【从零开始vnpy量化投资】三. 手动安装vnpy环境

已于 2023-07-19 15:13:12 修改
阅读量2.1k 收藏 13
点赞数 2
分类专栏： 从零开始vnpy量化投资 文章标签： python 开发语言 金融
于 2023-04-10 13:56:03 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u011687355/article/details/130058328
版权

【从零开始vnpy量化投资】三. 手动安装vnpy环境

概述

本章的主要内容是使用conda创建独立的python运行环境，再将vnpy安装到conda的环境中，以便开发时访问和编辑源码以及为后续部署到其他操作系统做准备。

为什么需要重新安装vnpy

在第一课的内容中，我们使用了vnpy官方提供的windows客户端进行安装。安装的方式比较黑箱，几乎不需要任何额外的配置，此方式适合第一次接触vnpy的新人，可以快速对vnpy的功能有一个初步的了解。但当我们着手进行策略开发时，你会发现vnpy客户端并不是一个专业的代码开发工具，它需要链接外部开发工具来进行编辑和运行代码。早期版本的vnpy使用jupyter来编辑代码，新版本的jupyter需要访问本机上安装的vscode。这里笔者推荐大家使用PyCharm来进行开发，pycharm有免费的社区版本，以及专业的个人付费版。如果条件允许，后期建议大家使用专业付费版，因为付费版提供了使用SSH访问外部运行环境的功能，这对我们后期开发可以提供一定的便利。当然社区版也完全可以满足需求，区别是需要在开发机上要安装一个vnpy环境。
重新使用python环境管理工具来安装vnpy的第二个原因，是为了后期实盘做准备。在刚开始进行模拟盘或实盘投资的时候，出于成本和开发便利性的考虑，仅使用一台windows个人电脑即可满足需求。但当系统稳定以后，为了避免个人电脑和家庭环境的故障，我们需要将系统部署到更加稳定的云服务器上。大部分云服务器使用Linux系统，且缺乏图形化操作界面，不适合使用windows客户端方式进行安装。所以我们需要通过纯命令行的方式掌握系统的安装与维护。

正式开始

安装conda

conda是一个python环境管理软件，如果读者在python2时代就开始接触python，那就一定会对python的环境管理有深刻的印象。
在python早期发展的过程中，从python2升级到python3是一个非常令人头疼的问题，从基础语法到各种组件，几乎所有环节都存在不兼容的现象。第三方组件自身不同版本之间也经常互相不兼容，这种现象在vnpy中也存在。大部分原因是软件的发展需要对核心组件进行更高层次的抽象，而早期版本可能尚未达到这种复杂程度。
如果读者有一些python编程经验，或可能正在使用python开发其他软件，此软件依赖的组件版本可能与vnpy版本不一致。这就要求我们将两个软件的开发环境独立部署。如不使用conda，则需要用户自行在电脑上安装两个python编译器，由于使用命令行方式访问python需要涉及环境变量配置等操作，这即使对专业开发者也是一个比较多余的手动维护工作。
conda的出现解决了以上问题，conda可以自行创建新的python环境，只需要使用简单的命令就可以快速切换环境。

下载conda安装包

如果直接使用搜索引擎搜索conda，可能会搜到好几个不同的名字，如anaconda和miniconda。miniconda是conda的基础安装版本，anaconda则同时包含了一些常用的python包的版本，如numpy、pandas等数学和矩阵运算相关的组件。这里我们使用miniconda即可，这样可以确保新安装的环境尽可能简洁，避免自带组件版本与vnpy冲突导致的问题。
下载地址：https://docs.conda.io/en/latest/miniconda.html
vnpy目前使用的python版本为3.7，所以我们下载python37的miniconda即可。这里我们以windows个人电脑为例，Linux版本将在移植云服务器时单独介绍。近期有读者反映官网已无3.7版本的conda下载，经验证更高版本的也不影响，可直接使用最新版本的安装包进行安装。
在这里插入图片描述

windows安装过程比较简单，按照提示操作即可。

在这里插入图片描述

这里使用默认选项即可，这样的话，conda安装powershell来操作conda环境。
在这里插入图片描述

安装完成以后，在windows搜索栏输入anaconda，即可访问conda的powershell
在这里插入图片描述

powershell界面如下
在这里插入图片描述

配置conda镜像源

conda默认的镜像源在国外，下载安装包会非常慢，且容易断线，我们将镜像源配置为国内的清华镜像源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2/
conda config --set show_channel_urls yes

