Note:
目前
qteays
正处于密集开发测试阶段,软件中不免存在一些漏洞和bug,如果大家使用中出现问题,欢迎Issue-报告bug或者提交新功能需求给我,也可以进入讨论区参与讨论。也欢迎各位贡献代码!我会尽快修复问题并回复大家的问题。
- 作者: Jackie PENG
- email: jackie_pengzhao@163.com
- Created: 2019, July, 16
- Latest Version:
1.2.14
- License: BSD 3-Clause License
qteasy
是为量化交易人员开发的一套量化交易工具包,特点如下:
- 全流程覆盖 从金融数据获取、存储,到交易策略的开发、回测、优化、实盘运行
- 完全本地化 所有的金融数据、策略运算和优化过程完全本地化,不依赖于任何云端服务
- 使用简单 提供大量内置交易策略,用户可以搭积木式地创建自己的交易策略
- 灵活多变 使用
qteasy
提供的策略类,用户可以自行创建自己的交易策略,灵活设置可调参数
- 获取、清洗、本地存储大量金融历史数据
- 检索、处理、调用本地数据
- 本地金融数据可视化
- 提供几十种内置交易策略,可以直接搭积木式使用
- 快速创建自定义交易策略,灵活设置可调参数
- 交易策略的回测、优化、评价,可视化输出回测结果
- 读取实时市场数据,实盘运行交易策略
- 生成交易信号,模拟交易结果
- 跟踪记录交易日志、股票持仓、账户资金变化等信息
- 随时查看交易过程,检查盈亏情况
- 手动控制交易进程、调整交易参数,手动下单
$ pip install qteasy
关于QTEASY
系统的更多详细解释和使用方法,请参阅QTEASY文档:
python
version >= 3.6, < 3.13
qteasy
所有必要的依赖包都可以在pip
安装的同时安装好,但某些特殊情况下,您需要在安装时指定可选依赖包,以便在安装qteasy
时同时安装,或者手动安装依赖包:
pymysql
, 用于连接MySQL
数据库,将本地数据存储到MySQL
数据库(qteasy
默认使用csv
文件作为本地数据源,但数据量大时推荐使用mysql
数据库,详情参见qteasy使用教程)pymysql
可以在安装qteasy
时自动安装,也可以手动安装:$ pip install 'qteasy[database]' # 安装qteasy时自动安装pymysql $ pip install pymysql # 手动安装pymysql
pyarrow
, 用于操作feather
文件,将本地数据存储为feather
文件,pyarrow
可以在安装qteasy
时自动安装,也可以手动安装:$ pip install 'qteasy[feather]' # 安装qteasy时自动安装pyarrow $ pip install pyarrow # 手动安装pyarrow
pytables
, 用于操作HDF
文件,将本地数据存储到HDF
文件,pytables
不能自动安装,需要使用conda
手动安装pytables
:$ conda install pytables # 安装pytables
ta-lib
, 以便使用所有的内置交易策略,下面的方法可以安装ta-lib API
,但它还依赖C语言的TA-Lib
包,安装方法请参考FAQ$ pip install 'qteasy[talib]' # 安装qteasy时自动安装ta-lib $ pip install ta-lib # 手动安装ta-lib
基本的模块导入方法如下
import qteasy as qt
qt.__version__
为了使用qteasy
,需要大量的金融历史数据,所有的历史数据都必须首先保存在本地,如果本地没有历史数据,那么qteasy
的许多功能就无法执行。
qteasy
默认通过tushare
金融数据包来获取大量的金融数据,用户需要自行申请API Token,获取相应的权限和积分(详情参考:https://tushare.pro/document/2)
因此,在使用qteasy
之前需要对本地数据源和tushare
进行必要的配置。在QT_ROOT_PATH/qteasy/
路径下打开配置文件qteasy.cfg
,可以看到下面内容:
# qteasy configuration file
# following configurations will be loaded when initialize qteasy
# example:
# local_data_source = database
将你获得的tushare API token添加到配置文件中,如下所示:
tushare_token = <你的tushare API Token>
默认情况下qteasy
使用存储在data/
路径下的.csv
文件作为数据源,不需要特殊设置。
如果设置使用mysql
数据库作为本地数据源,在配置文件中添加以下配置:
local_data_source = database
local_db_host = <host name>
