掘金量化回测平台 - 1

掘金量化平台初探 python

量化分析包括：策略研发、策略回测、仿真交易、实盘交易、实盘盘后优化。

---

主要想使用掘金的平台来做策略回测和仿真交易两个环节的功能。
对比了下主流的云平台JoinQuant、Uquant、Ricequant缺点是不落地，所有策略在云平台上跑，编程体验也不如本地平台。pyalgotrade等开源本地平台原本都是基于美股的，即使改成A股回测也只能做一些粗糙的的策略回测，没办法把策略做细致，比如股价的前后复权，期货对冲和止盈止损。最终选择尝试一下掘金的免费版个人的平台进行回测。

DEMO源码分析

1 - 导入SDK

自己写的策略类应继承自StrategyBase基类，
并以方法重写的方式满足策略开发需求。

# !/usr/bin/env python
# -*- coding: utf-8 -*-
from gmsdk.api import StrategyBase
from gmsdk import to_dict

2 - 编写策略

MyStrategy继承StrategyBase类，on_bar或on_tick是必须重写的类函数。

class MyStrategy(StrategyBase):
    def __init__(self, *args, **kwargs):
        super(MyStrategy, self).__init__(*args, **kwargs)
        self.oc = True

    def on_bar(self, bar):
        if self.oc:
            # 开多仓 买入1000股 sec_id
            self.open_long(bar.exchange, bar.sec_id, 0, 1000)
        else:
            # 平多仓 卖出 1000股 sec_id
            self.close_long(bar.exchange, bar.sec_id, 0, 1000)
        self.oc = not self.oc

    # 回测结束事件，在回测结束时触发
    def on_backtest_finish(self, indicator): #indicator为回测的绩效
        print('backtest finished', to_dict(indicator))

3 - 配置和运行策略

if __name__ == '__main__':
    # 初始化策略配置
    mystrategy = MyStr