ITPub博客

首页 > 应用开发 > Python > 一个小技巧,VNPY策略参数优化时候显示完成数量和总数量

一个小技巧,VNPY策略参数优化时候显示完成数量和总数量

原创 Python 作者:张国平 时间:2020-09-11 11:34:09 2 删除 编辑

在做VNPY 策略参数优化的时候, 优化数量多的时候要好几天,有时候也不知道完成数量,只能干等。就稍微改了下代码,加入log显示完成数量和总数量,心里面有个底。


代码是在VNPY 1.9.2里面的因为我还在1.9.2的版本泥潭里,2.0之后直接用应该也可以的,只要稍微改下变量名称。


实质内容,就是python多进程共享变量访问更新,python提供几个不同的多进程变量共享的方法,比如使用可变对象queue。这里其实只用定义一个int类型的counter,每个进程跑完后,counter加一,并在log中记录。

这里用了一个multiprocessing.Manager类,Manager可以对定义共享变量,和锁管理


把下面代码加入到class BacktestingEngine的runParallelOptimization方法中

#----------------------------------------------------------------------
def runParallelOptimization(self, strategyClass, optimizationSetting):
    """并行优化参数"""
    # 获取优化设置
    settingList = optimizationSetting.generateSetting()
    targetName = optimizationSetting.optimizeTarget
    # 检查参数设置问题
    if not settingList or not targetName:
        self.output(u'优化设置有问题,请检查')
    # 多进程优化,启动一个对应CPU核心数量的进程池
    pool = multiprocessing.Pool(multiprocessing.cpu_count()-1, maxtasksperchild = 10)
    l = []
    length0 = len(settingList)  # 获得参数优化带运行条
    manger =  multiprocessing.Manager() # 定义一个多进程管理对象
    counter = manger.Value('i',0) # 定义一个共享变量记录完成条目,int类型的
    lock = manger.Lock() # 顶一个访问锁,如果counter被一个进程修改时候,加锁,
    for setting in settingList:
        # 把刚刚顶一个的作为参数传入每个进程,实现变量共享
        l.append(pool.apply_async(optimize, (strategyClass, setting,
                                             targetName, self.mode,
                                             self.startDate, self.initDays, self.endDate,
                                             self.slippage, self.rate, self.size, self.priceTick,
                                             self.dbName, self.symbol,counter,lock,length0))) 
    pool.close()
    pool.join()
    # 显示结果
    resultList = [res.get() for res in l]
    resultList.sort(reverse=True, key=lambda result:result[1])
    return resultList


然后在optimize中,定义counter加1

#----------------------------------------------------------------------
def optimize(strategyClass, setting, targetName,
             mode, startDate, initDays, endDate,
             slippage, rate, size, priceTick,
             dbName, symbol,counter,lock,length0):
    """多进程优化时跑在每个进程中运行的函数"""
    ......
    engine.runBacktesting()
    # 当优化完成时候,counter加1
    with lock:
        counter.value += 1
    # 为了使用engine的log显示,更改calculateDailyResult,传入counter.value, length0
    engine.calculateDailyResult(counter.value, length0)
    
    .....


为了在log中显示,不得不修改下calculateDailyResult,其实这样改源代码不太合适,反正1.9.2已经被我搞得乱了,仅作参考,不合适的更新方法。

#----------------------------------------------------------------------
def calculateDailyResult(self,count = 0,length0 = 0):
    """计算按日统计的交易结果"""
    self.output(u'计算按日统计结果')
    # 显示完成数
    if count != 0:
        self.output(u'执行完成个数 %s / %s' % (count,length0))
    ......


实现效果如下图,可以预估之后还有多少要完成。

当然有心可以加一个共享变量,记录下已经 每次更新间隔时间,乘上未完成个数,估算出还有多少时间才完成。

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/22259926/viewspace-2718790/,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
    201
  • 访问量
    497817