Pyalgotrade量化交易回测框架

最新推荐文章于 2025-03-28 14:11:50 发布

青年夏日科技

最新推荐文章于 2025-03-28 14:11:50 发布

阅读量673

点赞数

本文链接：https://blog.csdn.net/sinat_28371057/article/details/112645120

版权

本文通过对比Pyalgotrade与聚宽平台的回测结果，探讨了数据源、交易成本和计算差异对回测的影响。作者在Pyalgotrade中实现了买入平安银行的简单策略，发现回测数据略有出入，分析可能原因包括数据复权方法、滑点设置及交易执行时机。总结了使用Pyalgotrade进行量化回测的六个步骤，并计划进一步研究量化交易策略。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

现在就开始干活了。先要测试一下pyalgotrade回测数据对不对。我找了个参照标准:在聚宽上开通了个账号，按入门教程写了个策略:2016-2018年每个交易日买入100股平安银行(000001)，回测结果如下:

现在用pyalgotrade来实现一下这个策略。先用tushare下载平安银行及沪深300指数的2016年数据。

首先从csv文件建立数据源。

from pyalgotrade_tushare import tools, barfeed


instruments = ["000001"]
feeds = tools.build_feed(instruments, 2016, 2018, "histdata")

如果没有下载过数据，会自动下载以后存到histdata目录里，如果下载过，就自动使用目录里的数据了。feeds是BarFeed类型，就是其中的数据驱动pyalgotrade回测框架运行。

接着就从Pyalgotrade.strategy.BacktestingStrategy继承自己的策略类。

class MyStrategy(strategy.BacktestingStrategy):
    def __init__(self, feed, instrument, brk):
        super().__init__(feed, brk)
        self.__position = None
        self.__instrument = instrument
        self.getBroker()
        self.__cost = 0.0


    def on