标签：计算   数据表   pandas   port   sel   ids   symbol   输入参数   接口   

RiceQuant米筐量化回测框架介绍

一、RiceQuant平台

• 网址：https://www.ricequant.com/welcome/

二、策略创建流程

1.1 创建策略

1.2 策略界面

2 完成一个策略所需做的事

• 选择策略的运行基本条件：
  • 运行区间、初始资金
  • 回测频率
• 编写策略：
  • 选择的股票池
  • 获取股票的行情、基本面数据
  • 交易时间、数量的设置
• 分析回测结果：
  • 策略指标的分析

2.1策略初始设置

• 基础设置：指定回测的起止日期、初始资金及回测频率

  • 起止日期：策略运行的时间区间（自动选择交易日）
  • 初始资金：用于策略投资的总资金
  • 回测频率：日回测or分钟回测，股票量化一般选择日回测（股票不可卖空）

• 高级设置

  

2.2策略主体运行流程

• init方法：实现策略初始化逻辑
  • 股票池的选择
• before方法：执行每日开盘前的操作
  • 获取历史行情数据
  • 获取当前账户信息
• handle_bar方法：实现策略的具体逻辑
  • 交易信号的产生
  • 交易订单的创建

2.3策略回测结果的分析

• 收益指标
• 风险指标

三、基本数据获取接口

1、数据接口种类：

• industry()：行业股票列表的获取
• sector()：板块股票列表的获取
• index_components()：指数成分股列表的获取
• history_bar()：某一股票历史行情数据的获取
• get_fundamentals()：股票财务数据的获取

1.1 行业股票列表的获取

industry(code)	#获得属于某一行业的所有股票列表

参数

返回

获得属于某一行业的所有股票的order_book_id list。

范例

def init(context):
    stock_list = industry(‘A01‘)
    logger.info("农业股票列表：" + str(stock_list))

1.2 板块股票列表的获取

sector(code)

获得属于某一板块的所有股票列表。

参数

返回

属于该板块的股票order_book_id或order_book_id list.

范例

def init(context):
    ids1 = sector("consumer discretionary")
    ids2 = sector("非必需消费品")
    ids3 = sector("ConsumerDiscretionary")
    assert ids1 == ids2 and ids1 == ids3
    logger.info(ids1)

1.3 指数成分股列表的获取

index_components(order_book_id, date=None)

获取某一指数的股票构成列表，也支持指数的历史构成查询。

参数

参数	类型	说明
order_book_id	str	指数代码，可传入order_book_id
date	str, date, datetime, pandas Timestamp	查询日期，默认为策略当前日期。如指定，则应保证该日期不晚于策略当前日期

返回

构成该指数股票的order_book_id list

1.4 某一股票历史行情数据的获取

history_bars(order_book_id, bar_count, frequency, fields=None, skip_suspended=True, include_now=False)

获取指定合约的历史行情，同时支持日以及分钟历史数据。不能在init中调用。

参数

参数	类型	注释
order_book_id	str	合约代码，必填项
bar_count	int	获取的历史数据数量，必填项
frequency	str	获取数据什么样的频率进行。‘1d‘或‘1m‘分别表示每日和每分钟，必填项。您可以指定不同的分钟频率，例如‘5m‘代表5分钟线
fields	str OR str list	返回数据字段。必填项。见下方列表
skip_suspended	bool	是否跳过停牌，默认True，跳过停牌
include_now	bool	是否包括不完整的bar数据。默认为False，不包括。举例来说，在09:39的时候获取上一个5分钟线，默认将获取到09:3109:35合成的5分钟线。如果设置为True，则将获取到09:3609:39之间合成的"不完整"5分钟线

返回

ndarray ，方便直接与talib等计算库对接，效率较history返回的DataFrame更高。

获取到的字段

范例

# 如果想在今天运行，获取从几天开始前几天一些数据
# 获取前5天的收盘价，开盘价
# 股票代号，间隔，频率，交易指标
data = history_bars(context.s1, 5, ‘1d‘, ‘close‘)

# 获取多个指标
data = history_bars(context.s1, 5, ‘1d‘, [‘close‘, ‘open‘])

# 如果回测是每日的，不支持获取分钟数据
data = history_bars(context.s1, 5, ‘1m‘, [‘close‘, ‘open‘])

1.5 获取股票当前价格

bar_dict[].item  #只能获取当前运行日期的，不能获取之前日期

Bar_dict对象

范例

# 获取上文中s1股票今天收盘价数据
logger.info(bar_dict[context.s1].close)

注：

• 在股票策略中bar_dict对象可以拿到所有股票合约的bar信息
• bar_dict只能获取当前运行日期的，不能获取之前日期

1.6 股票财务数据的获取

get_fundamentals(query, entry_date=None, interval=‘1d‘, report_quarter=False)