创建vnpy环境

创建的环境默认会放在conda安装目录的envs对应的名称目录下，以环境名python37、安装目录D:\soft\miniconda为例，所有python相关的包都会安装在D:\soft\miniconda\envs\python37\Lib\site-packages下面。后面我们针对vnpy进行定制化改造的时候，修改这个目录下面的对应代码文件即可。

#创建名为vnpy的环境，python版本为3.7
conda create -n vnpy python=3.7  

#切换到新建的vnpy环境
conda activate vnpy

#查看当前环境中安装过的python包及其版本
conda list

在这里插入图片描述

下载vnpy源码

接下来我们需要下载vnpy的源码，并将其安装到conda中。笔者这里习惯使用vnpy2.8.0版本的代码，如果读者使用其他版本，需要注意部分组件api的差异。如笔者早期曾使用2.3.0版本，即与2.8.0版本存在较大差异。
下载地址：https://gitee.com/vnpy/vnpy/tree/2.8.0
点击下载zip，解压到本地目录，如D:\soft\vnpy_source_code
在这里插入图片描述

解压后如图：
在这里插入图片描述

安装vnpy

vnpy官方提供了几个不同操作系统的安装脚本，windows为install.bat。我们先打开这个文件，看一下都有哪些步骤，方便我们使用conda来按照对应步骤执行。
点击https://gitee.com/vnpy/vnpy/blob/2.8.0/install.bat 查看安装脚本
在这里插入图片描述

# Upgrade pip & setuptools
pip install --upgrade pip setuptools
# Install prebuild wheel
pip install https://pip.vnpy.com/colletion/TA_Lib-0.4.17-cp37-cp37m-win_amd64.whl
# Install Python Modules
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt
# Install vn.py
pip install .

我们在conda中首先进入源码所在目录，然后分别执行脚本中的命令。命令已稍作修改，可直接在conda中使用pip安装。

D:
cd .\soft\vnpy_source_code\vnpy-2.8.0\

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

这个步骤耗时可能会比较久，因为要安装大量vnpy依赖的组件。
如果中途某个组件因为网络下载失败了，可以重复执行当前命令再次尝试安装。如网络频繁断开，推荐使用以下命令，手动指定pip国内数据源。

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt

在这里插入图片描述

全部安装成功后输出如下：
在这里插入图片描述

最后一步执行pip install . 将vnpy安装到环境中即可。注意这里install后面有一个点号“.”，代表当前目录。
在这里插入图片描述
在这里插入图片描述

再次执行conda list，查看vnpy是否安装成功
在这里插入图片描述

到这里，vnpy环境基本安装成功。下面我们去下载pycharm并配置这个环境用于开发测试。

下载pycharm

下载地址：https://www.jetbrains.com.cn/pycharm/download/#section=windows
下载community社区版，按照提示进行安装即可。
在这里插入图片描述

安装完成后，打开pycharm新建一个空项目。选择已经存在的编译器地址，类型为conda。点击配置按钮进行环境选择。
在这里插入图片描述

选择我们新建的vnpy环境的python应用程序作为当前环境的编译器。可勾选使当前环境对所有项目可用，不过我们基本只需要这个项目即可。点击ok。
在这里插入图片描述

最终效果如图，第一次创建后pycharm需要扫描整个环境的代码，便于在编码阶段提示代码是否合法。等待环境编译结束。
在这里插入图片描述
在这里插入图片描述

验证环境

点击File->Settings->Project Interpreter. 查看pycharm使用的环境是否为vnpy环境，且已经安装vnpy。
在这里插入图片描述
在这里插入图片描述

