10分鐘打造WonderTrader上的期貨日內交易策略

時間 2020-04-24

標籤 10分打造 wondertrader 期貨日內交易策略简体版

原文原文鏈接

今天咱們來用WonderTrader的python子框架wtpy來實際編寫一個期貨日內交易的策略。而後咱們會先設定一組參數進行第一輪測試，再根據第一輪測試的結果，調整好參數之後，再進行第二輪測試。藉此來演示一下wtpy中策略如何編寫以及回測。python

準備工做

安裝wtpy。在安裝了python3.6以上的計算機上執行一下命令。git
```
$ pip install wtpy
```
或者直接下載whl文件到本地進行安裝
阿里雲鏡像地址：https://mirrors.aliyun.com/py...
pipy地址：https://pypi.org/project/wtpy...github
從github複製demo
咱們選用期貨回測demo來做爲基準的demo進行修改。
期貨回測demo下載地址：https://github.com/wondertrad...
準備歷史回測數據
咱們直接使用demo中自帶的股指期貨主力合約5分鐘數據進行回測，文件名爲CFFEX.IF.HOT_m5.csv。爲了提升測試效率，咱們只選取最後近兩個月時間的數據進行回測，具體爲2019年9月10日到2019年10月31日。
股指期貨主力合約2019年9月10日-2019年10月31日走勢

2019年9月10日的開盤價爲3976.2,2019年10月31日收盤價爲3879.0，區間漲幅爲-2.44%。

肯定策略算法

選擇策略算法
咱們選擇比較經典的DualThrust做爲咱們策略的算法。一方面DualThrust流傳了好久了，曾經有不少大機構都用這個模型獲取到了足夠多的收益；另外一方面，DualThrust的算法複雜度比較低，比較適合咱們做爲演示策略來使用。
DualThrust的算法邏輯以下

用MAX(HH-LC,HC-LL)，做爲計算上下邊界的基準值，用今日開盤價做爲基準價，而後用上邊界係數和下邊界係數，分別計算出上邊界的價格和下邊界的價格，當最新價突破上邊界或者下邊界的時候，就是咱們發出信號的時候。
可是在策略的實現中，咱們還須要考慮到已有持倉的時候如何處理，因此最終的策略邏輯以下：算法

當持倉爲0的時候，價格突破上邊界時，開多進場，價格突破下邊界時，開空進場
當持倉爲多的時候，價格突破上邊界時，保持倉位，價格突破下邊界時，多反空
當持倉爲空的時候，價格突破上邊界時，空反多，價格突破下邊界時，保持倉位

策略實現

參數說明
肯定了策略的算法之後，咱們須要肯定策略模塊的參數。參數的設置，要綜合考慮策略自己的參數，以及模塊使用的參數。最終咱們肯定了以下的參數：json

name        策略實例名稱
code        回測使用的合約代碼
barCnt      要拉取的K線條數
period      要使用的K線週期，採用週期類型+週期倍數的形式，如m5表示5分鐘線，d3表示3日線
days        策略算法參數，算法引用的歷史數據條數
k1          策略算法參數，上邊界係數
k2          策略算法參數，下邊界係數
isForStk    DualThrust策略用於控制交易品種的代碼

咱們還能夠將基本手數做爲參數傳遞給策略模型，這樣的話通用性更強。不過咱們這裏就再也不增設參數了，默認手數都是1手。api

最終策略源碼以下框架

from wtpy import BaseStrategy
from wtpy import Context

class StraDualThrust(BaseStrategy):

    def __init__(self, name:str, code:str, barCnt:int, period:str, days:int, k1:float, k2:float, isForStk:bool = False):
        BaseStrategy.__init__(self, name)

        self.__days__ = days
        self.__k1__ = k1
        self.__k2__ = k2

        self.__period__ = period
        self.__bar_cnt__ = barCnt
        self.__code__ = code

        self.__is_stk__ = isForStk

    def on_init(self, context:Context):
        code = self.__code__    #品種代碼
        if self.__is_stk__:
            code = code + "Q"

        context.stra_get_bars(code, self.__period__, self.__bar_cnt__, isMain = True)
        context.stra_log_text("DualThrust inited")

    def on_calculate(self, context:Context):
        '''
        策略主調函數，全部的計算邏輯都在這裏完成
        '''
        code = self.__code__    #品種代碼
        
