autoxd: A Python repository from nanhegu2018

autoxd 回测框架

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
```

nanhegu2018/autoxd

autoxd 回测框架