使用python代码访问vnpy功能

新建文件cta_backtesting_util.py。输入如下代码。代码下载地址：
https://github.com/dz8235462/new_vnpy_project/blob/main/03_install_vnpy_into_conda/cta_backtesting_util.py
【经读者提醒，此代码仅可以在连接mysql数据库时运行，使用默认sqlite时会出现查询参数错误的问题，读者可能需要修改入参start和end的类型。或建议各位先阅读第六章将数据库切换到mysql再继续后续的学习】

import numpy as np
import pandas as pd
from vnpy_ctastrategy.backtesting import BacktestingEngine
from vnpy.trader.constant import Interval, Offset, Direction
from vnpy_ctastrategy.strategies.double_ma_strategy import DoubleMaStrategy


def main():
    start = pd.to_datetime("20200406",
                           format='%Y%m%d %H:%M:%S.%f').tz_localize("Asia/Shanghai")

    end = pd.to_datetime("20230101",
                         format='%Y%m%d %H:%M:%S.%f').tz_localize("Asia/Shanghai")
    # 创建引擎,设置回测模式
    engine = BacktestingEngine()
    engine.log_output = True
    # 配置引擎参数
    original_capital = 1000000
    engine.set_parameters(vt_symbol="rb9999.SHFE",
                          start=start,
                          end=end,
                          interval=Interval.MINUTE,
                          slippage=1,  #
                          rate=0.25 / 10000,
                          size=10,
                          pricetick=1,
                          capital=original_capital)
    engine.add_strategy(DoubleMaStrategy, {
        'fast_window': 30.0, 'slow_window': 80
    })
    engine.load_data()
    engine.run_backtesting()
    df1 = engine.calculate_result()
    engine.calculate_statistics()
    # 计算单次开仓平仓收益百分比
    trades = engine.get_all_trades()
    engine.show_chart()
    engine.clear_data()


if __name__ == '__main__':
    main()

根据第一课已经下载过的数据，我们再次运行相同的合约进行回测。日志输出如下，且最后会弹出浏览器用于绘制收益曲线。截图如下，由图片和日志我们对比一下第一节课时使用客户端进行回测的结果来看，两次结果基本一致，也就代表我们已经可以通过代码来使用vnpy的功能，不再需要借助官方的客户端了。
注意事项：由于这里没有手动指定vnpy的运行目录，所以是使用默认目录。如果第一节课选择运行目录的时候使用了非默认目录，建议将此目录下的.vntrader目录完整复制到用户目录下，或使用默认目录重新下载数据。
下一节课我们就可以开始尝试编写自己的第一个策略。
在这里插入图片描述