local_db_port = <port number>
local_db_user = <user name>
local_db_password = <password>
local_db_name = <database name>
关闭并保存好配置文件后,重新导入qteasy
,就完成了数据源的配置,可以开始下载数据到本地了。
要下载金融价格数据,使用qt.refill_data_source()
函数。下面的代码下载2021及2022两年内所有股票、所有指数的日K线数据,同时下载所有的股票和基金的基本信息数据。
(根据网络速度,下载数据可能需要十分钟左右的时间,如果存储为csv文件,将占用大约200MB的磁盘空间):
qt.refill_data_source(
tables=['stock_daily', # 股票的日线价格
'index_daily', # 指数的日线价格
'basics'], # 股票和基金的基本信息
start_date='20210101', # 下载数据的起止时间
end_date='20221231',
)
数据下载到本地后,可以使用qt.get_history_data()
来获取数据,如果同时获取多个股票的历史数据,每个股票的历史数据会被分别保存到一个dict
中。
qt.get_history_data(htypes='open, high, low, close',
shares='000001.SZ, 000300.SH',
start='20210101',
end='20210115')
运行上述代码会得到一个Dict
对象,包含两个股票"000001.SZ"以及"000005.SZ"的K线数据(数据存储为DataFrame
):
{'000001.SZ':
open high low close
2021-01-04 19.10 19.10 18.44 18.60
2021-01-05 18.40 18.48 17.80 18.17
2021-01-06 18.08 19.56 18.00 19.56
...
2021-01-13 21.00 21.01 20.40 20.70
2021-01-14 20.68 20.89 19.95 20.17
2021-01-15 21.00 21.95 20.82 21.00,
'000300.SH':
open high low close
2021-01-04 5212.9313 5284.4343 5190.9372 5267.7181
2021-01-05 5245.8355 5368.5049 5234.3775 5368.5049
2021-01-06 5386.5144 5433.4694 5341.4304 5417.6677
...
2021-01-13 5609.2637 5644.7195 5535.1435 5577.9711
2021-01-14 5556.2125 5568.0179 5458.6818 5470.4563
2021-01-15 5471.3910 5500.6348 5390.2737 5458.0812}
除了价格数据以外,qteasy
还可以下载并管理包括财务报表、技术指标、基本面数据等在内的大量金融数据,详情请参见qteasy文档
股票的数据下载后,使用qt.candle()
可以显示股票数据K线图。
import qteasy as qt
data = qt.candle('000300.SH', start='2021-06-01', end='2021-8-01', asset_type='IDX')
qteasy
的K线图函数candle
支持通过六位数股票/指数代码查询准确的证券代码,也支持通过股票、指数名称显示K线图
qt.candle()
支持功能如下:
- 显示股票、基金、期货的K线
- 显示复权价格
- 显示分钟、 周或月K线
- 显示不同移动均线以及MACD/KDJ等指标
详细的用法请参考文档,示例如下(请先使用qt.refill_data_source()
下载相应的历史数据):
import qteasy as qt
# 场内基金的小时K线图
qt.candle('159601', start = '20220121', freq='h')
# 沪深300指数的日K线图
qt.candle('000300', start = '20200121')
# 股票的30分钟K线,复权价格
qt.candle('**电信', start = '20211021', freq='30min', adj='b')
# 期货K线,三条移动均线分别为9天、12天、26天
qt.candle('沪铜主力', start = '20211021', mav=[9, 12, 26])
# 场外基金净值曲线图,复权净值,不显示移动均线
qt.candle('000001.OF', start='20200101', asset_type='FD', adj='b', mav=[])
