-
Notifications
You must be signed in to change notification settings - Fork 19
/
Copy path回测引行.py
162 lines (124 loc) · 5.86 KB
/
回测引行.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
from vnpy.trader.constant import Interval
from datetime import datetime
import pandas as pd
from vnpy.app.cta_strategy.base import BacktestingMode
# 使用原版回测引行
from vnpy.app.cta_strategy.backtesting import BacktestingEngine ,OptimizationSetting
# 使用自动修改的回测引行
# from vnpy.app.cta_strategy.Newbacktesting import
pd.set_option('expand_frame_repr', False)
#导入策略
from vnpy.huicheshuju.strategy.atrstop_rsi_dc_strategy import AtrStopRsiDcStrategy
from vnpy.huicheshuju.strategy.boll_kk_vix_simple_strategy import Boll_kk_vix_simple_Strategy
from vnpy.huicheshuju.strategy.boll_control_dc_strategy import Boll_Control_Dcs_trategy
if __name__ == '__main__':
# 回测引擎初始化
engine = BacktestingEngine()
# 设置交易对产品的参数
engine.set_parameters(
vt_symbol="btcusdt.BINANCE", #交易的标的
interval=Interval.MINUTE,
start=datetime(2020,3,1), # 开始时间
end=datetime(2020, 5, 1), # 结束时间
rate= 2/1000, # 手续费
slippage=0.5, #交易滑点
size=1, # 合约乘数
pricetick=0.5, # 8500.5 8500.01
capital= 100000, # 初始资金
mode= BacktestingMode.BAR
)
# 添加策略
# engine.add_strategy(EmaHlc3, {})
# engine.add_strategy(Atr_Stop, { "max_window" :35,
# "min_window" :10,
# "open_window" :5,
# "art_leng" :14,
# "nloss_singnal" :3.8,
# "ema_window" :19,
# "tr_leng" :34,
# "sl_multiplier" :2.5,
# "fixd_size" : 1
# })
# 传入参数，实例化一个策略，相当于执行了DoubleMaStrategy(strategy_name,vt_symbol, setting)
engine.add_strategy(Boll_Control_Dcs_trategy,{})
# 加载 最终的结果是通过数据库的ORM取出DbBarData，遍历DbBarData，通过to_tick或to_bar方法生成tick或Bar，
# 最终得到self.history_data（里面保存tick或bar）
engine.load_data()
# 运行回测
engine.run_backtesting()
# 统计结果
df = engine.calculate_result()
print(df)
# 计算策略的统计指标 Sharp ratio, drawdown
de = engine.calculate_statistics()
de = pd.DataFrame([de])
# print(de)
de = de.rename(columns = {
'start_date': "首个交易日",
'end_date': '最后交易日',
'total_days': '总交易日',
'profit_days': '盈利交易日',
'loss_days': '亏损交易日',
'capital': '起始资金',
'end_balance': '结束资金',
'max_drawdown': '最大回撤',
'max_ddpercent': '百分比最大回撤',
'max_drawdown_duration': '最长回撤天数',
'total_net_pnl': '总盈亏',
'daily_net_pnl': '日均盈亏',
'total_commission': '总手续费',
'daily_commission': '日均手续费',
'total_slippage': '总滑点',
'daily_slippage': '日均滑点',
'total_turnover': '总成交金额',
'daily_turnover': '日均成交金额',
'total_trade_count': '总成交笔数',
'daily_trade_count': '日均成交笔数',
'total_return': '总收益率',
'annual_return': '年化收益',
'daily_return': '日均收益率',
'return_std': '收益标准差',
'sharpe_ratio': 'Sharpe Ratio',
'return_drawdown_ratio': '收益回撤比'
})
de = de[['首个交易日','最后交易日','总交易日','盈利交易日',
'亏损交易日','起始资金','结束资金','总收益率','年化收益',
'最大回撤','百分比最大回撤','最长回撤天数','总盈亏','总手续费',
'总滑点','总成交金额','总成交笔数','日均盈亏','日均手续费','日均滑点',
'日均成交金额','日均成交笔数','日均收益率','收益标准差',
'Sharpe Ratio','收益回撤比']]
# de = pd.DataFrame(pd.Series(de))
print(de)
# 绘制图表
engine.show_chart()
# de = pd.DataFrame({
# 'start_date': [0],
# 'end_date': [1],
# 'total_days': [2],
# 'profit_days': [3],
# 'loss_days': [4],
# 'capital': [5],
# 'end_balance': [6],
# 'max_drawdown': [7],
# 'max_ddpercent': [8],
# 'max_drawdown_duration': [9],
# 'total_net_pnl': [10],
# 'daily_net_pnl': [11],
# 'total_commission': [12],
# 'daily_commission': [13],
# 'total_slippage': [14],
# 'daily_slippage': [15],
# 'total_turnover': [16],
# 'daily_turnover': [17],
# 'total_trade_count': [18],
# 'daily_trade_count': [19],
# 'total_return': [20],
# 'annual_return': [21],
# 'daily_return': [22],
# 'return_std': [23],
# 'sharpe_ratio': [24],
# 'return_drawdown_ratio': [25]
#
# }) # 'A'是columns，对应的是list
#
#