VNPY批量优化参数,并输出到excel-创新互联

VNPY

创新互联建站是专业的雨湖网站建设公司,雨湖接单;提供网站设计、成都网站建设,网页设计,网站设计,建网站,PHP网站建设等专业做网站服务;采用PHP框架,可快速的进行雨湖网站开发网页制作和功能扩展;专业做搜索引擎喜爱的网站,专业的做网站团队,希望更多企业前来合作!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。
  • # encoding: UTF-8

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


  • class BatchOptimization(object):
  •     def __init__(self):
  •         ""
  •     def calculateBacktesting(self,symbollist,strategylist, sort = 'totalNetPnl'):
  •         #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
  •         resultlist = []
  •         for symbol in symbollist:
  •             for strategy in strategylist:
  •                 result = self.runBacktesting(symbol,strategy,sort)
  •                 #加入品种名称,策略名称和策略参数
  •                 if isinstance(result,dict):
  •                     #如果返回的是dict,直接加入
  •                     result["Symbolname"] = str(symbol["vtSymbol"])
  •                     result["strategyname"] = str(strategy[0])
  •                     result["strategysetting"] = str(strategy[1])
  •                     resultlist.append(result)
  •                 else:
  •                     # 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。
  •                     # 这里我们要的就是第三个,先插入这个dict,在dict插入symbolname,和strategysetting
  •                     for resultraw in result:
  •                         resultlist.append(resultraw[2])
  •                         resultlist[-1]["Symbolname"] = str(symbol["vtSymbol"])
  •                         resultlist[-1]["strategysetting"] = str(resultraw[0])
  •         return resultlist


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

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

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

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

  •         engine.output(u'输出统计数据')
  •         # 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
  •         # 如果大于30 ,就返回三十之内,否则全部
  •         if len(optimizationresult) > 30:
  •             return optimizationresult[:30]
  •         else:
  •             return optimizationresult

  •     def toExcel(self, resultlist, path = "C:\data\datframe.xlsx"):
  •         #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
  •         #dft.to_csv(path,index=False,header=True, mode = 'a')
  •         summayKey = resultlist[0].keys()
  •         # summayValue = result.values()

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

  • if __name__ == "__main__":
  •     #创建品种队列,这里可以用json导入,为了方便使用直接写了。
  •     symbollist = [{
  •         "vtSymbol": 'm1809',
  •         "StartDate": "20180101",
  •         "Slippage": 1,
  •         "Size": 10,
  •         "Rate": 2 / 10000,
  •         "Capital": 10000
  •             },
  •         {
  •             "vtSymbol": 'rb1810',
  •             "StartDate": "20180101",
  •             "Slippage": 1,
  •             "Size": 10,
  •             "Rate": 2 / 10000,
  •             "Capital": 10000
  •         }
  •     ]

  •     # 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
  •     Strategylist2 = []
  •     # 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
  •     settinglist =[
  •         {'bollWindow': (10,20,2)}]
  •     # 合并一个元组
  •     if settinglist != []:
  •         for para1 in settinglist:
  •             Strategylist2.append((BollChannelStrategy, para1))

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

  • 分享文章:VNPY批量优化参数,并输出到excel-创新互联
    文章URL:http://pwwzsj.com/article/hhogg.html