利用米筐量化回测平台实行量化炒股

标签: 利用米筐量化回测平台实行量化炒股

1、主要属性 

2、代码

# 可以自己import我们平台支持的第三方python模块,比如pandas、numpy等。
import  pandas  as  pd
import  numpy as  np
from  sklearn.linear_model import  LinearRegression#线性回归算法正规方程求解
# 在这个方法中编写任何的初始化逻辑。context对象将会在你的算法策略的任何方法之间做传递。
def init(context):
    # 在context中保存全局变量
    #股票池初始化
    #沪深300--在沪市和深市中表现较好的300支股票
    context.hs300 = index_components("000300.XSHG")
    weight=np.array([0.02953221, -0.04920124, -0.10791485, 0.00801783, -0.03613599, 0.1310877, -0.03030564, 0.40286239,
-0.30166898])
    context.weight=np.mat(weight).T
    context.stock_num=20
    scheduler.run_monthly(mylineRegression,tradingday=1)#每月运行一次,每月第一天运行
def  three_sigma(data):
    """
    进行3sigma离群值处理
    :param data: 传入的数据
#   :return: 拉回离群值之后的data
    """

    up=data.mean()+3*data.std()
    low = data.mean() -3 * data.std()
    #超过上限用上限代替
    np.where(data>up,up,data)
    np.where(data <low,low, data)
    return data
def  stand_sca(data):
    """
    #标准差标准化数据
    :param data: c传入的数据
    :return: 标准化之后的数据
    """
    #mean()#均值;std()#标准差
    data=(data-data.mean())/data.std()
    return  data
def  deal_with_data(data):
    """
    数据处理"""
    #1、缺失值处理
    data.dropna(axis=0,how='any',inplace=True)
    #2、去极值
    # data=three_sigma(data)
    # #3、标准化
    # data=stand_sca(data)
    for column  in  data.columns:
        #2、去极值
        data.loc[:,column]=three_sigma(data.loc[:,column])
        market_cap=data.loc[:,'market_cap']
        # #3、标准化
        data.loc[:,column]==stand_sca(data.loc[:,column])
        #市值中性化
        #if  column=市值因子
        #   continue
        if  column=='market_cap':
            continue
        lr=LinearRegression()
        x=market_cap
        y=data.loc[:,column]
        #训练模型
        lr.fit(x.values.reshape(-1,1),y)
        #进行预测
        y_predict=lr.predict(x.values.reshape(-1,1))
        #相减
        data.loc[:,column]=y-y_predict

    return  data
def  tiaocang(context,stock_list):
    """进行股票买卖"""
    #查询仓位
    for  tmp  in context.portfolio.positions.keys():
        if tmp  not  in stock_list:
            #卖出,全部卖出
            order_target_percent(tmp,0)
    #买入
    #平均买
    for  tmp  in  stock_list:
        order_target_percent(tmp,1/len(stock_list))
def  mylineRegression(context,bar_dict):
    """
    每月需要处理的功能
    """
    #1、获取财务数据
    #构建query
    q=query(                                            fundamentals.eod_derivative_indicator.pe_ratio,      fundamentals.eod_derivative_indicator.pb_ratio,      fundamentals.eod_derivative_indicator.market_cap,      fundamentals.financial_indicator.ev,      fundamentals.financial_indicator.return_on_asset_net_profit,fundamentals.financial_indicator.du_return_on_equity,      fundamentals.financial_indicator.earnings_per_share,      fundamentals.income_statement.revenue,        fundamentals.income_statement.total_expense
    ).filter(fundamentals.stockcode.in_(context.hs300)
    )
    fund=get_fundamentals(q)
    #获取到财务数据
    #print(fund.T)
    context.factor_data=fund.T
    #数据处理
    context.factor_data=deal_with_data(context.factor_data)
    #print(context.factor_data.shape)
    #构建因子与下期收益之间的线性回归
    #factor_data  * w =下期收益"""
    context.factor_data.loc[:,'return']=np.dot(context.factor_data,context.weight)
    #要拿到收益较高的股票代码--进行买卖
    stock_list=context.factor_data.loc[:,'return'].sort_values(ascending=False)[:context.stock_num].index
    print(stock_list)
    #进行买卖
    tiaocang(context,stock_list)
# before_trading此函数会在每天策略交易开始前被调用,当天只会被调用一次
def before_trading(context):
    #可以获取账户资金或者在每天交易之前做一些操作
    pass
    #print(context.hs300)