生成的K线图可以是一个交互式动态K线图(请注意,K线图基于matplotlib
绘制,在使用不同的终端时,显示功能有所区别,某些终端并不支持
动态图表,详情请参阅 matplotlib文档
在使用动态K线图时,用户可以用鼠标和键盘控制K线图的显示范围:
- 鼠标在图表上左右拖动:可以移动K线图显示更早或更晚的K线
- 鼠标滚轮在图表上滚动,可以缩小或放大K线图的显示范围
- 通过键盘左右方向键,可以移动K线图的显示范围显示更早或更晚的K线
- 通过键盘上下键,可以缩小或放大K线图的显示范围
- 在K线图上双击鼠标,可以切换不同的均线类型
- 在K线图的指标区域双击,可以切换不同的指标类型:MACD,RSI,DEMA
关于DataSource
对象的更多详细介绍,请参见qteasy文档
qteasy
中的所有交易策略都是由qteast.Operator
(交易员)对象来实现回测和运行的,Operator
对象是一个策略容器,一个交易员可以同时
管理多个不同的交易策略。
qteasy
提供了两种方式创建交易策略,详细的说明请参见使用教程:
- 使用内置交易策略组合
- 通过策略类自行创建策略
在这里,我们将使用一个内置的DMA
均线择时策略来生成一个最简单的大盘择时交易系统。所有内置交易策略的清单和详细说明请参见文档。
创建Operator
对象时传入参数:strategies='DMA'
,可以新建一个DMA
双均线择时交易策略。
创建好Operator
对象后,可以用op.info()
来查看它的信息。
import qteasy as qt
op = qt.Operator(strategies='dma')
op.info()
现在可以看到op
中有一个交易策略,ID是dma
,我们在Operator
层面设置或修改策略的参数
时,都需要引用这个ID
。
DMA
是一个内置的均线择时策略,它通过计算股票每日收盘价的快、慢两根移动均线的差值DMA
与其移动平均值AMA
之间的交叉情况来确定多空或买卖点。:
使用qt.built_ins()
函数可以查看DMA策略的详情,例如:
import qteasy as qt
qt.built_ins('dma')
得到:
DMA择时策略
策略参数:
s, int, 短均线周期
l, int, 长均线周期
d, int, DMA周期
信号类型:
PS型:百分比买卖交易信号
信号规则:
在下面情况下产生买入信号:
1, DMA在AMA上方时,多头区间,即DMA线自下而上穿越AMA线后,输出为1
2, DMA在AMA下方时,空头区间,即DMA线自上而下穿越AMA线后,输出为0
3, DMA与股价发生背离时的交叉信号,可信度较高
策略属性缺省值:
默认参数:(12, 26, 9)
数据类型:close 收盘价,单数据输入
采样频率:天
窗口长度:270
参数范围:[(10, 250), (10, 250), (8, 250)]
策略不支持参考数据,不支持交易数据
在默认情况下,策略有三个可调参数:(12,26,9)
, 但我们可以给出任意大于2小于250的三个整数作为策略的参数,以适应不同交易活跃度的股票、或者适应
不同的策略运行周期。
使用默认参数回测刚才建立的DMA策略在历史数据上的表现,可以使用op.run()
。
import qteasy as qt
op = qt.Operator(strategies='dma')
res = op.run(
mode=1, # 历史回测模式
asset_pool='000300.SH', # 投资资产池,即允许投资的股票或指数,此处为沪深300指数
asset_type='IDX', # 投资资产类型,IDX表示指数,E表示股票
invest_cash_amounts=[100000], # 初始投资资金,此处为10万元
invest_start='20220501', # 投资回测开始日期
invest_end='20221231', # 投资回测结束日期
cost_rate_buy=0.0003, # 买入费率,此处为0.03%
cost_rate_sell=0.0001, # 卖出费率,此处为0.01%
visual=True, # 打印可视化回测图表
trade_log=True # 打印交易日志
)
输出结果如下:
====================================
| |
| BACK TESTING RESULT |
| |
====================================
qteasy running mode: 1 - History back testing
time consumption for operate signal creation: 4.4 ms
time consumption for operation back looping: 82.5 ms
investment starts on 2022-05-05 00:00:00
ends on 2022-12-30 00:00:00
Total looped periods: 0.7 years.
