Python量化交易开源框架：AmazingQuant
1.简介
开源地址：
https://github.com/zhanggao2013/AmazingQuant
AmazingQuant是一款基于event-driven的量化回测交易开源框架，下图是总体框架架构。
data_center
to_mongoDB 存放行情、财务等各种数据到MongoDB的存储模块
get_data 策略中从数据库中取数据的接口模块
trade_center
mossion_engine 包含下单任务（event_order）和风控（event_risk_management）两部分的engine，分别完成下单前的检查和风控
broker_engine 分为回测时的simulate的broker（主要是event_deal）撮合成交和连接实盘交易CTP、xSpeed等接口两部分
strategy_center
bar_engine 在回测或者交易模式下，用逐K线的方式执行每一根bar的交易逻辑，可在日线、分钟线、分笔下运行
analysis_center
analysis_engine 对回测形成的交易记录进行分析和可视化，净值、年化收益、alpha、beta、回撤等指标，brison、Fama等经典模型的实现
2.安装配置
MongoDB 3.4
建议使用shard，配置启动项示例
pymongo
python调用MongoDB
talib
技术指标计算库
anaconda
python 3.5 的版本，如果大于3.5的版本，ctp的接口暂时不能用，因为编译问题，后续可以解决
Linux Ubuntu
开发环境是ubuntu，当然也可以在windows下用，但是数据库的配置和ctp等交易接口需要重新做
安装AmazingQuant
pip install AmazingQuant 直接安装
3.策略编写
# -*- coding: utf-8 -*-__author__ = "gao"import numpy as np
import talib# import strategy基类
from AmazingQuant.strategy_center.strategy import *# import 交易模块
from AmazingQuant.trade_center.trade import Trade# 继承strategy基类
class MaStrategy(StrategyBase):def initialize(self):# 设置运行模式，回测或者交易self.run_mode = RunMode.BACKTESTING.value# 设置回测资金账号self.account = ["test0", "test1"]# 设置回测资金账号资金量self.capital = {"test0": 2000000, "test1": 1000}# 设置回测基准self.benchmark = "000300.SH"# 设置复权方式self.rights_adjustment = RightsAdjustment.NONE.value# 设置回测起止时间self.start = "2015-01-11"self.end = "2016-01-16"# 设置运行周期self.period = "daily"# 设置股票池self.universe = ['000001.SZ', '000002.SZ', '000008.SZ', '000060.SZ', '000063.SZ', '000069.SZ', '000100.SZ','000157.SZ', '000166.SZ', '000333.SZ', '000338.SZ', '000402.SZ', '000413.SZ', '000415.SZ','000423.SZ', '000425.SZ', '000503.SZ', '000538.SZ', '000540.SZ', '000559.SZ', '000568.SZ','000623.SZ', '000625.SZ', '000627.SZ', '000630.SZ', '000651.SZ', '000671.SZ', '000686.SZ','000709.SZ', '000723.SZ', '000725.SZ', '000728.SZ', '000738.SZ', '000750.SZ', '000768.SZ','000776.SZ', '000783.SZ', '000792.SZ', '000826.SZ', '000839.SZ', '000858.SZ', '000876.SZ','000895.SZ', '000898.SZ', '000938.SZ', '000959.SZ', '000961.SZ', '000963.SZ', '000983.SZ','001979.SZ', '002007.SZ', '002008.SZ', '002024.SZ', '002027.SZ', '002044.SZ', '002065.SZ','002074.SZ', '002081.SZ', '002142.SZ', '002146.SZ', '002153.SZ', '002174.SZ', '002202.SZ','002230.SZ', '002236.SZ', '002241.SZ', '002252.SZ', '002292.SZ', '002294.SZ', '002304.SZ','002310.SZ', '002352.SZ', '002385.SZ', '002411.SZ', '002415.SZ', '002424.SZ', '002426.SZ','002450.SZ', '002456.SZ', '002460.SZ', '002465.SZ', '002466.SZ', '002468.SZ', '002470.SZ','002475.SZ', '002500.SZ', '002508.SZ', '002555.SZ', '002558.SZ', '002572.SZ', '002594.SZ','002601.SZ', '002602.SZ', '002608.SZ', '002624.SZ', '002673.SZ', '002714.SZ', '002736.SZ','002739.SZ', '002797.SZ', '002831.SZ', '002839.SZ', '002841.SZ', '300003.SZ', '300015