# 你选择的证券的数据更新将会触发此段逻辑,例如日或分钟历史数据切片或者是实时数据切片更新
def handle_bar(context, bar_dict):
    # 开始编写你的主要的算法逻辑
    pass

    # bar_dict[order_book_id] 可以拿到某个证券的bar信息
    # context.portfolio 可以拿到现在的投资组合信息

    # 使用order_shares(id_or_ins, amount)方法进行落单#产生交易信号、进行订单创建

    # TODO: 开始编写你的算法吧!
    #order_shares(context.s1, 1000)
    #print('handle_bar')

# after_trading函数会在每天交易结束后被调用,当天只会被调用一次
def after_trading(context):
    #每日结束时做一些操作
    pass
    #print('after_trading')

 3、结果

 

版权声明:本文为weixin_42218868原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/weixin_42218868/article/details/101120621

智能推荐

Hibernate学习总结(一)

一、Hibernate简介 一个持久层的ORM框架。ORM:Object Relational Mapping(对象关系映射)。指的是将一个Java中的对象与关系型数据库中的表建立一种映射关系,从而操作对象就可以操作数据库中的表。 二、Hibernate入门 1、创建一个项目,引入jar包 hibernate用到的jar包 2、创建表 3、创建实体类 4、创建映射(*****) 映射需要通过XML...

Linux系统NFS

文章目录 1. nfs简介 1.1 nfs特点 1.2 使用nfs的好处 1.3 nfs的体系组成 1.4 nfs的应用场景 2. nfs工作机制 2.1 RPC 2.2 NIS 2.3 nfs工作机制 3. exports文件的格式 4. nfs管理 5. 作业 5.1手动搭建一个nfs服务器 5.1.1开放/nfs/shared目录,供所有用户查阅资料 5.1.2 开放/nfs/upload目...

关于java中String,StringBuffer,StringBuilder的区别以及StringBuffer,StringBuilder的安全性问题

这里的结果就是正确的然后我们来看他的append方法 它在前边加了一个synchronized来修饰,相当于同时只能有一个线程来访问他,这样就不会产生上边的问题但同时他的效率也就比StringBuilder低,...

Django连接现有mysql数据库

1、打开cmd后cd到项目位置 2、建立项目 django-admin startproject test2 3、编辑项目中的配置文件, mysite/settings.py ,告诉Django你的数据库连接参数和数据库名。具体的说,要提供 DATABASE_NAME , DATABASE_ENGINE , DATAB...

ShareSDK新浪微博登录时报错error:redirect_uri_mismatch

今天用 ShareSDK 做第三方登录的时候碰到个问题,明明在微博平台的应用审核已经通过了,但是调用登录接口的时候一直报错,错误如下: 出现这个错误是因为在微博开放平台上没有设置回调地址,或者设置的回调地址与本地XML中的地址不一致。 在sharesdk.xml文件当中对于微博的设置: 其中RedirectUrl为设置的回调地址,这里的地址必须要与微博开发平台设置的地址相同,否则就会出现上面的错误...

猜你喜欢

python解析网络封包方法

2019独角兽企业重金招聘Python工程师标准>>> 在使用Python解析网络数据包时,使用网络字节序解析,参见下表。 C语言的数据类型和Python的数据类型对照表请参见下表。 接下来对封包与解包进行举例说明。 version type id content unsigned short unsigned short unsigned int unsigned int 封包...

python3:时间方法,异常处理,系统文件相关模块(os)

文章目录 时间方法 time模块 时间表示方法: time模块的方法 datetime模块 异常处理 触发异常 创建mydiv.py脚本,要求如下: 创建myerror.py脚本,要求如下: os模块 实现ls -R(os.walk) os.path pickle模块 记账脚本 时间方法 time模块 时间表示方法: 时间戳:自1970-1-1 0:00:00到某一时间点之间的秒数 UTC时间:世...

负载均衡群集——LVS+DR模型

一、实验组成 调度器 192.168.100:41 web1 192.168.100:42 web2 192.168.100.43 NFS共享服务器 192.168.100.44 二、实验拓扑 三、实验配置 3.1在调度器配置:192.168.100.41 配置虚拟IP地址(VIP) 调整/proc响应参数 对于 DR 群集模式来说,由于 LVS 负载调度器和各节点需要共用 VIP 地址,应该关闭...

adb无线连接时appium找不到设备

问题描述 以前使用USB连接真机,运行appium时一直正常,连接参数如下: 最近为了方便,使用adb无线连接真机,adb版本为1.0.40,真机安卓版本10,连接后,通过adb devices能够查看到连接的设备: adb无线连接是正常的,但每次运行时appium都找不到无线连接的设备,陷入重启adb循环: 解决流程 1.因为是没找到设备,所以在appium连接参数中增加了"udid&...

Mybatis_CRUD(基于xml的增删改查操作)

dao IUserDao domain User QueryVo SqlMapConfig.xml com.itheima.dao IUserDao.xml com.itheima.test 执行原理图:...