backtrader是基于Python的量化回测框架，功能丰富，操作方便。其优点是运行速度快，支持pandas的矢量运算；内置多种技术指标计算，还支持股票分析技术指标库talib；支持参数自动寻优运算；支持多品种（股票、期货、期权、外汇和数字货币）、多策略、多周期（Ticks、秒、分、日、周、月和年）的回测和交易；支持PyFlio、empyrica分析模块库、alphalens多因子分析模块库等；
转载
2023-10-09 23:58:51
40阅读
对量化交易感兴趣的同学，对于回测系统肯定不陌生。以quantopian为蓝本的回测平台，国内已经一抓一把，那为什么还需要从头实现一个系统？而且，什么是“搭积木式实现策略”呢？对比现存的量化平台，实现如下价值：1，市面上量化系统引擎是黑盒(当然大部分是zipline——代码是开源的，但可读性一般)，从头实现可以做到知其然更知其所以然。2，拥有自己的，代码易读性的系统，不用担心策略泄漏。3，提供一个构
转载
2023-09-14 15:39:00
115阅读
# 回测系统架构：概述与实现
在金融领域，回测系统是一种重要工具，为策略的评估与验证提供了必要的支持。回测的目的是将历史市场数据应用于交易策略，评估其潜在表现，以判断其是否具备盈利能力。本文将介绍回测系统的架构，并给出代码示例，帮助大家理解这一过程。
## 回测系统架构概述
回测系统通常包含几个重要组件：
1. **数据采集模块**：获取市场数据，可能包括历史价格、成交量等。
2. **策
原创
2024-10-24 04:49:58
123阅读
在本文中，我们将深入探讨如何构建一个高效的 Python 回测系统。该系统能够模拟策略并评估其在历史数据上的表现。本篇博文将通过环境准备、集成步骤、配置详解、实战应用、性能优化及生态扩展等方面进行全面记录，旨在为你提供一个系统的解决方案。
## 环境准备
首先，我们需要搭建回测系统的环境。在此，我们推荐使用 Python 及其相关库。
```bash
# 安装必要的库
pip install
首先我们需要明白自动化测试框架更倾向于一种设计思想 ，这种思想指导工具的使用或者自研开发，并且不是只能使用仅仅一种框架，结合被测系统本身特性一般是选择多种测试框架的组合，来满足测试和设计需求(开发、维护角度)。录制回放测试框架录制回放测试框架所采用的原理是通过录制应用程序产生的线性脚本进行回放从而达到自动化测试的目的。优点：对测试人员测试开发能力要求最低，通过录制就可以得到所需脚本。缺点：一般不具
转载
2024-03-01 12:20:34
44阅读
前言随着回测系统的数据量越来越大，为了解放个人电脑，决定将回测系统部署到云服务器。 _ _Episode Sp. 回测系统的优化与云服务器部署之前说到个人回测系统建立出来后为了有效和一些云回测平台划清优势，我做了一个参数的调优循环：def complex_test():
n=0
complex_count=1
complex_pralist=[]
current_list=[]
for
转载
2024-04-15 14:19:26
40阅读
win10下搭建zipline python3.5量化回测平台1、安装 Anaconda1.1 下载Anconda1.2 安装1.3 Anaconda Prompt1.4 检查安装1.5 创建python3.5环境2、安装zipline2.1 添加下载频道2.2 安装zipline3、安装PyCharm3.1 下载PyCharm（Windows）3.2 安装PyCharm3.3 配置Anacon
转载
2023-09-06 14:03:56
270阅读
作者 | liuchungui我们的回测程序是用Python写的，因为使用Jupter Notebook显示结果非常方便。但是，最近在一次运行整个回测代码时，整整花了20分钟才出现结果。于是，我们打算好好优化一下。最终，性能提升10倍以上，耗时在1分29秒左右。优化流程我们优化主要分成两部分，第一部分是程序内部逻辑，第二部分是Python提速。所以，我们整个流程可以分成下面三步：第一步，
转载
2023-11-21 16:44:09
80阅读
Q：两个有序数组合并成一个有序数组def merge_sort(a, b):
ret = []
i = j = 0
while len(a) >= i + 1 and len(b) >= j + 1:
if a[i] <= b[j]:
ret.append(a[i])
i += 1
转载
2023-11-15 18:50:00
80阅读
引入量化回测可以帮助我们验证策略的有效性，这是一个非常有必要的环节。虽然回测和实盘会有一定的区别，但是只要我们充分注意到回测过程中可能出现的一些陷阱，大概率上回测阶段是可以反映出实盘效果的。市面上也出现了很多相关的平台，比如米筐Ricequant，聚宽Joinquant，掘金Myquant，优矿Uqer，镭矿Raquant，果仁网，Factors, 宽帮Bigquant, 国泰安，同花顺量化，WI