.SZ','300017.SZ', '300024.SZ', '300027.SZ', '300033.SZ', '300059.SZ', '300070.SZ', '300072.SZ','300122.SZ', '300124.SZ', '300136.SZ', '300144.SZ', '300251.SZ', '300315.SZ', '600000.SH','600008.SH', '600009.SH', '600010.SH', '600011.SH', '600015.SH', '600016.SH', '600018.SH','600019.SH', '600021.SH', '600023.SH', '600028.SH', '600029.SH', '600030.SH', '600031.SH','600036.SH', '600038.SH', '600048.SH', '600050.SH', '600061.SH', '600066.SH', '600068.SH','600074.SH', '600085.SH', '600089.SH', '600100.SH', '600104.SH', '600109.SH', '600111.SH','600115.SH', '600118.SH', '600153.SH', '600157.SH', '600170.SH', '600177.SH', '600188.SH','600196.SH', '600208.SH', '600219.SH', '600221.SH', '600233.SH', '600271.SH', '600276.SH','600297.SH', '600309.SH', '600332.SH', '600340.SH', '600352.SH', '600362.SH', '600369.SH','600372.SH', '600373.SH', '600376.SH', '600383.SH', '600390.SH', '600406.SH', '600415.SH','600436.SH', '600482.SH', '600485.SH', '600489.SH', '600498.SH', '600518.SH', '600519.SH','600522.SH', '600535.SH', '600547.SH', '600549.SH', '600570.SH', '600583.SH', '600585.SH','600588.SH', '600606.SH', '600637.SH', '600649.SH', '600660.SH', '600663.SH', '600674.SH','600682.SH', '600685.SH', '600688.SH', '600690.SH', '600703.SH', '600704.SH', '600705.SH','600739.SH', '600741.SH', '600795.SH', '600804.SH', '600816.SH', '600820.SH', '600827.SH','600837.SH', '600871.SH', '600886.SH', '600887.SH', '600893.SH', '600895.SH', '600900.SH','600909.SH', '600919.SH', '600926.SH', '600958.SH', '600959.SH', '600977.SH', '600999.SH','601006.SH', '601009.SH', '601012.SH', '601018.SH', '601021.SH', '601088.SH', '601099.SH','601111.SH', '601117.SH', '601118.SH', '601155.SH', '601163.SH', '601166.SH', '601169.SH','601186.SH', '601198.SH', '601211.SH', '601212.SH', '601216.SH', '601225.SH', '601228.SH','601229.SH', '601288.SH', '601318.SH', '601328.SH', '601333.SH', '601336.SH', '601375.SH','601377.SH', '601390.SH', '601398.SH', '601555.SH', '601600.SH', '601601.SH', '601607.SH','601608.SH', '601611.SH', '601618.SH', '601628.SH', '601633.SH', '601668.SH', '601669.SH','601688.SH', '601718.SH', '601727.SH', '601766.SH', '601788.SH', '601800.SH', '601818.SH','601857.SH', '601866.SH', '601872.SH', '601877.SH', '601878.SH', '601881.SH', '601888.SH','601898.SH', '601899.SH', '601901.SH', '601919.SH', '601933.SH', '601939.SH', '601958.SH','601966.SH', '601985.SH', '601988.SH', '601989.SH', '601991.SH', '601992.SH', '601997.SH','601998.SH', '603160.SH', '603799.SH', '603833.SH', '603858.SH', '603993.SH']# 设置在运行前是否缓存日线，分钟线等各个周期数据self.daily_data_cache = Trueprint(self.universe)# 回测滑点设置，按固定值0.01,20-0.01 = 19.99;百分比0.01,20*(1-0.01) = 19.98;平仓时用"+"self.set_slippage(stock_type=StockType.STOCK.value, slippage_type=SlippageType.SLIPPAGE_FIX.value, value=0.01)# 