python回测系统 模拟回测 最简单量化回测系统有哪些？支持期货和股票

github上有一个jdhc简单回测 是用python写的比较简单，需要设置些参数。

让客户满意是我们工作的目标，不断超越客户的期望值来自于我们对这个行业的热爱。我们立志把好的技术通过有效、简单的方式提供给客户，将通过不懈努力成为客户在信息化领域值得信任、有价值的长期合作伙伴，公司提供的服务项目有：空间域名、网站空间、营销软件、网站建设、曲沃网站维护、网站推广。

怎么学习python量化交易？

下面教你八步写个量化交易策略——单股票均线策略

1 确定策略内容与框架

若昨日收盘价高出过去20日平均价今天开盘买入股票

若昨日收盘价低于过去20日平均价今天开盘卖出股票

只操作一只股票，很简单对吧，但怎么用代码说给计算机听呢？

想想人是怎么操作的，应该包括这样两个部分

既然是单股票策略，事先决定好交易哪一个股票。

每天看看昨日收盘价是否高出过去20日平均价，是的话开盘就买入，不是开盘就卖出。每天都这么做，循环下去。

对应代码也是这两个部分

def initialize(context):

用来写最开始要做什么的地方

def handle_data(context,data):

用来写每天循环要做什么的地方

2 初始化

我们要写设置要交易的股票的代码，比如 兔宝宝（002043）

def initialize(context):

g.security = '002043.XSHE'# 存入兔宝宝的股票代码

3 获取收盘价与均价

首先，获取昨日股票的收盘价

# 用法：变量 = data[股票代码].close

last_price = data[g.security].close# 取得最近日收盘价，命名为last_price

然后，获取近二十日股票收盘价的平均价

# 用法：变量 = data[股票代码].mavg(天数，‘close’)

# 获取近二十日股票收盘价的平均价，命名为average_price

average_price = data[g.security].mavg(20, 'close')

4 判断是否买卖

数据都获取完，该做买卖判断了

# 如果昨日收盘价高出二十日平均价, 则买入，否则卖出

if last_price  average_price:

买入

elif last_price  average_price:

卖出

问题来了，现在该写买卖下单了，但是拿多少钱去买我们还没有告诉计算机，所以每天还要获取账户里现金量。

# 用法：变量 = context.portfolio.cash

cash = context.portfolio.cash# 取得当前的现金量，命名为cash

5 买入卖出

# 用法：order_value(要买入股票股票的股票代码，要多少钱去买）

order_value(g.security, cash)# 用当前所有资金买入股票

# 用法：order_target(要买卖股票的股票代码，目标持仓金额）

order_target(g.security, 0)# 将股票仓位调整到0，即全卖出

6 策略代码写完，进行回测

把买入卖出的代码写好，策略就写完了，如下

def initialize(context):#初始化

g.security = '002043.XSHE'# 股票名:兔宝宝

def handle_data(context, data):#每日循环

last_price = data[g.security].close# 取得最近日收盘价

# 取得过去二十天的平均价格

average_price = data[g.security].mavg(20, 'close')

cash = context.portfolio.cash# 取得当前的现金

# 如果昨日收盘价高出二十日平均价, 则买入，否则卖出。

if last_price  average_price:

order_value(g.security, cash)# 用当前所有资金买入股票

elif last_price  average_price:

order_target(g.security, 0)# 将股票仓位调整到0，即全卖出

现在，在策略回测界面右上部，设置回测时间从20140101到20160601，设置初始资金100000，设置回测频率，然后点击运行回测。

7 建立模拟交易，使策略和行情实时连接自动运行

策略写好，回测完成，点击回测结果界面（如上图）右上部红色模拟交易按钮，新建模拟交易如下图。 写好交易名称，设置初始资金，数据频率，此处是每天，设置好后点提交。

8 开启微信通知，接收交易信号

点击聚宽导航栏我的交易，可以看到创建的模拟交易，如下图。 点击右边的微信通知开关，将OFF调到ON，按照指示扫描二维码，绑定微信，就能微信接收交易信号了。

用Python怎么做量化投资

本文将会讲解量化投资过程中的基本流程，量化投资无非这几个流程，数据输入------策略书写------回测输出

其中策略书写部分还涉及到编程语言的选择，如果不想苦恼数据输入和回测输出的话，还要选择回测平台。

一、数据

首先，必须是数据，数据是量化投资的基础

如何得到数据？

Wind：数据来源的最全的还是Wind，但是要付费，学生可以有免费试用的机会，之后还会和大家分享一下怎样才Wind里摘取数据，Wind有很多软件的借口，Excel，Matlab，Python，C++。

