ITPub博客

首页 > 数字化转型 > 其他 > VNPY 批量优化参数,并输出到excel

VNPY 批量优化参数,并输出到excel

原创 其他 作者:张国平 时间:2018-06-26 22:36:18 0 删除 编辑
VNPY中,优化参数也经常要批量去做,一个是一组不同策略批量对一个品种优化,还有一个策略对应不同凭证,下面是源代码,放在example\CtaBacktesting文件夹下面,主要是参考了原来的优化代码。

还有就是输出时候,由于优化的时候,结果可能很多,默认输出30个到excel。


点击(此处)折叠或打开

  1. # encoding: UTF-8

  2. import pandas as pd
  3. from vnpy.trader.app.ctaStrategy.ctaBacktesting import BacktestingEngine, MINUTE_DB_NAME, OptimizationSetting
  4. from vnpy.trader.app.ctaStrategy.strategy.strategyBollChannel import BollChannelStrategy


  5. class BatchOptimization(object):
  6.     def __init__(self):
  7.         ""
  8.     def calculateBacktesting(self,symbollist,strategylist, sort = 'totalNetPnl'):
  9.         #填入品种队列和策略队列,返回结果resultlist, 为了输出方便检索,加入品种名称,策略名称和策略参数
  10.         resultlist = []
  11.         for symbol in symbollist:
  12.             for strategy in strategylist:
  13.                 result = self.runBacktesting(symbol,strategy,sort)
  14.                 #加入品种名称,策略名称和策略参数
  15.                 if isinstance(result,dict):
  16.                     #如果返回的是dict,直接加入
  17.                     result["Symbolname"] = str(symbol["vtSymbol"])
  18.                     result["strategyname"] = str(strategy[0])
  19.                     result["strategysetting"] = str(strategy[1])
  20.                     resultlist.append(result)
  21.                 else:
  22.                     # 发现优化回来的是一个包含元组的队列,元组有三个组成,第一个排策略参数,第二个回测目标的值,第三策略参数全部运行结果。
  23.                     # 这里我们要的就是第三个,先插入这个dict,在dict插入symbolname,和strategysetting
  24.                     for resultraw in result:
  25.                         resultlist.append(resultraw[2])
  26.                         resultlist[-1]["Symbolname"] = str(symbol["vtSymbol"])
  27.                         resultlist[-1]["strategysetting"] = str(resultraw[0])
  28.         return resultlist


  29.     def runBacktesting(self, symbol, strategy, sort):
  30.         #写入测试品种和参数, 返回回测数据集包含回测结果

  31.         # 在引擎中创建策略对象
  32.         # 创建回测引擎
  33.         engine = BacktestingEngine()
  34.         # 设置引擎的回测模式为K线
  35.         engine.setBacktestingMode(engine.BAR_MODE)
  36.         # 设置回测用的数据起始日期
  37.         engine.setStartDate(symbol["StartDate"])
  38.         engine.setSlippage(symbol["Slippage"]) # 1跳
  39.         engine.setRate(symbol["Rate"]) # 佣金大小
  40.         engine.setSize(symbol["Size"]) # 合约大小
  41.         engine.setPriceTick(symbol["Slippage"]) # 最小价格变动
  42.         engine.setCapital(symbol["Capital"])

  43.         # 设置使用的历史数据库
  44.         engine.setDatabase(MINUTE_DB_NAME, symbol["vtSymbol"])

  45.         #调用优化方法,可以集成优化测试
  46.         setting = OptimizationSetting() # 新建一个优化任务设置对象
  47.         setting.setOptimizeTarget(sort) # 设置优化排序的目标是策略净盈利
  48.         print strategy[1]
  49.         for settingKey in strategy[1]:
  50.             if isinstance(strategy[1][settingKey], tuple):
  51.                 setting.addParameter(settingKey,strategy[1][settingKey][0],strategy[1][settingKey][1],strategy[1][settingKey][2])
  52.             else:
  53.                 setting.addParameter(settingKey,strategy[1][settingKey])
  54.         #
  55.         optimizationresult = engine.runParallelOptimization(strategy[0], setting)

  56.         engine.output(u'输出统计数据')
  57.         # 如果是使用优化模式,这里返回的是策略回测的dict的list,如果普通回测就是单个dict
  58.         # 如果大于30 ,就返回三十之内,否则全部
  59.         if len(optimizationresult) > 30:
  60.             return optimizationresult[:30]
  61.         else:
  62.             return optimizationresult

  63.     def toExcel(self, resultlist, path = "C:\data\datframe.xlsx"):
  64.         #按照输入统计数据队列和路径,输出excel,这里不提供新增模式,如果想,可以改
  65.         #dft.to_csv(path,index=False,header=True, mode = 'a')
  66.         summayKey = resultlist[0].keys()
  67.         # summayValue = result.values()

  68.         dft = pd.DataFrame(columns=summayKey)
  69.         for result_ in resultlist:
  70.             new = pd.DataFrame(result_, index=["0"])
  71.             dft = dft.append(new,ignore_index=True)
  72.         dft.to_excel(path,index=False,header=True)
  73.         print "回测统计结果输出到" + path

  74. if __name__ == "__main__":
  75.     #创建品种队列,这里可以用json导入,为了方便使用直接写了。
  76.     symbollist = [{
  77.         "vtSymbol": 'm1809',
  78.         "StartDate": "20180101",
  79.         "Slippage": 1,
  80.         "Size": 10,
  81.         "Rate": 2 / 10000,
  82.         "Capital": 10000
  83.             },
  84.         {
  85.             "vtSymbol": 'rb1810',
  86.             "StartDate": "20180101",
  87.             "Slippage": 1,
  88.             "Size": 10,
  89.             "Rate": 2 / 10000,
  90.             "Capital": 10000
  91.         }
  92.     ]

  93.     # 这里是同一个策略,不同参数的情况,当然可以有多个策略和多个参数组合
  94.     Strategylist2 = []
  95.     # 策略list,如果是元组,那么就是三个,按照第一个初始,第二个结束,第三个步进
  96.     settinglist =[
  97.         {'bollWindow': (10,20,2)}]
  98.     # 合并一个元组
  99.     if settinglist != []:
  100.         for para1 in settinglist:
  101.             Strategylist2.append((BollChannelStrategy, para1))

  102.     NT = BatchOptimization()
  103.     resultlist = NT.calculateBacktesting(symbollist,Strategylist2,sort = 'totalNetPnl')
  104.     #定义路径
  105.     path = "C:\Project\OptimizationResult.xlsx"
  106.     NT.toExcel(resultlist,path)

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/22259926/viewspace-2156701/,如需转载,请注明出处,否则将追究法律责任。

请登录后发表评论 登录
全部评论
SAP 金融风险管理产品专家

注册时间:2009-08-05

  • 博文量
    134
  • 访问量
    322656