日志输出

D:\soft\miniconda\envs\vnpy\python.exe E:/py_workspace_dz/new_vnpy_project1/03_install_vnpy_into_conda/cta_backtesting_util.py
2023-04-10 13:45:18.114024 开始加载历史数据
2023-04-10 13:45:18.114024 加载进度：# [0%]
2023-04-10 13:45:19.409886 加载进度：## [10%]
2023-04-10 13:45:20.769092 加载进度：### [20%]
2023-04-10 13:45:22.198380 加载进度：#### [30%]
2023-04-10 13:45:23.545140 加载进度：##### [40%]
2023-04-10 13:45:25.083724 加载进度：###### [50%]
2023-04-10 13:45:26.480763 加载进度：####### [60%]
2023-04-10 13:45:27.957196 加载进度：######## [70%]
2023-04-10 13:45:29.339796 加载进度：######### [80%]
2023-04-10 13:45:30.845257 加载进度：########## [90%]
2023-04-10 13:45:31.256154 历史数据加载完成，数据量：210586
2023-04-10 13:45:31.280159 策略初始化完成
2023-04-10 13:45:31.280159 开始回放历史数据
2023-04-10 13:45:31.563685 回放进度：= [0%]
2023-04-10 13:45:31.837757 回放进度：== [10%]
2023-04-10 13:45:32.104744 回放进度：=== [20%]
2023-04-10 13:45:32.392733 回放进度：==== [30%]
2023-04-10 13:45:32.683727 回放进度：===== [40%]
2023-04-10 13:45:32.982717 回放进度：====== [50%]
2023-04-10 13:45:33.281288 回放进度：======= [60%]
2023-04-10 13:45:33.580361 回放进度：======== [70%]
2023-04-10 13:45:33.875665 回放进度：========= [80%]
2023-04-10 13:45:34.173660 回放进度：========== [90%]
2023-04-10 13:45:34.173660 回放进度：=========== [100%]
2023-04-10 13:45:34.173660 历史数据回放结束
2023-04-10 13:45:34.176563 开始计算逐日盯市盈亏
2023-04-10 13:45:34.190560 逐日盯市盈亏计算完成
2023-04-10 13:45:34.190560 开始计算策略统计指标
2023-04-10 13:45:34.199560 ------------------------------
2023-04-10 13:45:34.199560 首个交易日： 2020-04-21
2023-04-10 13:45:34.199560 最后交易日： 2022-10-24
2023-04-10 13:45:34.199560 总交易日： 608
2023-04-10 13:45:34.199560 盈利交易日： 274
2023-04-10 13:45:34.199560 亏损交易日： 334
2023-04-10 13:45:34.199560 起始资金： 1,000,000.00
2023-04-10 13:45:34.199560 结束资金： 997,978.65
2023-04-10 13:45:34.199560 总收益率： -0.20%
2023-04-10 13:45:34.199560 年化收益： -0.08%
2023-04-10 13:45:34.199560 最大回撤: -26,510.50
2023-04-10 13:45:34.199560 百分比最大回撤: -2.62%
2023-04-10 13:45:34.199560 最长回撤天数: 246
2023-04-10 13:45:34.199560 总盈亏： -2,021.35
2023-04-10 13:45:34.199560 总手续费： 6,381.35
2023-04-10 13:45:34.199560 总滑点： 57,850.00
2023-04-10 13:45:34.199560 总成交金额： 255,254,170.00
2023-04-10 13:45:34.199560 总成交笔数： 5785
2023-04-10 13:45:34.199560 日均盈亏： -3.32
2023-04-10 13:45:34.199560 日均手续费： 10.50
2023-04-10 13:45:34.199560 日均滑点： 95.15
2023-04-10 13:45:34.199560 日均成交金额： 419,825.94
2023-04-10 13:45:34.199560 日均成交笔数： 9.514802631578947
2023-04-10 13:45:34.199560 日均收益率： -0.00%
2023-04-10 13:45:34.199560 收益标准差： 0.08%
2023-04-10 13:45:34.199560 Sharpe Ratio： -0.07
2023-04-10 13:45:34.199560 收益回撤比： -0.08
2023-04-10 13:45:34.199560 策略统计指标计算完成

