- resultlist.append(result)
- else:
- # 发现优化回来的是一个包含元组的队列,元组有三个组成,第一个排策略参数,第二个回测目标的值,第三策略参数全部运行结果。
- # 这里我们要的就是第三个,先插入这个dict,在dict插入symbolname,和strategysetting
- for resultraw in result:
- resultlist.append(resultraw[2])
- resultlist[-1]["Symbolname"] = str(symbol["vtSymbol"])
- resultlist[-1]["strategysetting"] = str(resultraw[0])
- return resultlist
-
-
- def runBacktesting(self, symbol, strategy, sort):
- #写入测试品种和参数, 返回回测数据集包含回测结果
-
- # 在引擎中创建策略对象
- # 创建回测引擎
- engine = BacktestingEngine()
- # 设置引擎的回测模式为K线
- engine.setBacktestingMode(engine.BAR_MODE)
- # 设置回测用的数据起始日期
- engine.setStartDate(symbol["StartDate"])
- engine.setSlippage(symbol["Slippage"]) # 1跳
- engine.setRate(symbol["Rate"]) # 佣金大小
- engine.setSize(symbol["Size"]) # 合约大小
- engine.setPriceTick(symbol["Slippage"]) # 最小价格变动
- engine.setCapital(symbol["Capital"])
-
- # 设置使用的历史数据库
- engine.setDatabase(MINUTE_DB_NAME, symbol["vtSymbol"])
-
- #调用优化方法,可以集成优化测试
- setting = OptimizationSetting() # 新建一个优化任务设置对象
- setting.setOptimizeTarget(sort) # 设置优化排序的目标是策略净盈利
- print strategy[1]
- for settingKey in strategy[1]:
- if isinstance(strategy[1][settingKey], tuple):
- setting.addParameter(settingKey,strategy[1][settingKey][0],strategy[1][settingKey][1],strategy[1][settingKey][2])
- else:
- setting.addParameter(settingKey,strategy[1][settingKey])
- #
- optimizationresult = engine.runParallelOptimization(strategy[0], setting)
-
- engine.output(u'输出统计数据')
- # 如果是使用优化模式,这里返回的是策略回测的dict的list,如果普通回测就是单个dict
- # 如果大于30 ,就返回三十之内,否则全部
- if len(optimizationresult) > 30:
- return optimizationresult[:30]
- else:
- return optimizationresult
-
- def toExcel(self, resultlist, path = "C:\data\datframe.xlsx"):
- #按照输入统计数据队列和路径,输出excel,这里不提供新增模式,如果想,可以改
- #dft.to_csv(path,index=False,header=True, mode = 'a')
- summayKey = resultlist[0].keys()
- # summayValue = result.values()
-
- dft = pd.DataFrame(columns=summayKey)
- for result_ in resultlist:
- new = pd.DataFrame(result_, index=["0"])
- dft = dft.append(new,ignore_index=True)
- dft.to_excel(path,index=False,header=True)
- print "回测统计结果输出到" + path
-
- if __name__ == "__main__":
- #创建品种队列,这里可以用json导入,为了方便使用直接写了。
- symbollist = [{
- "vtSymbol": 'm1809',
- "StartDate": "20180101",
- "Slippage": 1,
- "Size": 10,
- "Rate": 2 / 10000,
- "Capital": 10000
- },
- {
- "vtSymbol": 'rb1810',
- "StartDate": "20180101",
- "Slippage": 1,
- "Size": 10,
- "Rate": 2 / 10000,
- "Capital": 10000
- }
- ]
-
- # 这里是同一个策略,不同参数的情况,当然可以有多个策略和多个参数组合
- Strategylist2 = []
- # 策略list,如果是元组,那么就是三个,按照第一个初始,第二个结束,第三个步进
- settinglist =[
- {'bollWindow': (10,20,2)}]
- # 合并一个元组
- if settinglist != []:
- for para1 in settinglist:
- Strategylist2.append((BollChannelStrategy, para1))
-
- NT = BatchOptimization()
- resultlist = NT.calculateBacktesting(symbollist,Strategylist2,sort = 'totalNetPnl')
- #定义路径
- path = "C:\Project\OptimizationResult.xlsx"
- NT.toExcel(resultlist,path)
来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/22259926/viewspace-2156701/,如需转载,请注明出处,否则将追究法律责任。
转载于:http://blog.itpub.net/22259926/viewspace-2156701/