预测者网：不经意间发现，一个免费提供股票数据网站 预测者网，下载的是CSV格式

TB交易开拓者：Tradeblazer，感谢@孙存浩提供数据源

TuShare：TuShare -财经数据接口包，基于Python的财经数据包，利用Python进行摘取

如何存储数据？

Mysql

如何预处理数据？

空值处理：利用DataFrame的fill.na()函数，将空值（Nan）替换成列的平均数、中位数或者众数

数据标准化

数据如何分类？

行情数据

财务数据

宏观数据

二、计算语言软件

已经有很多人在网上询问过该选择什么语言？笔者一开始用的是matlab，但最终选择了python

python：库很多，只有你找不到的，没有你想不到，和量化这块结合比较紧密的有：

NumpyScipy：科学计算库，矩阵计算

Pandas：金融数据分析神器，原AQR资本员工写的一个库，处理时间序列的标配

Matplotlib：画图库

scikit-learn：机器学习库

statsmodels：统计分析模块

TuShare：免费、开源的python财经数据接口包

Zipline：回测系统

TaLib：技术指标库

matlab：主要是矩阵运算、科学运算这一块很强大，主要有优点是WorkSpace变量可视化

python的Numpy+Scipy两个库完全可以替代Matlab的矩阵运算

Matplotlib完克Matlab的画图功能

python还有很多其他的功能

pycharm（python的一款IDE）有很棒的调试功能，能代替Matlab的WorkSpace变量可视化

推荐的python学习文档和书籍

关于python的基础，建议廖雪峰Python 2.7教程，适合于没有程序基础的人来先看，涉及到python的基本数据类型、循环语句、条件语句、函数、类与对象、文件读写等很重要的基础知识。

涉及到数据运算的话，其实基础教程没什么应用，python各类包都帮你写好了，最好的学习资料还是它的官方文档，文档中的不仅有API，还会有写实例教程

pandas文档

statsmodels文档

scipy和numpy文档

matplotlib文档

TuShare文档

第二，推荐《利用Python进行数据分析》，pandas的开发初衷就是用来处理金融数据的

三、回测框架和网站

两个开源的回测框架

PyAlgoTrade - Algorithmic Trading

Zipline, a Pythonic Algorithmic Trading Library

python量化哪个平台可以回测模拟实盘还不要钱

Python量化投资框架：回测+模拟+实盘

Python量化投资 模拟交易 平台 　 1. 股票量化投资框架体系 1.1 回测 实盘交易前，必须对量化交易策略进行回测和模拟，以确定策略是否有效，并进行改进和优化。作为一般人而言，你能想到的，一般都有人做过了。回测框架也如此。当前小白看到的主要有如下五个回测框架： Zipline ：事件驱动框架，国外很流行。缺陷是不适合国内市场。 PyAlgoTrade ： 事件驱动框架，最新更新日期为16年8月17号。支持国内市场，应用python 2.7开发，最大的bug在于不支持3.5的版本，以及不支持强大的pandas。 pybacktest ：以处理向量数据的方式进行回测，最新更新日期为2个月前，更新不稳定。 TradingWithPython：基于pybacktest，进行重构。参考资料较少。 ultra-finance：在github的项目两年前就停止更新了，最新的项目在谷歌平台，无奈打不开网址，感兴趣的话，请自行查看吧。 RQAlpha：事件驱动框架，适合A股市场，自带日线数据。是米筐的回测开源框架，相对而言，个人更喜欢这个平台。 2 模拟 模拟交易，同样是实盘交易前的重要一步。以防止类似于当前某券商的事件，半小时之内亏损上亿，对整个股市都产生了恶劣影响。模拟交易，重点考虑的是程序的交易逻辑是否可靠无误，数据传输的各种情况是否都考虑到。 当下，个人看到的，喜欢用的开源平台是雪球模拟交易，其次是wind提供的模拟交易接口。像优矿、米筐和聚宽提供的，由于只能在线上平台测试，不甚自由，并无太多感觉。 雪球模拟交易：在后续实盘交易模块，再进行重点介绍，主要应用的是一个开源的easytrader系列。 Wind模拟交易：若没有机构版的话，可以考虑应用学生免费版。具体模拟交易接口可参看如下链接： 3 实盘 实盘，无疑是我们的终极目标。股票程序化交易，已经被限制。但对于万能的我们而言，总有解决的办法。当下最多的是破解券商网页版的交易接口，或者说应用爬虫爬去操作。对我而言，比较倾向于食灯鬼的easytrader系列的开源平台。对于机构用户而言，由于资金量较大，出于安全性和可靠性的考虑，并不建议应用。 easytrader系列当前主要有三个组成部分： easytrader：提供券商华泰/佣金宝/银河/广发/雪球的基金、股票自动程序化交易，量化交易组件 easyquotation : 实时获取新浪 / Leverfun 的免费股票以及 level2 十档行情 / 集思路的分级基金行情 easyhistory : 用于获取维护股票的历史数据 easyquant : 股票量化框架，支持行情获取以及交易 2. 期货量化投资框架体系 一直待在私募或者券商，做的是股票相关的内容，对期货这块不甚熟悉。就根据自己所了解的，简单总结一下。 2.1 回测 回测，貌似并没有非常流行的开源框架。可能的原因有二：期货相对股票而言，门槛较高，更多是机构交易，开源较少； 去年至今对期货监管控制比较严，至今未放开，只能做些CTA的策略，另许多人兴致泱泱吧。 就个人理解而言，可能wind的是一个相对合适的选择。 2.2 模拟 + 实盘 vn.py是国内最为流行的一个开源平台。起源于国内私募的自主交易系统，2015年初启动时只是单纯的交易API接口的Python封装。随着业内关注度的上升和社区不断的贡献，目前已经一步步成长为一套全面的交易程序开发框架。如官网所说，该框架侧重的是交易模块，回测模块并未支持。 能力有限，如果对相关框架感兴趣的话，就详看相关的链接吧。个人期望的是以RQAlpha为主搭建回测框架，以雪球或wind为主搭建模拟框架，用easy系列进行交易。

分享文章：python量化回测函数 python 量化 回测
分享URL：http://chengdu.cdxwcx.cn/article/hiosde.html