QuantDigger 0.3

QuantDigger目前是一个基于python的量化回测框架。作者最初是因为对数据处理和机器学习感兴趣而选择了这个行业， 接触了一些主流的期货交易软件，比如TB, 金字塔。他们的特点是语法比较简单，缺点是编程语言太封闭，有很多表达限制。 所以选择自己开发一个交易系统，做为交易和研究的工具，甚至尝试过商业化。最初选择c++做为实现语言，但是后面 发现开发效率太低，重要的是做为研究工具来说，其易用性和和扩展性都比不上基于python的回测框架。相比其它流行的 回测框架比如 zipline , pyalgotrade ，QuantDigger的策略语法更简单，类似MC，TB这些商业软件，但并不牺牲灵活性，保留了python这门通用语言的 所有功能。QuantDigger目前还是定位于研究工具，但是设计上还是会从实盘交易的角度考虑，将来也会接入交易接口。虽然有很多细节还有待完善， 但是核心的设计和功能已经实现了。代码也比较简单，大家有兴趣的可以自己拓展。 如果大家有什么问题和建议，欢迎加入我们的QQ交流群--334555399，或者 联系发起者(yellowblue QQ:33830957) 。 在项目的推进过程中得到很多朋友的帮助, 在这表示感谢！ 除了开发人员，还要特别感谢北京的 vodkabuaa 和国元证券的王林峰给出的意见， ongbe 帮忙修复代码bug， tushare 库的作者 Jimmy 和深大的邓志浩帮忙推荐 这个库，以及所有朋友的支持。

文档

http://www.quantfans.com/doc/quantdigger/

安装

你可以选择pip安装 (推荐)

python install_pip.py  (如果已经安装了pip,略过这一步。)
pip install QuantDigger
python install_dependency.py

或者克隆github代码后本地安装

git clone https://github.com/QuantFans/quantdigger.git
python install.py  (会根据情况安装pip, 及依赖包)

依赖库

• Python (2.x, 暂不支持3.x)
• pandas
• python-dateutil
• matplotlib
• numpy
• TA-Lib
• logbook
• pyqt (可选)
• tushare (可选, 一个非常强大的股票信息抓取工具)

策略组合DEMO

源码

#from quantdigger.engine.series import NumberSeries
#from quantdigger.indicators.common import MA
#from quantdigger.util import  pcontract
from quantdigger.engine.qd import *

class DemoStrategy(Strategy):
    """ 策略A1 """

    def on_init(self, ctx):
        """初始化数据"""
        ctx.ma10 = MA(ctx.close, 10, 'ma10', 'y', 2)
        ctx.ma20 = MA(ctx.close, 20, 'ma20', 'b', 2)

    def on_bar(self, ctx):
        if ctx.curbar > 20:
            if ctx.ma10[1] < ctx.ma20[1] and ctx.ma10 > ctx.ma20:
                ctx.buy('long', ctx.close, 1)
            elif ctx.position() > 0 and ctx.ma10[1] > ctx.ma20[1] and \
                 ctx.ma10 < ctx.ma20:
                ctx.sell('long', ctx.close, 1)

    def on_final(self, ctx):
        return

    def on_exit(self, ctx):
        return

class DemoStrategy2(Strategy):
    """ 策略A2 """

    def on_init(self, ctx):
        """初始化数据"""
        ctx.ma5 = MA(ctx.close, 5, 'ma5', 'y', 2)
        ctx.ma10 = MA(ctx.close, 10, 'ma10', 'black', 2)

    def on_bar(self, ctx):
        if ctx.curbar > 10:
            if ctx.ma5[1] < ctx.ma10[1] and ctx.ma5 > ctx.ma10:
                ctx.buy('long', ctx.close, 1)
            elif ctx.position() > 0 and ctx.ma5[1] > ctx.ma10[1] and \
                 ctx.ma5 < ctx.ma10:
                ctx.sell('long', ctx.close, 1)

    def on_final(self, ctx):
        return

    def on_exit(self, ctx):
        return

if __name__ == '__main__':
    set_symbols(['BB.SHFE-1.Minute'], 0)
    # 创建组合策略
    # 初始资金5000， 两个策略的资金配比为0.2:0.8
    profile = add_strategy([DemoStrategy('A1'), DemoStrategy2('A2')], { 'captial': 5000,
                              'ratio': [0.2, 0.8] })
    run()

    # 绘制k线，交易信号线
    from quantdigger.digger import finance, plotting
    plotting.plot_strategy(profile.data(0), profile.indicators(1), profile.deals(1))
    # 绘制策略A1, 策略A2, 组合的资金曲线
    curve0 = finance.create_equity_curve(profile.all_holdings(0))
    curve1 = finance.create_equity_curve(profile.all_holdings(1))
    curve = finance.create_equity_curve(profile.all_holdings())
    plotting.plot_curves([curve0.equity, curve1.equity, curve.equity],
                        colors=['r', 'g', 'b'],
                        names=[profile.name(0), profile.name(1), 'A0'])
    # 绘制净值曲线
    plotting.plot_curves([curve.networth])
    # 打印统计信息
    print finance.summary_stats(curve, 252*4*60)

策略结果

• k线和信号线

  

• 2个策略和组合的资金曲线。

  

• 组合的历史净值

  

• 统计结果

>>> [('Total Return', '-0.99%'), ('Sharpe Ratio', '-5.10'), ('Max Drawdown', '1.72%'), ('Drawdown Duration', '3568')]

界面控制

k线显示使用了系统自带的一个联动窗口控件，由蓝色的滑块控制显示区域，可以通过鼠标拖拽改变显示区域。 上下方向键 来进行缩放。

其它

mplot_demo.py matplotlib画k线，指标线的demo。

pyquant.py 基于pyqt， 集成了ipython和matplotlib的demo。

版本

TODO

• 清理旧代码和数据文件
• 改善UI, 补充UI文档

0.3.0 版本 2015-12-09

• 重新设计回测引擎, 支持组合回测，选股
• 重构数据模块

0.2.0 版本 2015-08-18

• 修复股票回测的破产bug
• 修复回测权益计算bug
• 交易信号对的计算从回测代码中分离
• 把回测金融指标移到digger/finace
• 添加部分数据结构，添加部分数据结构字段
• 添加几个mongodb相关的函数

0.15版本 2015-06-16

• 夸品种的策略回测功能
• 简单的交互
• 指标，k线绘制