如何使用交易開拓者（TB）開發數字貨幣策略

更多精彩內容，歡迎關注公衆號：數量技術宅。想要獲取本期分享的完整策略代碼，請加技術宅微信：sljsz01

爲什麼使用交易開拓者（TB）做爲回測工具

交易開拓者（後文以TB簡稱）是一個支持國內期貨市場K線數據回測、交易的第三方交易平臺。TB自帶回測框架，投資者在開發量化策略時，只需關注實現策略主邏輯，它的自帶編程語言相比較C++、Python也更簡單，適合編程零基礎的投資者快速上手。TB自帶的基於K線的回測框架，在期貨市場已經通過許多交易員多年實盤的檢驗，結果穩定可靠。

儘管TB回測框架完善、語法簡單。但其內置的數據侷限於期貨市場的歷史數據，若是咱們須要測試其餘類別的資產，好比數字貨幣，就須要經過外部導入數據的方式。

本次分享，咱們將帶着你們學習從數字貨幣歷史K線數據的獲取、轉換爲TB支持的數據格式導入、在TB中利用導入的歷史數據測試數字貨幣的交易策略、最終獲得策略回測結果的這一全過程。

數字貨幣K線數據的獲取

本次測試，咱們將採用數字貨幣的大週期K線數據。咱們曾經在前文的分享中提到過數字貨幣免費數據的獲取途徑，對於大週期K線數據，能夠從CryptoData網站下載數據。此次咱們將下載幣安交易所的歷史數據，該網站幣安交易所能獲取到的數字貨幣品種更爲豐富。

 咱們選擇幣安交易所 BTC/USD 1小時K線數據下載，下載獲得的原始數據，打開字段以下。

數據轉換格式、導入TB

請你們注意，下載數據雖然包含了K線所需的所有字段：日期時間、開、高、低、收、成交量、成交額，但這個數據是沒法直接導入TB的。導入TB的數據，咱們須要和TB自己支持的數據字段格式，徹底一致。咱們先從TB下載其內置的期貨數據，看一下內置數據的字段格式，咱們以滬銀期貨，一樣是1小時週期的K線爲例。

經過對比TB內置的數據格式，與咱們現有數字貨幣的數據格式，有如下幾個地方須要預處理：一是，日期時間的格式須要轉換；二是，Symbol列不須要，將其去除；三是，成交量（VolumeBTC、VolumeUSDT）保留一列便可。

咱們使用Python，按照上述三點規則，對數據進行預處理，並存爲新的CSV文件。以上是部分代碼，完整代碼請聯繫小編。打開保存的csv文件，查看數據字段格式是否成功轉換。須要特別注意，保存的文件不能有列名，不然TB會產生導入錯誤。

緊接着，咱們就將處理好的數據導入TB。選擇數據管理，因爲沒有數字貨幣對應的交易所，此處隨機選擇一個交易所便可，點擊自定義商品。

填寫該品種的基本屬性數據。其中的重要字段：（1）報價精度，根據原始數據精度填寫；（2）最小變更，1即爲1個報價精度單位；（3）交易時間段：數字貨幣24小時不間斷交易。

再選擇數據維護欄，商品選擇剛纔新建的品種名稱，因爲咱們導入的是1小時K線，週期選擇1小時。

點擊導入數據，選項按默認設置便可，選擇咱們剛纔用Python預處理好並保存的csv文件。此時TB提示導入成功，下方數據欄顯示正確的K線數據，就說明咱們自定義的數據，已經成功導入。

數字貨幣交易策略的開發、回測

成功導入數字貨幣BTC/USD的1小時K線數據後，接下來就進入最激動人心的一步：量化策略的回測。咱們首先新建一個超級圖表，該圖表正常顯示btcusdt這個新定義品種的K線數據，因而咱們能夠基於這個超級圖表，來作接下來的回測。

咱們將在期貨市場開發的一個交易策略，移植到數字貨幣市場，不須要修改任何代碼，直接進行測試。

TB輕鬆完成了咱們導入品種的回測，能夠看到，測試的效果讓人驚喜，以btc爲表明的數字貨幣市場，策略表現不錯。

若是你想要本次的完整代碼，歡迎加小編微信，與我交流。

 

---

往期乾貨分享推薦閱讀

股指期貨高頻數據機器學習預測

如何使用TradingView（TV）回測數字貨幣交易策略

如何投資股票型基金？什麼時間買？買什麼？

【數量技術宅|量化投資策略系列分享】基於指數移動平均的股指期貨交易策略

AMA指標原做者Perry Kaufman 100+套交易策略源碼分享

【 數量技術宅 | 期權系列分享】期權策略的「獨孤九劍」

【數量技術宅|金融數據系列分享】套利策略的價差序列計算，恐怕沒有你想的那麼簡單

【數量技術宅|量化投資策略系列分享】成熟交易者期貨持倉跟隨策略

如何獲取免費的數字貨幣歷史數據

【數量技術宅|量化投資策略系列分享】多週期共振交易策略

【數量技術宅|金融數據分析系列分享】爲何中證500（IC）是最適合長期作多的指數

商品現貨數據很差拿？商品季節性難跟蹤？一鍵解決沒煩惱的Python爬蟲分享

【數量技術宅|金融數據分析系列分享】如何正確抄底商品期貨、大宗商品

【數量技術宅|量化投資策略系列分享】股指期貨IF分鐘波動率統計策略

【數量技術宅 | Python爬蟲系列分享】實時監控股市重大公告的Python爬蟲