转载
2023-08-28 12:15:34
51阅读
# Python股票回测系统开源之旅
## 介绍
随着量化交易的兴起，越来越多人开始关注股票回测系统。回测系统不仅帮助我们检验交易策略的有效性，还能为开发更加复杂的算法交易提供支持。本文将介绍如何使用Python创建一个简单的股票回测系统，并提供一些开源项目的示例。我们将通过代码示例使读者了解股票回测的基本流程。
## 股票回测系统的工作原理
股票回测系统的核心是模拟历史交易。回测的基本流
多策略回测软件，主要功能：1、支持任何周期和偏移K线。2、支持隐射方式交易，如果交易合约是主力，则会自动换月。回测可以并发执行，耗时很小。分析软件，海量策略同时分析，主要功能如下：1、按时间区间分析。2、按固定资金分析，或者按固定手数分析。3、根据信号出资金曲线和指标，速度特别快。4、根据数据波动精细分析，可以更直观看出浮盈和浮亏。5、分析可以增加滑点和扣除手续费。6、指标详细，并且有排序功能，便
转载
2023-06-07 10:05:43
542阅读
通过Tushare和backtrader实现量化投资回测（tushare ID=418443）一.Tushare介绍二.安装Tushare三.backtrader介绍和安装四.编写代码1、初始化tushare，获取指定股票代码的股票历史数据。2、加载数据3、加载backtrader引擎，初始化投资金额4、增加策略5、布林线规则策略的具体实现6、输出回测结果并打印图形五.运行结果 一.Tushar
转载
2023-09-21 11:29:07
526阅读
2评论
PyUnit（unittest） 是 Python 自带的单元测试框架，用于编写和运行可重复的测试。PyUnit 是 xUnit 体系的一个成员，xUnit 是众多测试框架的总称，PyUnit 主要用于进行白盒测试和回归测试。通过 PyUnit 可以让测试具有持久性，测试与开发同步进行，测试代码与开发代码一同发布。使用 PyUnit 具有如下好处：可以使测试代码与产品代码分离。
转载
2023-12-13 05:55:14
62阅读
一、OHLCV：当天的开盘价（Open）、最高价（High）、最低价（Low）和收盘价（Close）。如果再加上这一个小时总的成交量（Volumn），就得到了 OHLCV 数据。使用 Zipline 进行策略回测，或者用 Pyfolio 进行投资组合分析。Quantopian，就提供了基于 Zipline 的标准回测环境。国内也有诸如 BigQuant、果仁网等类似平台，提供不同市场和金融产品的交
转载
2024-02-14 19:54:27
77阅读
我们把量化小工具的基础版本称为V0，该版本的股票行情页面中的股票名称只有4个，分别为开山股份、浙大网新、水晶光电、高鸿股份，如果同学们要添加自选股，只能在代码中添加。接下来我们把A股市场中全部的股票都添加到下拉框中去。此处使用Tushare Pro的stock_basic()接口，该接口获取上市的所有股票基础信息数据，包括股票代码、名称、上市日期、退市日期等。输入参数说明如下：is_hs：是否沪深
转载
2023-12-09 18:57:51
0阅读
1引言目前基于Python的量化回测框架有很多，开源框架有zipline、vnpy、pyalgotrader和backtrader等，而量化平台有Quantopian（国外）、聚宽、万矿、优矿、米筐、掘金等，这些量化框架或平台各有优劣。就个人而言，比较偏好用backtrader，因为它功能十分完善，有完整的使用文档，安装相对简单（直接pip安装即可）。优点是运行速度快，支持pandas的矢量运算；
自己手工计算回测指标。
因为对前面计算回测指标的程序的准确性还有疑问，我决定再验证一次。验证的方法是找一个带数据的完整的程序，先实现其程序，再用它的数据和我的程序计算，对比一下二者的结果。在知乎上找到一篇，https://zhuanlan.zhihu.com/p/55425806 是用贵州茅台，工商银行和中国平安三只股票做回测。我照着其程序写了，计算结果
main # -*- coding:utf-8 -*- #正常显示画图时出现的中文和负号 from pylab import mpl mpl.rcParams['font.sans-serif']=['SimHei'] import backtrader as bt import numpy as
转载
2020-10-11 14:18:00
994阅读
2评论
一、什么是RSI策略？双均线策略的思想主要是根据长短周期 MA 指标的关系来判断买卖时机。基于 RSI 指标的策略主要是根据买卖双方力量之间的对比来判断买卖点。RSI 指标是通过一段时间价格变动情况来计算市场买卖力量的对比，从而推测未来价格变动的技术指标。当RSI大于80时，称为处于超买区，意味着未来价格可能会出现下跌；当RSI小于20时，称为处于超卖区，意味着未来价格可能会出现上涨。
转载
2023-06-12 17:28:00
426阅读