Process finished with exit code 0

第一节课客户端回测结果对比：

在这里插入图片描述

魔落凡尘
关注
  • 2
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
订阅专栏
【从零开始vnpy量化投资】四. 编写自己的第一个策略
魔落的博客
04-13 1348
这节课我们将尝试实现一些经典策略，同时学习如何对策略进行优化，如添加止损和辅助过滤信号。
第一次用VNPY，通过仿真测试，踩过千万坑，我太难了~~~~~~
01-07
今天心血来潮，想上实盘，据说VNPY很适合实盘，那就搞起吧，结果可倒好，这坑啊，没完没了。 用VNPY的时候，我突然想起来上大学听到的一句话——免费其实是最贵的。的确，VNPY是免费给人用，可是没有客服，没有技术支持的情况之下，那问题堆积如山，都不知道找谁问。 在网站上留言，也是看得多答的寥寥无几，就算有答案也不解决问题，这么搞，还如收费呢，然后用钱雇人做客服，客户体验还好点。 我就把我踩过的坑记录一下吧，希望能帮到大家。 我的是永安期货，VNPY2.3.1 1.找期货公司客服申请。填了两张表格，其中一个要邮寄回去 2.等待第二天给我仿真账户进行测试 3.安装vnpy 2.0版本，这是一个c
量化交易工具vnpy-2.9.0.zip
01-11
量化交易工具 1。vn.py一套基于Python的开源量化交易系统开发框架。 2.全功能量化交易平台，整合了多种交易接口，并针对具体策略算法和功能开发提供了简洁易用的API，用于快速构建交易员所需的量化交易应用。 CTP（ctp）：国内期货、期权 CTP Mini（mini）：国内期货、期权 CTP证券（sopt）：ETF期权 飞马（femas）：国内期货 恒生UFT（uft）：国内期货、ETF期权 易盛（esunny）：国内期货、黄金TD 顶点飞创（sec）：ETF期权 顶点HTS（hts）：ETF期权 南华NHTD（nhtd）：国内期货、ETF期权 中泰XTP（xtp）：国内证券（A股）、ETF期权 华鑫奇点（tora）：国内证券（A股）、ETF期权 国泰君安（hft）：国内证券（A股、两融） 飞鼠（sgit）：黄金TD、国内期货 金仕达黄金（ksgold）：黄金TD 融航（rohon）：期货资管 中汇亿达（comstar）：银行间市场 TTS（tts）：国内期货（仿真） 海外市场 Interactive Brokers（ib）：全球证券、期货、期权、贵金属等 易盛9.0外盘（tap）：全球期货 直达期货（da）：全球期货 3.开箱即用的各类量化策略交易应用。
探索vn.py：Python交易接口库与交易平台框架
gitblog_00075的博客
03-31 383
探索vn.py：Python交易接口库与交易平台框架 项目地址:https://gitcode.com/kikiqiqi/vnpy vn.py是一个开源的Python项目，旨在为金融量化交易提供强大的工具集和灵活的框架。它结合了多种金融数据接口、策略开发环境以及实时交易功能，使得交易者和开发者可以更轻松地构建自己的量化交易系统。项目链接 项目简介 vn.py的核心包括两个主要部分： 交易接口模...
VNPY开源量化交易框架.rar
12-31
VNPY3.0客户端开源代码 VNPY3.0是VNPY官方提供的CTP开源项目客户端源代码， 支持国内149家期货公司的CTP接入， 支持股指期货，股指期权、商品期货、商品期权的程序化交易和量化交易的仿真回测。 cpp source是vnctptd.dll和vnctpmd.dll的源代码，vnctptd.dll和vnctpmd.dll是用于VNPY3.0通过ctypes来调用的，是VNPY3.0和CTP之间沟通的桥梁，由于c++的加持，性能优异这个版本是VNPY官方发布针对期货CTP接口的专属版本。
VNPY的架构设计.rar
09-08
开源量化框架VNPY的架构设计，通过思维导图来展现VNPY的架构是如何设计的，并能更深入的理解和使用VNPY框架做二次开发
VNPY架构文档资料架构图
02-25
vnpy架构文档
【从零开始vnpy量化投资】简介：个人vnpy学习路线
魔落的博客
04-27 1941
本文主要讲述了一些笔者个人进入量化领域的经历，并将过程中的体会分享给大家，这些内容既是过去经历的描述，也可以为本系列的内容做一个简介，即笔者为何会将某些内容设计到专栏中来。
【从零开始vnpy量化投资】十五. 投资组合策略模板介绍
魔落的博客
05-19 460