获取历史财务数据表格。目前支持中国市场超过400个指标，具体请参考 财务数据文档 。目前仅支持中国市场。需要注意，一次查询过多股票的财务数据会导致系统运行缓慢。（entry_date在回测当中不去要提供）

参数

返回

pandas DataPanel 如果查询结果为空，返回空pandas DataFrame 如果给定间隔为1d, 1m, 1q, 1y，返回pandas DataFrame

范例

# 获取财务数据，默认获取的是dataframe，entry_date在回测当中不去要提供，默认为策略当前日期前一天
fund = get_fundamentals(q)

2 获取财务指标——query查询

fundamentals是一个重要的对象，其中包括了估值指标表（eod_derivative_indicator），财务指标表（financial_indicator），利润表（income_statement），资产负债表（balance_sheet），现金流量表（cash_flow_statement）以及股票列表（stock_code）等内容。结合SQLAlchemy的查找方式，能够满足用户多种查找需求。

通过fundamentals获取以上的属性

q = query(fundamentals.eod_derivative_indicator.pe_ratio)

2.1过滤指标条件

• query().filter：过滤大小
• query().order_by：排序
• query().limit()：限制数量
• fundamentals.stockcode.in_()：在指定的股票池当中过滤

范例

# 增加条件过滤掉不符合的股票代码
# 默认直接获取A股是所有的股票这个指标数据
# order_by默认是升序
# limit:选择固定数量的股票，获取20个股票交易
q = query(fundamentals.eod_derivative_indicator.pe_ratio,
             fundamentals.eod_derivative_indicator.pcf_ratio).filter(
                 fundamentals.eod_derivative_indicator.pe_ratio > 20,
                 fundamentals.eod_derivative_indicator.pcf_ratio > 15,
                 ).order_by(
                     fundamentals.eod_derivative_indicator.pe_ratio
                     ).limit(20)

# 想要从沪深300指数的一些股票去进行筛选
# 通过fundamentals.stockcode.in_去限定股票池
    q = query(fundamentals.eod_derivative_indicator.pe_ratio,
             fundamentals.eod_derivative_indicator.pcf_ratio).filter(
                 fundamentals.eod_derivative_indicator.pe_ratio > 20,
                 ).order_by(
                     fundamentals.eod_derivative_indicator.pe_ratio
                     ).filter(
                         fundamentals.stockcode.in_(context.hs300)
                         ).limit(20)
    
# 获取财务数据，默认获取的是dataframe，entry_date在回测当中不去要提供
fund = get_fundamentals(q)

3 定时获取数据——scheduler定时器

• scheduler.run_daily - 每天运行
• scheduler.run_weekly - 每周运行
• scheduler.run_monthly - 每月运行

3.1.1 scheduler.run_daily - 每天运行

scheduler.run_daily(function)

每日运行一次指定的函数，只能在init内使用。

• schedule一定在其对应时间点的handle_bar之前执行，如果定时运行函数运行时间较长，则中间的handle_bar事件将会被略过。

参数

返回

无

3.1.2 scheduler.run_monthly - 每月运行

scheduler.run_monthly(function,tradingday=t)

每月运行一次指定的函数，只能在init内使用。

• tradingday的负数表示倒数。
• tradingday表示交易日，如某月只有三个交易日，则此月的tradingday=3与tradingday=-1表示同一。

参数

返回

无

3.2 添加定时器之后的策略运行顺序

四、基本回测交易接口

1、股票交易接口

1.1 order_shares - 指定股数交易（股票专用）

order_shares(id_or_ins, amount, style=MarketOrder())

#落指定股数的买/卖单，最常见的落单方式之一。如有需要落单类型当做一个参量传入，如果忽略掉落单类型，那么默认是市价单（market order）

参数

返回

Order对象

范例

• 购买Buy 2000 股的平安银行股票，并以市价单发送：

order_shares(‘000001.XSHE‘, 2000)

• 卖出2000股的平安银行股票，并以市价单发送：

order_shares(‘000001.XSHE‘, -2000)

• 购买1000股的平安银行股票，并以限价单发送，价格为￥10：

order_shares(‘000001.XSHE‘, 1000, style=LimitOrder(10))

1.2 order_target_value - 目标价值下单（股票专用）

order_target_value(id_or_ins, cash_amount, style=OrderType)

#买入/卖出并且自动调整该证券的仓位到一个目标价值(暂不支持卖空)。如果还没有任何该证券的仓位，那么会买入全部目标价值的证券。如果已经有了该证券的仓位，则会买入/卖出调整该证券的现在仓位和目标仓位的价值差值的数目的证券。需要注意，如果资金不足，该API将不会创建发送订单。