-------------operation summary:------------
Only non-empty shares are displayed, call
"loop_result["oper_count"]" for complete operation summary
Sell Cnt Buy Cnt Total Long pct Short pct Empty pct
000300.SH 6 6 12 56.4% 0.0% 43.6%
Total operation fee: ¥ 257.15
total investment amount: ¥ 100,000.00
final value: ¥ 105,773.09
Total return: 5.77%
Avg Yearly return: 8.95%
Skewness: 0.58
Kurtosis: 3.54
Benchmark return: -3.46%
Benchmark Yearly return: -5.23%
------strategy loop_results indicators------
alpha: 0.142
Beta: 1.003
Sharp ratio: 0.637
Info ratio: 0.132
250 day volatility: 0.138
Max drawdown: 11.92%
peak / valley: 2022-08-17 / 2022-10-31
recovered on: Not recovered!
===========END OF REPORT=============
交易策略的表现与参数有关,如果输入不同的参数,策略回报相差会非常大。qteasy
可以用多种不同的优化算法,帮助搜索最优的策略参数,
要使用策略优化功能,需要设置交易策略的优化标记opt_tag=1
,并配置环境变量mode=2
即可:
import qteasy as qt
op = qt.Operator(strategies='dma')
op.set_parameter('dma', opt_tag=1)
res = op.run(mode=2, # 优化模式
opti_start='20220501', # 优化区间开始日期
opti_end='20221231', # 优化区间结束日期
test_start='20220501', # 测试区间开始日期
test_end='20221231', # 测试区间结束日期
opti_sample_count=1000, # 优化样本数量
visual=True, # 打印优化结果图表
parallel=False) # 不使用并行计算
qteasy
将在同一段历史数据(优化区间)上反复回测,找到结果最好的30组参数,并把这30组参数在另一段历史数据(测试区间)上进行独立测试,并显
示独立测试的结果:
====================================
| |
| OPTIMIZATION RESULT |
| |
====================================
qteasy running mode: 2 - Strategy Parameter Optimization
... # 省略部分输出
# 以下是30组优化的策略参数及其结果(部分结果省略)
Strategy items Sell-outs Buy-ins ttl-fee FV ROI Benchmark rtn MDD
0 (35, 69, 60) 1.0 2.0 71.45 106,828.20 6.8% -3.5% 9.5%
1 (124, 104, 18) 3.0 2.0 124.86 106,900.59 6.9% -3.5% 7.4%
2 (126, 120, 56) 1.0 1.0 72.38 107,465.86 7.5% -3.5% 7.5%
...