回测股票手续费和印花税，卖出印花税，千分之一；开仓手续费，万分之三；平仓手续费，万分之三，最低手续费，５元# 沪市，卖出有万分之二的过户费，加入到卖出手续费self.set_commission(stock_type=StockType.STOCK_SH.value, tax=0.001, open_commission=0.0003,close_commission=0.0003,close_today_commission=0, min_commission=5)# 深市不加过户费self.set_commission(stock_type=StockType.STOCK_SZ.value, tax=0.001, open_commission=0.0003,close_commission=0.0005,close_today_commission=0, min_commission=5)def handle_bar(self, event):# 取当前bar的持仓情况available_position_dict = {}for position in Environment.bar_position_data_list:available_position_dict[position.instrument + "." + position.exchange] = position.position - position.frozen# 当前bar的具体时间戳current_date = data_transfer.millisecond_to_date(millisecond=self.timetag, format="%Y-%m-%d")# 时间戳转换成int，方便后面取数据current_date_int = data_transfer.date_str_to_int(current_date)print(current_date)# 取数据实例data_class = GetData()# 循环遍历股票池for stock in self.universe:# 取当前股票的收盘价close_price = data_class.get_market_data(Environment.daily_data, stock_code=[stock], field=["close"],end=current_date)# print(self.start, current_date)close_array = np.array(close_price)if len(close_array) > 0:# 利用talib计算MAma5 = talib.MA(np.array(close_price), timeperiod=5)ma20 = talib.MA(np.array(close_price), timeperiod=20)# print(type(close_price.keys()))# 过滤因为停牌没有数据if current_date_int in close_price.keys():# 如果5日均线突破20日均线，并且没有持仓，则买入这只股票100股，以收盘价为指定价交易if ma5[-1] > ma20[-1] and stock not in available_position_dict.keys():Trade(self).order_shares(stock_code=stock, shares=100, price_type="fix",order_price=close_price[current_date_int],account=self.account[0])print("buy", stock, 1, "fix", close_price[current_date_int], self.account)# 如果20日均线突破5日均线，并且有持仓，则卖出这只股票100股，以收盘价为指定价交易elif ma5[-1] < ma20[-1] and stock in available_position_dict.keys():Trade(self).order_shares(stock_code=stock, shares=-100, price_type="fix",order_price=close_price[current_date_int],account=self.account[0])print("sell", stock, -1, "fix", close_price[current_date_int], self.account)if __name__ == "__main__":# 测试运行完整个策略所需时间，目前没有做过多优化，# 300只股票，日线数据，一年的时间区间，4000多次交易记录，在我的虚拟机大概80s，换个性能稍好点的机器，应该会快很多from AmazingQuant.utils.performance_test import Timertime_test = Timer(True)with time_test:# 运行策略，设置是否保存委托，成交，资金，持仓MaStrategy().run(save_trade_record=True)
4.回测结果分析
自动生成回测结果
产生的委托，成交，资金，持仓的cvs文件写入到策略所在文件夹
自动生成回测报告
回测报告是html格式，可在浏览器中打开查看，效果如下图：
5.实盘交易
目前已实现根据vnpy的方式封装的使用boost对CTP的C++接口进行python3.5的封装，后续将实现与broker_engine的对接
6.已实现和即将实现的功能
已实现
数据库搭建
读取数据
策略运行回测
回测交易记录的保存和分析
实盘CTP接口的封装
即将实现
各种数据的对接
例如股票的分钟数据、股票财务数据、股票板块成分股、期货分钟数据、日线数据等
CTP等交易接口与broker_engine对接
CTP、xSpeed等
对回测区间的每一根bar的交易和持仓情况可视化
回测分析模块的丰富
增加brison、FAMA等各种绩效归因模型的分析和可视化
Python量化交易开源框架：AmazingQuant相关推荐
- python量化交易开源框架_hikyuu: 基于C++/Python的开源量化交易研究框架
Hikyuu Quant Framework是一款基于C++/Python的开源量化交易研究框架,用于策略分析及回测(仅受限于数据,如有数据也可用于期货等).其核心思想基于当前成熟的系统化交易方法,将 ...