参数

参数	类型	注释
id_or_ins	str或instrument对象	order_book_id或symbol或instrument object，用户必须指定
cash_amount	float-required	最终的该证券的仓位目标价值
style	OrderType	订单类型，默认是市价单。目前支持的订单类型有：style=MarketOrder()style=LimitOrder(limit_price)

返回

Order对象

范例

• 如果现在的投资组合中持有价值￥3000的平安银行股票的仓位并且设置其目标价值为￥10000，以下代码范例会发送价值￥7000的平安银行的买单到市场。（向下调整到最接近每手股数即100的倍数的股数）：

order_target_value(‘000001.XSHE‘, 10000)

1.3 order_target_percent - 目标比例下单（股票专用）

order_target_percent(id_or_ins, percent, style=OrderType)

#买入/卖出证券以自动调整该证券的仓位到占有一个指定的投资组合的目标百分比(暂不支持卖空,如果资金不足，该API将不会创建发送订单)。

#投资组合价值等于所有已有仓位的价值和剩余现金的总和。买/卖单会被下舍入一手股数（A股是100的倍数）的倍数。目标百分比应该是一个小数，并且最大值应该<=1，比如0.5表示50%。

参数

参数	类型	注释
id_or_ins	str或instrument对象	order_book_id或symbol或instrument object，用户必须指定
percent	float-required	仓位最终所占投资组合总价值的目标百分比。
style	OrderType	订单类型，默认是市价单。目前支持的订单类型有：style=MarketOrder()style=LimitOrder(limit_price)

返回

order对象

范例

• 如果投资组合中已经有了平安银行股票的仓位，并且占据目前投资组合的10%的价值，那么以下代码会买入平安银行股票最终使其占据投资组合价值的15%：

order_target_percent(‘000001.XSHE‘, 0.15)

1.4 交易注意事项

出现以下情况，我们的交易会被回测平台自动拒单:

• portfolio内可用资金不足
• 下单数量不足一手（股票为100股）
• 下单价格超过当日涨跌停板限制
• 当前可卖（可平）仓位不足
• 股票当日停牌
• 合约已经退市（到期）或尚未上市

五、投资组合操作接口

1、投资组合定义

投资组合是由投资人或金融机构所持有的股票、债券、金融衍生产品等组成的集合，目的是分散风险。

2、查看投资组合的信息——context属性

context属性中就包含了投资组合的信息

• now - 当前时间

context.now

#使用以上的方式就可以在handle_bar中拿到当前的bar的时间，比如day bar的话就是那天的时间，minute bar的话就是这一分钟的时间点。

• portfolio - 投资组合信息

context.portfolio

#该投资组合在单一股票或期货策略中分别为股票投资组合和期货投资组合。在股票+期货的混合策略中代表汇总之后的总投资组合。

• stock_account - 股票资金账户信息

context.stock_account

#获取股票资金账户信息。

2.1 context.portfolio对象

• portfolio对象 资产组合（总资产）

2.1.1 context.portfolio.position对象

position就代表着当前我们的仓位中有哪些股票正持有，position.keys()可以获取

• 股票position对象 （持仓）

3、范例

# 查看我们的投资组合信息，仓位、资金
# 查看股票账户信息
logger.info("股票账户信息：")
logger.info(context.stock_account)

# 卖出股票就要从持有的这些股票当中去选择
logger.info(context.portfolio.positions)

# 交易的价格计算
# 当日的：close * 股数
logger.info("投资组合的资金：%f" % context.portfolio.cash)
logger.info("投资组合的市场价值：%f" % context.portfolio.market_value)
logger.info("投资组合的总价值：%f" % context.portfolio.total_value)

六、策略回测评价指标

1、收益指标

1.1 回测收益率

1.2 年化收益率

1.3 基准收益率

2、风险指标

2.1 最大回撤

2.2 单位风险收益——夏普比率

• 举例而言，假如国债的回报是4%，而您的投资组合预期回报是16%，您的投资组合的标准偏差是5%，那么用16%－4%,可以得出12%（代表您超出无风险投资的回报），再用12%÷5%＝2.4，代表投资者风险每增长1%，换来的是2.4%的多余收益。夏普比率越大，说明单位风险所获得的风险回报越高。
• 最终夏普比率越高越好，达到1.5以上已经是很好的结果

RiceQuant米筐量化回测框架介绍

标签：计算   数据表   pandas   port   sel   ids   symbol   输入参数   接口   

原文地址：https://www.cnblogs.com/lizhihang/p/12611652.html