27 (103, 84, 70) 1.0 1.0 74.84 114,731.44 14.7% -3.5% 8.8%
28 (143, 103, 49) 1.0 1.0 74.33 116,453.26 16.5% -3.5% 4.3%
29 (129, 92, 56) 1.0 1.0 74.55 118,811.58 18.8% -3.5% 4.3%
===========END OF REPORT=============
将优化后的参数应用到策略中,并再次回测,可以看到结果明显提升:
op.set_parameter('dma', pars=(143, 99, 32))
res = op.run(
mode=1, # 历史回测模式
asset_pool='000300.SH', # 投资资产池
asset_type='IDX', # 投资资产类型
invest_cash_amounts=[100000], # 投资资金
invest_start='20220501', # 投资回测开始日期
invest_end='20221231', # 投资回测结束日期
cost_rate_buy=0.0003, # 买入费率
cost_rate_sell=0.0001, # 卖出费率
visual=True, # 打印可视化回测图表
trade_log=True, # 打印交易日志
)
结果如下:
关于策略优化结果的更多解读、以及更多优化参数的介绍,请参见详细文档
在配置好Operator
对象并设置好策略后,qteasy
可以自动定期运行、自动盯盘、自动下载实时数据并根据策略结果生成交易指令,模拟交易过程并记录交易结果。
Qteasy
的实盘一旦启动,就会在terminal中启动一个单独的线程在后台运行,运行的时机也是跟真实的股票市场一致的,股票市场收市的时候不运行,交易日早上9点15分唤醒系统开始拉取实时股价,9点半开始运行交易策略,交易策略的运行时机和运行频率在策略的属性中设置。如果策略运行的结果产生交易信号,则根据交易信号模拟挂单,挂单成交后修改响应账户资金和股票持仓,交易费用按照设置中的费率扣除。如果资金不足或持仓不足会导致交易失败,当天买入的股票同真实市场一样T+1交割,第二个交易日开始前交割完毕。
import qteasy as qt
# 创建一个交易策略alpha
alpha = qt.get_built_in_strategy('ndayrate') # 创建一个N日股价涨幅交易策略
# 设置策略的运行参数
alpha.strategy_run_freq = 'd' # 每日运行
alpha.data_freq = 'd' # 策略使用日频数据
alpha.window_length = 20 # 数据窗口长度
alpha.sort_ascending = False # 优先选择涨幅最大的股票
alpha.condition = 'greater' # 筛选出涨幅大于某一个值的股票
alpha.ubound = 0.005 # 筛选出涨幅大于0.5%的股票
alpha.sel_count = 7 # 每次选出7支股票
# 创建一个交易员对象,运行alpha策略
op = qt.Operator(alpha, signal_type='PT', op_type='step')
# 设置策略运行参数
# 交易股票池包括所有的银行股和家用电器股
asset_pool = qt.filter_stock_codes(industry='银行, 家用电器', exchange='SSE, SZSE')
qt.configure(
mode=0, # 交易模式为实盘运行
asset_type='E', # 交易的标的类型为股票
asset_pool=asset_pool, # 交易股票池为所有银行股和家用电器股
trade_batch_size=100, # 交易批量为100股的整数倍
sell_batch_size=1, # 卖出数量为1股的整数倍
)
完成上述设置后,使用下面的代码运行交易策略。
Qteasy
的实盘运行有一个“账户”的概念,就跟您在股票交易市场开户一样,一个账户可以有自己的持有资金,股票持仓,单独计算盈亏。运行过程中您可以随时终止程序,这时所有的交易记录都会保存下来,下次重新启动时,只要引用上一次运行使用的账户ID(account ID)就可以从上次中断的地方继续运行了,因此启动时需要指定账户,如果不想继续上次的账户,可以新开一个账户运行。
在启动实盘时可以通过qteasy
的系统配置变量live_trade_account_name
来指定使用的账户名,系统会自动创建一个新的账户并赋予账户ID;如果想要使用已有的账户,可以在启动时通过live_trade_account_id
指定账户ID。
qt.run(
op,
live_trade_account_id=None, # 不指定实盘交易账户,给出账户名称并创建一个新的账户
live_trade_account_name='new_account'
# 如果想要使用已有的账户,应该指定账户ID同时不给出account_name:
# live_trade_account_id=1
# live_trade_account_name=None
live_trade_ui_type='tui', # 使用TUI界面监控实盘交易,默认使用CLI界面
)
为了对策略运行过程进行监控,同时与qteasy
进行互动,qteasy
提供了两种不同的交互界面:
TraderShell
交互式命令行界面,可以在命令行中输入命令,查看交易日志、查看持仓、查看账户资金变化等信息:
TraderApp
(v1.2.0新增) 交互式图形界面,可以在图形界面中查看交易日志、查看持仓、查看账户资金变化等信息
上面两种方式都可以在实盘运行时使用,根据qteasy
的配置参数进入不同的交互界,关于更多实盘运行的介绍,请参见QTEASY
文档