- python量化交易的框架_python量化交易框架easyquant试用体会
在github上发现一个python写的,看上去简单实用的量化交易框架easyquant,作者是在他写的easytrader上实现了自动读取行情和交易登入,初步试验了雪球登入,效果还不错. 安装这个框 ...
- python 量化交易 框架 开源_Hikyuu首页、文档和下载 - 基于 C++/Python 的开源量化交易研究框架 - OSCHINA - 中文开源技术交流社区...
Hikyuu Quant Framework是一款基于C++/Python的开源量化交易研究框架,用于策略分析及回测.其核心思想基于当前成熟的系统化交易方法,将整个系统化交易抽象为由市场环境判断策略. ...
- python 股票自动交易助手_hikyuu: 基于C++/Python的开源量化交易研究框架
Hikyuu Quant Framework是一款基于C++/Python的开源量化交易研究框架,用于策略分析及回测(仅受限于数据,如有数据也可用于期货等).其核心思想基于当前成熟的系统化交易方法,将 ...
- php 量化交易 开源,hikyuu开源量化交易研究框架 v1.0
Hikyuu Quant Framework是一款基于C++/Python的开源量化交易研究框架,用于策略分析及回测(仅受限于数据,如有数据也可用于期货等).其核心思想基于当前成熟的系统化交易方法,将 ...
- Python量化交易实战-38使用开源项目回测双均线策略
B站配套视频教程观看 使用PyAlgoTrade回测双均线策略 双均线策略:长短周期均线,通过金叉,死叉的方式买入卖出股票,获取收益的策略. 回顾上节课代码的部分,上节课完成了可视化代码的部分, 主要 ...
- 量化交易主流框架介绍
量化交易主流框架介绍 talib talib的简称是Technical Analysis Library,主要功能是计算行情数据的技术分析指标 numpy 介绍:一个用python实现的科学计算包.包 ...
- Hikyuu 1.2.5 发布，高性能量化交易研究框架
Hikyuu 是一款基于 C++/Python 的高性能开源量化交易研究框架,用于快速策略分析及回测.与其他量化平台或回测软件相比,具备: 超快的回测速度(百万级别K线1~2秒完成A股全市场计算): ...
- 你应该知道的21大Python量化交易工具
技术可用性的快速增长使个人交易者也能够进行系统和算法交易.下面为大家分享2022年 Python 量化交易使用最广泛的21大交易平台和框架.经纪自营商.数据提供商和其他有用的交易库等,这些交易库适用于 ...
最新文章
- SQL中 decode()函数简介
- three.js 插件
- 个人项目框架搭建 -- 缓存接口与实现
- OpenCV-Python 相机校准和消除畸变
- org.apache.struts2.dispatcher.ng.filter.StrutsPrepareAndExecuteFilter错误解决
- Oracle12c部署，允许远程访问
- 2018年度计算机视觉GtiHub top开源项目！
- {WP7/WP8·获取屏幕大小}
- 网络通讯原理简介以及演示通讯过程
- 前魅族副总裁李楠上手魅族17：颜值提升了
- 根据key找到JSON字符串中指定的value值（Java实现）
- etherboot无盘启动
- lambda java 排序_Java8 用Lambda表达式给List集合排序的实现
- 绿坝即将登场，好戏就要开演
- 苹果悄悄在硅谷买楼 以古希腊诸神命名 据说跟造车有关
- 031_组件 reRender控件和rendered控件的使用
- PTA7-22 龟兔赛跑
- 2020年最新计算机二级考试题库资料大全！
- 如何30秒做出精美的Word排版？
- Overvoltage category (过电压类别, 过电压等级)