/
trading_dates_mixin.py
125 lines (105 loc) · 6.2 KB
/
trading_dates_mixin.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
# -*- coding: utf-8 -*-
# 版权所有 2019 深圳米筐科技有限公司（下称“米筐科技”）
#
# 除非遵守当前许可，否则不得使用本软件。
#
# * 非商业用途（非商业用途指个人出于非商业目的使用本软件，或者高校、研究所等非营利机构出于教育、科研等目的使用本软件）：
# 遵守 Apache License 2.0（下称“Apache 2.0 许可”），
# 您可以在以下位置获得 Apache 2.0 许可的副本：http://www.apache.org/licenses/LICENSE-2.0。
# 除非法律有要求或以书面形式达成协议，否则本软件分发时需保持当前许可“原样”不变，且不得附加任何条件。
#
# * 商业用途（商业用途指个人出于任何商业目的使用本软件，或者法人或其他组织出于任何目的使用本软件）：
# 未经米筐科技授权，任何个人不得出于任何商业目的使用本软件（包括但不限于向第三方提供、销售、出租、出借、转让本软件、
# 本软件的衍生产品、引用或借鉴了本软件功能或源代码的产品或服务），任何法人或其他组织不得出于任何目的使用本软件，
# 否则米筐科技有权追究相应的知识产权侵权责任。
# 在此前提下，对本软件的使用同样需要遵守 Apache 2.0 许可，Apache 2.0 许可与本许可冲突之处，以本许可为准。
# 详细的授权流程，请联系 public@ricequant.com 获取。
import datetime
from typing import Dict, Optional, Union
import pandas as pd
import numpy as np
from rqalpha.utils.functools import lru_cache
from rqalpha.const import TRADING_CALENDAR_TYPE
def _to_timestamp(d: Union[datetime.date, str, int, float]):
return pd.Timestamp(d).replace(hour=0, minute=0, second=0, microsecond=0)
class TradingDatesMixin(object):
def __init__(self, trading_calendars):
# type: (Dict[TRADING_CALENDAR_TYPE, pd.DatetimeIndex]) -> TradingDatesMixin
self.trading_calendars = trading_calendars
self.merged_trading_calendars = pd.DatetimeIndex(sorted(set.union(*(
set(calendar) for calendar in trading_calendars.values()
))))
def get_trading_calendar(self, trading_calendar_type=None):
# type: (Optional[TRADING_CALENDAR_TYPE]) -> pd.DatetimeIndex
if trading_calendar_type is None:
return self.merged_trading_calendars
try:
return self.trading_calendars[trading_calendar_type]
except KeyError:
raise NotImplementedError("unsupported trading_calendar_type {}".format(trading_calendar_type))
def get_trading_dates(self, start_date, end_date, trading_calendar_type=None):
# 只需要date部分
trading_dates = self.get_trading_calendar(trading_calendar_type)
start_date = _to_timestamp(start_date)
end_date = _to_timestamp(end_date)
left = trading_dates.searchsorted(start_date)
right = trading_dates.searchsorted(end_date, side='right')
return trading_dates[left:right]
@lru_cache(64)
def get_previous_trading_date(self, date, n=1, trading_calendar_type=None) -> pd.Timestamp:
trading_dates = self.get_trading_calendar(trading_calendar_type)
pos = trading_dates.searchsorted(_to_timestamp(date))
if pos >= n:
return trading_dates[pos - n]
else:
return trading_dates[0]
@lru_cache(64)
def get_next_trading_date(self, date, n=1, trading_calendar_type=None):
trading_dates = self.get_trading_calendar(trading_calendar_type)
pos = trading_dates.searchsorted(_to_timestamp(date), side='right')
if pos + n > len(trading_dates):
return trading_dates[-1]
else:
return trading_dates[pos + n - 1]
def is_trading_date(self, date, trading_calendar_type=None):
trading_dates = self.get_trading_calendar(trading_calendar_type)
pos = trading_dates.searchsorted(_to_timestamp(date))
return pos < len(trading_dates) and trading_dates[pos].date() == date
def get_trading_dt(self, calendar_dt):
trading_date = self.get_future_trading_date(calendar_dt)
return datetime.datetime.combine(trading_date, calendar_dt.time())
def get_future_trading_date(self, dt):
# type: (datetime.datetime) -> pd.Timestamp
return self._get_future_trading_date(dt.replace(minute=0, second=0, microsecond=0))
def get_n_trading_dates_until(self, dt, n, trading_calendar_type=None):
trading_dates = self.get_trading_calendar(trading_calendar_type)
pos = trading_dates.searchsorted(_to_timestamp(dt), side='right')
if pos >= n:
return trading_dates[pos - n:pos]
return trading_dates[:pos]
def count_trading_dates(self, start_date, end_date, trading_calendar_type=None):
start_date = _to_timestamp(start_date)
end_date = _to_timestamp(end_date)
trading_dates = self.get_trading_calendar(trading_calendar_type)
return trading_dates.searchsorted(end_date, side='right') - trading_dates.searchsorted(start_date)
@lru_cache(512)
def _get_future_trading_date(self, dt):
# 获取指定时间所在的期货交易日
# 认为晚八点后为第二个交易日，认为晚八点至次日凌晨四点为夜盘
# 非交易日抛出 RuntimeError
dt1 = dt - datetime.timedelta(hours=4)
td = pd.Timestamp(dt1.date())
trading_dates = self.get_trading_calendar(TRADING_CALENDAR_TYPE.EXCHANGE)
pos = trading_dates.searchsorted(td)
if trading_dates[pos] != td:
raise RuntimeError('invalid future calendar datetime: {}'.format(dt))
if dt1.hour >= 16:
return trading_dates[pos + 1]
return td
def batch_get_trading_date(self, dt_index: pd.DatetimeIndex):
# 获取 numpy.array 中所有时间所在的交易日
# 认为晚八点后为第二个交易日，认为晚八点至次日凌晨四点为夜盘
dt = dt_index - datetime.timedelta(hours=4)
trading_dates = self.get_trading_calendar(TRADING_CALENDAR_TYPE.EXCHANGE)
pos = trading_dates.searchsorted(dt.date) + np.where(dt.hour >= 16, 1, 0)
return trading_dates[pos]