        # 交易單位，主要用於股票的適配
        trdUnit = 1
        if self.__is_stk__:
            trdUnit = 100

        #讀取最近50條1分鐘線(dataframe對象)
        theCode = code
        if self.__is_stk__:
            theCode = theCode + "Q"
        df_bars = context.stra_get_bars(theCode, self.__period__, self.__bar_cnt__, isMain = True)

        #把策略參數讀進來，做爲臨時變量，方便引用
        days = self.__days__
        k1 = self.__k1__
        k2 = self.__k2__

        #平倉價序列、最高價序列、最低價序列
        closes = df_bars["close"]
        highs = df_bars["high"]
        lows = df_bars["low"]

        #讀取days天以前到上一個交易日位置的數據
        hh = highs[-days:-1].max()
        hc = closes[-days:-1].max()
        ll = lows[-days:-1].min()
        lc = closes[-days:-1].min()

        #讀取今天的開盤價、最高價和最低價
        lastBar = df_bars.iloc[-1]
        openpx = lastBar["open"]
        highpx = lastBar["high"]
        lowpx = lastBar["low"]

        '''
        !!!!!這裏是重點
        一、首先根據最後一條K線的時間，計算當前的日期
        二、根據當前的日期，對日線進行切片,並截取所需條數
        三、最後在最終切片內計算所需數據
        '''

        #肯定上軌和下軌
        upper_bound = openpx + k1* max(hh-lc,hc-ll)
        lower_bound = openpx - k2* max(hh-lc,hc-ll)

        #讀取當前倉位
        curPos = context.stra_get_position(code)/trdUnit

        if curPos == 0:
            if highpx >= upper_bound:
                context.stra_enter_long(code, 1*trdUnit, 'enterlong')
                context.stra_log_text("向上突破%.2f>=%.2f，多倉進場" % (highpx, upper_bound))
                #修改並保存
                self.xxx = 1
                context.user_save_data('xxx', self.xxx)
                return

            if lowpx <= lower_bound and not self.__is_stk__:
                context.stra_enter_short(code, 1*trdUnit, 'entershort')
                context.stra_log_text("向下突破%.2f<=%.2f，空倉進場" % (lowpx, lower_bound))
                return
        elif curPos > 0:
            if lowpx <= lower_bound:
                context.stra_exit_long(code, 1*trdUnit, 'exitlong')
                context.stra_log_text("向下突破%.2f<=%.2f，多倉出場" % (lowpx, lower_bound))
                #raise Exception("except on purpose")
                return
        else:
            if highpx >= upper_bound and not self.__is_stk__:
                context.stra_exit_short(code, 1*trdUnit, 'exitshort')
                context.stra_log_text("向上突破%.2f>=%.2f，空倉出場" % (highpx, upper_bound))
                return

    def on_tick(self, context:Context, stdCode:str, newTick:dict):
        return

第一輪迴測

肯定參數
咱們採用股指期貨主力合約5分鐘K線進行回測，每次讀取50條歷史K線，用最近30條K線計算上下突破的邊界，上邊界係數初步定爲0.1，下邊界係數也初步定爲0.1。

修改runBT.py中策略的參數，而後運行runBT.py。函數

from wtpy import WtBtEngine
from wtpy.backtest import WtBtAnalyst

from Strategies.DualThrust import StraDualThrust

if __name__ == "__main__":
    #建立一個運行環境，並加入策略
    engine = WtBtEngine()
    engine.init('.\\Common\\', "configbt.json")
    engine.configBacktest(201909100930,201910311500)
    engine.configBTStorage(mode="csv", path=".\\storage\\")
    engine.commitBTConfig() #代碼裏的配置項，會覆蓋配置文件configbt.json裏的配置項

