pyalgotrade源码分析1--PyAlgoTrade简介

最新推荐文章于 2024-03-18 09:41:46 发布

海鸥1202

最新推荐文章于 2024-03-18 09:41:46 发布

阅读量3.6k

点赞数

分类专栏： PyAlgoTrade 文章标签： PyAlgoTrade 量化

本文链接：https://blog.csdn.net/haioubaobao/article/details/80302461

版权

PyAlgoTrade 专栏收录该内容

4 篇文章 2 订阅

订阅专栏

PyAlgoTrade 介绍

PyAlgoTrade 可解释为python算法交易，简称PAT

随着这几年量化的兴起，出现了很多基于python的量化交易平台，但是大所述量化交易平台都是以线上为主，不能进行离线操作，比如国内的

聚宽、优矿、米筐、京东量化等，很少有线下的python量化平台供初学者学习和使用。

在这里对线上和线下的python量化平台进行一个简要的分析和对比

目前国内的量化平台诸如聚宽、优矿、米筐、京东量化等，各平台优缺点请自行百度。

进行量化分析最主要的是需要数据的支持，没有数据的支持和验证，再好的想法也很能实现为策略，然而线上量化平台为我们提供的丰富的数据支持，

以及API。带来便利性的同时让量化成了黑箱，不知其内部原理和机制，扩展性差，不能自定义一些技术指标和统计指标。

本站点选择以PAT为学习和研究的平台，主要基于以下几点：

1、PAT是一套相对完整、成熟的python量化系统，其中集成了大多数的技术指标和统计指标

2、完整的文档，丰富的实例

3、基于事件驱动的回测平台

4、可离线使用，扩展性强，可自行定制技术指标和统计指标

PyAlgoTrade 基于事件驱动的回测框架，在这里对事件驱动进行简要的说明。事件驱动机制，和普通函数调用的不同之处在于，应用程序不是主动的调用某个API完成处理，而是由事件监听器监听事件并进行相应的处理。

事件驱动程序的基本结构是由一个事件源、事件以及监听器构成，事件源产生事件、监听器监听事件并进行相应的处理和计算。当一个对象的状态发生变化时，所有依赖它的对象都得到通知并自动更新。当事件源的属性发生变化时，所有监听该事件的事件监听器都会接收到消息并作出响应。

在PyAlgoTrade中事件驱动贯穿整个框架之中，在后续技术指标时更加详细的说明。

PyAlgoTrade 安装

PyAlgoTrade的安装时比较简单的，可直接通过pip进行安装

pip install pyalgotrade

PyAlgoTrade 包含以下基本模块

Strategies：策略，交易的逻辑以及交易的时机等。

DataSeries: 数据序列，管理时间序列数据的抽象类

Feeds：数据源， CSV文件为主，可通过自己的数据类型进行扩展

Brokers：交易模块，负责执行订单

Technical：技术，可根据数据集，进行技术指标的计算

StrategyAnalyzer: 分析，是对策略结果如收益率、夏普率等进行计算

Optimizer：优化器，允许测试、使用不同的电脑以及集群，便于扩展

Feeds 数据源

PyAlgoTrade中数据又是以bar的类型进行组装，没个数据集被称之为一个bar，在本案例中，正对本站点提供的数据集对bar类进行简单的扩展，

以适应自己的数据集，如果读者有自己的数据集可进行相应的调整。

在本项目中对原有的csvfeed进行更改和扩充，并添加的从dataFrame数据集添加bar的方法。

在扩展barFeed时只需要更改__columnNames中对应的字段名称和__dateTimeFormat时间的类型。

class GenericBarFeed(BarFeed):
    
    def __init__(self, frequency=bar.Frequency.DAY, timezone=None, maxLen=None):
        super(GenericBarFeed, self).__init__(frequency, maxLen)

        self.__timezone = timezone
        # Assume bars don\'t have adjusted close. This will be set to True after
        # loading the first file if the adj_close column is there.
        self.__haveAdjClose = False

        self.__barClass = bar.BasicBar

        self.__dateTimeFormat = "%Y-%m-%d"

        self.__columnNames = {
            "datetime": "date",
            "open": "open",
            "high": "high",
            "low": "low",
            "close": "close",
            "volume": "volume",
            "adj_close": "adjust_price",
        }

然后定义自己加载的方法，在本方法中，需要一个解析类，以及具体的方法，本方法中，具体的方法是在父类中完成。

def addBarsFromDataFrame(self, instrument, dataframe, timezone=None):
    if timezone is None:
        timezone = self.__timezone

    rowParser = GenericRowParser(
        self.__columnNames, self.__dateTimeFormat, self.getDailyBarTime(), self.getFrequency(),
        timezone, self.__barClass
    )

    super(GenericBarFeed, self).addBarsFromDataFrame(instrument, dataframe, rowParser)

    if rowParser.barsHaveAdjClose():
        self.__haveAdjClose = True
    elif self.__haveAdjClose:
        raise Exception("Previous bars had adjusted close and these ones don\'t have.")

def addBarsFromDataFrame(self, instrument, dataframe, rowParser):
    
    loadedBars = []
    for index in range(len(dataframe)):
        row = dataframe.ix[index]
        bar_ = rowParser.parseBar(row)
        if bar_ is not None and (self.__barFilter is None or self.__barFilter.includeBar(bar_)):
            loadedBars.append(bar_)
    self.addBarsFromSequence(instrument, loadedBars)