品牌python量化交易培训班面授学习量化交易python需要学多久
下载地址 https://share.weiyun.com/tIMc8ewb
资料目录 Python股票量化投资视频课程（25集完结）
Python股票量化策略培训预习材料（视频讲解+素材）
《Python机器学习与量化投资》电子书
《Python量化交易》.pdf
《Python与量化投资：从基础到实战》.pdf
《零起点TensorFlow与量化交易》.pdf
机器学习在量化投资中的应用研究_汤凌冰著 pdf
量化交易之路：用Python做股票量化分析(高清).pdf
量化投资以Python为工具.pdf
举例 因为是策略回测而不是实盘，所以下面均可忽略。
#07-----------------------------------------------
def onOrder(self,order):
'''收到委托推送'''
pass
#08------------------------------------------------
def onTrade(self,trade):
'''收到成交推送'''
pass
#09------------------------------------------------
def onStopOrder(self,so):
'''停止单推送'''
pass
在策略类设置完之后，下面开始加载回测引擎。
In[5]
# 加载回测引擎
from vnpy.trader.app.ctaStrategy.ctaBacktesting import BacktestingEngine
# 创建回测引擎实例
engine = BacktestingEngine()
# 设置引擎的回测模式为K 线
engine.setBacktestingMode(engine.BAR_MODE)
# 设置回测用的数据起始日期
engine.setStartDate('20170101', initDays=36)
engine.setEndDate('20180101')
# 设置产品相关参数
engine.setSlippage(0) # 滑点设为0
engine.setRate(3/10000) # ETF 手续费
engine.setSize(1) # ETF 每股为1
engine.setPriceTick(0.001) # ETF 最小价格变动
engine.setCapital(1) # 为了只统计净盈亏，设置初始资金为1
# 设置使用的历史数据库
engine.setDatabase(DAILY_DB_NAME, vtSymbol)
# 在引擎中创建策略对象
engine.initStrategy(DoubleMaStrategy, {})
# 开始跑回测
engine.runBacktesting()
# 显示回测结果
engine.showDailyResult()
输出结果显示，从 2 月 6 日到 12 月 29 日，最终赢利 2 千多元人民币，最大回撤达 30%，夏普比率是 0.72，回测结果并不理想，如图 5-9 所示。这是纯双均线策略的特点，过于钝化，需要结合有效离场指标来降低亏损。
图 5-9 50ETF 回测逐日统计结果
最后是绘图结果，资金图显示赢利曲线从 2 月份一直升到 11 月份到达顶峰，然后大幅度回撤，第二幅回撤图显示在 9 月份和 12 月份期间都有比较大的回撤，如图 5-10 所示。图 5-11 所示的每笔盈亏分布图显示大部分交易日是盈亏接近零，极端情况较少。但是在极端情况下，大幅度亏损要多于大幅度赢利。
从双均线策略回测结果看来，vn.py 的回测并不具有优势，需要导入很多库，而且策略框架写起来很麻烦。但是，vn.py 回测模块相对于向量回测，第一个好处就是杜绝未来函数，而且对于要用到多个技术指标的通道突破策略，在已有框架下写起来显然比较轻松。
|