    '''
    建立DualThrust策略的一個實例
    name    策略實例名稱
    code    回測使用的合約代碼
    barCnt  要拉取的K線條數
    period  要使用的K線週期，m表示分鐘線
    days    策略算法參數，算法引用的歷史數據條數
    k1      策略算法參數，上邊界係數
    k2      策略算法參數，下邊界係數
    isForStk    DualThrust策略用於控制交易品種的代碼
    '''
    straInfo = StraDualThrust(name='pydt_IF', code="CFFEX.IF.HOT", barCnt=50, period="m5", days=30, k1=0.1, k2=0.1, isForStk=False)
    engine.set_strategy(straInfo)

    #開始運行回測
    engine.run_backtest()

    #建立績效分析模塊
    analyst = WtBtAnalyst()
    #將回測的輸出數據目錄傳遞給績效分析模塊
    #init_capital爲初始資金規模
    #rf爲無風險收益率
    #annual_trading_days爲每一年的交易日天數，用於計算年化收益
    analyst.add_strategy("pydt_IF", folder="./outputs_bt/pydt_IF/", init_capital=500000, rf=0.02, annual_trading_days=240)
    #運行績效模塊
    analyst.run()

    kw = input('press any key to exit\n')
    engine.release_backtest()

回測執行結束之後，打開自從生成的績效分析報告文件，查看績效分析結果
回測績效概覽

而後打開成交日誌文件，查當作交明細

……
回測結果分析
從上面的績效報告能夠看出，在這組參數下，時間從2019年9月10日到2019年10月31日下午收盤截止，總共產生了370筆交易，即完整的開平370個回合，換算成成交的話，就是740次成交。
雖然交易次數不少，可是收益卻很不理想，2個月不到的時間，50w的資金，總共虧損了近10w，約20%。從上面的截圖，咱們能夠看到，在最後一筆出場的時候，總盈虧是4,980.00，也就是說策略的邏輯到最後是盈利的，可是盈利的金額很小。讓咱們再看一下天天結算的資金狀況。

從上圖咱們能夠看到，2個月的時間，佣金一共花費了104,775.82，因此帳戶總盈虧是-99,795.82。這樣咱們就能夠大體得出一個結論：由於上下邊界不夠寬，因此有不少噪音信號，也觸發了買賣的邏輯，從而致使買賣頻繁，佣金太高，最終致使虧損。

第二輪迴測

從新調整參數
根據上一輪的結果分析，咱們須要把上邊界和下邊界拓寬，從而過濾掉一些噪聲波動，減小信號個數。因此咱們第二輪迴測，將上邊界係數改爲0.5，將下邊界係數改爲0.3。

修改runBT.py，而後運行runBT.py進行回測測試

straInfo = StraDualThrust(name='pydt_IF', code="CFFEX.IF.HOT", barCnt=50, period="m5", days=30, k1=0.5, k2=0.3, isForStk=False)

再查看績效報告
回測績效概覽

成交明細

每日資金結算
再分析結果
從第二輪的績效報告能夠看出，當邊界拓寬之後，交易信號減小到了14個回合，可是交易收益卻達到了24,060.00，約爲第一輪收益的5倍，而佣金卻只有1,453.02元，比第一輪的佣金低了兩個量級。最終累計收益也由第一輪的-19.96%提高到盈利4.31%，相對於-2.44%的基準收益率，相對收益率達到6.75%。（這個算法對不對？:orz:）

結束語

上面演示了在WonderTrader上構建一個期貨日內交易策略的基本過程。回測穩定之後，策略就能夠不做任何修改的直接放到實盤裏去運行了。但願可以對你們有所啓發。
最後再打一波廣告：
WonderTrader的github地址：https://github.com/wondertrad...
WonderTrader官網地址：https://wondertrader.github.io阿里雲

相關標籤/搜索

每日一句

每一个你不满意的现在，都有一个你没有努力的曾经。