在之前的课程中，我们主要是使用了vnpy的cta策略模板，这个模板的特点就是只支持单一合约。如果我们需要同时对多个合约进行交易，就需要用到投资组合策略，这个模板的主要代码在vnpy_portfoliostrategy包下面的template.py中。下面我们大概讲解一下这个模板的主要内容。
【从零开始vnpy量化投资】二. CTA策略模板与运行机制
魔落的博客
04-07 1879
本篇主要目标为理解vnpy的组件构成和cta策略模板的运行机制，便于在编写策略时能够避免因理解偏差造成的交易异常。
【从零开始vnpy量化投资】十二. CTA策略开发技巧
魔落的博客
05-04 504
我们在之前的策略编写中，主要关注的是策略交易信号和持仓管理，这对于回测来说就是足够完整的了。但对于实盘或者模拟盘的运行，这样的策略还无法满足需求，在本章我们将会讨论几个实盘与回测差异巨大的场景，并尝试使用编码方式来确保策略在两种模式下运行尽可能一致。
vnpy-master.zip
12-27
基于Python的开源量化交易平台开发框架
vnpy-2.7.0.zip
12-04
vnpy2.7 最新github上的源码，备份
零基础搭建量化投资系统.zip
03-24
量化交易项目，可以直接部署使用 内含数据获取以及策略编写实例以及部署教程
python学习笔记----循环语句（四）
取个名字太难了a的博客
04-28 1174
随机数种子在生成随机数的过程中起到一个非常重要的作用。它是用于初始化随机数生成算法（伪随机数生成器）的初始值。随机数种子的作用可重复性：当你使用特定的种子值初始化随机数生成器时，即使在不同的运行环境或不同时间，生成的随机数序列都将是相同的。这对于调试和测试非常重要，因为它允许程序的行为在使用随机数时保持一致。控制随机性：种子提供了一种方法来控制随机数生成过程。通过改变种子，你可以获得不同的随机数序列，这对于模拟和其他需要随机输入的应用非常有用。
SpringBoot中实现发送邮件
最新发布
hac1322的博客
04-30 698
当你添加了spring-boot-starter-mail依赖后，Spring Boot会自动配置JavaMailSender实例，并根据application.yml文件中的属性来配置这个实例。你可以直接在需要发送邮件的地方通过@Autowired注解将JavaMailSender实例注入到你的类中，然后使用它来发送邮件。：首先，需要在你的pom.xml文件中添加Spring Boot的邮件发送器依赖。，简化了在Spring Boot应用程序中发送电子邮件的设置过程。Spring Boot的。
python复习（三）
qq_43710593的博客
04-29 487
类是一种面向。
【python】python基础1
七月尘上
04-29 493
注释：单行注释：#多行注释：“”“”“”批量注释：ctl+?,取消注释继续执行一次就行标识符命名规范：1、变量名、类名、函数名只能由数字、字母、下划线组成2、不能以数字开头3、严格区分大小写4、不能以关键字命名定义变量的方式：1、var1 = 值12、var1,var2=值1，值23、var1,var2=值1交换两个变量的值：输出命令解析：sep:输出内容以什么进行分割end:输出以什么结尾file:输出内容以文件形式输出到指定文件。
链表刷题集
yajunjiao的专栏
04-30 874
本文主要列举了一些刷的题，不多，有那么几道，也建议各位去建立自己的刷题集。积少成多。
如何将通达信的历史数据批量导入VNPY量化平台中
05-17
可以按照以下步骤将通达信的历史数据批量导入VNPY量化平台中： 1. 使用通达信软件导出数据，可以选择“日线数据”、“分钟线数据”或“Tick数据”等格式。 2. 将导出的数据文件转换为VNPY所需的格式，可以使用VNPY提供的“csv文件转换工具”或自行编写脚本进行转换。转换后的数据应包含以下字段：时间戳、开盘价、最高价、最低价、收盘价、成交量、成交额等。 3. 在VNPY中创建数据引擎，并将转换后的数据文件添加到数据引擎中。 4. 在策略中调用数据引擎，获取历史数据并进行回测、优化等操作。 需要注意的是，不同的交易所和品种的数据格式可能会有所不同，因此在转换数据格式时需要根据实际情况进行相应的调整。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

魔落凡尘

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值