简单快捷的A股回测环境, 适合编写T+0策略
-
特性
- 使用pandas编写策略
- 结果可以在页面显示, 类似matlab的publish
- 并行执行策略(需要安装redis)
- 本地账户, 模拟实盘交易细节, 支持T+0, 交易成本计算
- 自创FOUR指标, 简单计算多空
-
变更
- v0.4.7 恢复机器学习相关, 添加静态硬识别, 当前开发版本python3.7.4
- 拼音简写增加港股通
- v0.4.6 变更拼音简写的表示方式, 简写后面直接跟中文名; 会影响之前的版本
- v0.4.5 删除机器学习相关
- v0.4.4 复权计算使用的分红表原来是动态抓网页, 现在使用静态方式, 从数据目录中取
- v0.4.3 废弃python2支持,python3.6 pandas 1.0
- v0.4.1 支持macos
- v0.4 大幅优化速度
- v0.3 python3支持
-
数据维护
- datas目录下的数据是需要维护的, 一般一个月更新股票列表,同时更新拼音简写, 一个季度更新分红表
- 更新时间2022-1-2
-
日线例子
python boll_fencang.py
- 5分钟例子
python five_chengben.py
- 依赖
- redis 推荐
- 支持各平台py3, py2已不维护
- 用pip install -r requirements.txt安装相关依赖包; python=3.7.4
-
安装
- 安装Anaconda
- 下载autoxd
git clone https://github.com/nessessary/autoxd.git cd autoxd pip install -r requirements.txt pip install git+https://github.com/hanxiaomax/pyh.git python setup.py install
-
使用
-
数据源,使用自定义的数据; 注意,已使用ths分红表进行了前复权
- 使用自定义的第三方数据源, 已实现了一个调用tushare的例子, datasource_mode=stock.DataSources.datafrom.custom
- 5分钟线使用的是pytdx的例子
- tdx行情ip查询connect.cfg, 然后修改warp_pytdx.py里的ip
-
先进行静态的单一状态识别
python autoxd\hard_recog\single_boll.py
通过调整技术指标的判断来触发信号
-
跑five_chengben.py, 根据静态分析的结果来定义参数 setParams函数 实现策略 Run函数, 修改cpu_num可以使用多进程
cd strategy
python five_changben.py
调用
#设置策略参数
def setParams(s):
s.setParams(trade_num = 300,
pl=publish.Publish() #发布至页面, 注释则不发布
)
backtest_policy.test_strategy(codes, BollFenCangKline, setParams, mode=myenum.hisdat_mode,
start_day='2017-4-10', end_day='2018-9-15',
datasource_mode=DataSources.datafrom.custom,
datasource_fn=fnSample
)
- gym增强学习, 实现了一个gym的环境,套了一个dqn的算法,功能有限,只是作为一个例子
python autoxd\trading_gym\gym_eval.py