金融平台（掘金量化）量化PYTHON（二）-量化回测框架介绍

策略创建运行流程

1.创建运行策略

1.1创建策略

     打开“掘金量化3.0”客户端，进入“我的策略”-“新建策略”，如下所示：

平台本身提供了很多经典策略，选择“空策略”，命名为“量化策略示例”，代码如下：

# coding=utf-8
from __future__ import print_function, absolute_import
from gm.api import *


# 策略中必须有init方法
def init(context):
    pass


if __name__ == '__main__':
    '''
        strategy_id策略ID, 由系统生成
        filename文件名, 请与本文件名保持一致
        mode运行模式, 实时模式:MODE_LIVE回测模式:MODE_BACKTEST
        token绑定计算机的ID, 可在系统设置-密钥管理中生成
        backtest_start_time回测开始时间
        backtest_end_time回测结束时间
        backtest_adjust股票复权方式, 不复权:ADJUST_NONE前复权:ADJUST_PREV后复权:ADJUST_POST
        backtest_initial_cash回测初始资金
        backtest_commission_ratio回测佣金比例
        backtest_slippage_ratio回测滑点比例
        '''
    run(strategy_id='2e012d59-16b0-11ec-85b2-82771950a4e5',
        filename='main.py',
        mode=MODE_BACKTEST,
        token='7d132cd2b781bcb8b42430748dd94edc145750cb',
        backtest_start_time='2020-11-01 08:00:00',
        backtest_end_time='2020-11-10 16:00:00',
        backtest_adjust=ADJUST_PREV,
        backtest_initial_cash=10000000,
        backtest_commission_ratio=0.0001,
        backtest_slippage_ratio=0.0001)

常用的策略结构分为3类：

1.定时任务示例：

每个交易日的14：50分市价买入200股浦发银行股票：

# coding=utf-8
from __future__ import print_function, absolute_import 
from gm.api import *

def init(context):
    # 每天14:50 定时执行algo任务, 
    # algo执行定时任务函数，只能传context参数
    # date_rule执行频率，目前暂时支持1d、1w、1m，其中1w、1m仅用于回测，实时模式1d以上的频率，需要在 algo判断日期
    # time_rule执行时间， 注意多个定时任务设置同一个时间点，前面的定时任务会被后面的覆盖
    schedule(schedule_func=algo, date_rule='1d', time_rule='14:50:00')

def algo(context):
    # 以市价购买200股浦发银行股票， price在市价类型不生效
     order_volume(symbol='SHSE.600000', volume=200, side=OrderSide_Buy, 
                   order_type=OrderType_Market, position_effect=PositionEffect_Open, 
                  price=0)

def on_backtest_finished(context, indicator): 
    print(indicator) 

 if __name__ == '__main__': 
 ''' 
 strategy_id策略ID, 由系统生成 
 filename文件名, 请与本文件名保持一致 
 mode运行模式, 实时模式:MODE_LIVE回测模式:MODE_BACKTEST 
 token绑定计算机的ID, 可在系统设置-密钥管理中生成 
 backtest_start_time回测开始时间 
 backtest_end_time回测结束时间 
 backtest_adjust股票复权方式, 不复权:ADJUST_NONE前复权:ADJUST_PREV后复权:ADJUST_POST 
 backtest_initial_cash回测初始资金 
 backtest_commission_ratio回测佣金比例 
 backtest_slippage_ratio回测滑点比例 
 ''' 
 run(strategy_id='strategy_id', 
 filename='main.py', 
 mode=MODE_BACKTEST, 
 token='token_id', 
 backtest_start_time='2020-11-01 08:00:00', 
 backtest_end_time='2020-11-10 16:00:00', 
 backtest_adjust=ADJUST_PREV, 
 backtest_initial_cash=10000000, 
 backtest_commission_ratio=0.0001, 
 backtest_slippage_ratio=0.0001)

在algo()函数中，使用了order_volume()按指定量委比函数，函数原型如下：

order_volume ( symbol , volume , side , order_type , position_effect , price = 0 , order_duration