QuantDigger是一个基于python的量化回测框架。它借鉴了主流商业软件（比如TB, 金字塔）简洁的策略语法，同时 避免了它们内置编程语言的局限性，使用通用语言python做为策略开发工具。和 zipline , pyalgotrade 相比， QuantDigger的策略语法更接近策略开发人员的习惯。目前的功能包括：股票回测，期货回测。 支持选股，套利，择时, 组合策略。自带了一个基于matplotlib编写的简单的策略和k线显示界面，能满足广大量化爱好者 基本的回测需求。设计上也兼顾了实盘交易，未来如果有时间，也会加入交易接口。
由于个人时间和工作的关系，本项目不再维护。
matplotlib
numpy
logbook
pandas
progressbar2
zmq
BeautifulSoup4 (tushare需要)
lxml (tushare需要)
tushare (一个非常强大的股票信息抓取工具)
python-dateutil(可选)
IPython
TA-Lib
- 可以用pip安装依赖库:
>>> pip install -r requirements/requirements.txt
- 如果出现pypi源超时情况:
>>> pip install -r requirements/requirements.txt -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
- TA-Lib 通过pip直接安装可能会出错，
- 到 http://www.lfd.uci.edu/~gohlke/pythonlibs/#ta-lib 下载相应版本然后通过命令安装，如
>>> pip install TA_Lib-0.4.10-cp36-cp36m-win_amd64.whl
- Anaconda用户可以用
>>> conda install -c quantopian ta-lib
- finance依赖
from quantdigger import (
Strategy,
MA,
DateTimeSeries,
NumberSeries,
set_config,
add_strategies,
Profile
)
class DemoStrategy(Strategy):
""" 策略A1 """
def on_init(self, ctx):
"""初始化数据"""
ctx.ma10 = MA(ctx.close, 10, 'ma10', 'y', 1)
ctx.ma20 = MA(ctx.close, 20, 'ma20', 'b', 1)
ctx.dt = DateTimeSeries()
ctx.month_price = NumberSeries()
def on_bar(self, ctx):
ctx.dt.update(ctx.datetime)
if ctx.dt[1].month != ctx.dt[0].month:
ctx.month_price.update(ctx.close)
if ctx.curbar > 20:
if ctx.pos() == 0 and ctx.ma10[2] < ctx.ma20[2] and ctx.ma10[1] > ctx.ma20[1]:
ctx.buy(ctx.close, 1)
ctx.plot_text("buy", 1, ctx.curbar, ctx.close, "buy", 'black', 15)
elif ctx.pos() > 0 and ctx.ma10[2] > ctx.ma20[2] and \
ctx.ma10[1] < ctx.ma20[1]:
ctx.plot_text("sell", 1, ctx.curbar, ctx.close, "sell", 'blue', 15)
ctx.sell(ctx.close, ctx.pos())
ctx.plot_line("month_price", 1, ctx.curbar, ctx.month_price, 'y--', lw=2)
return
def on_exit(self, ctx):
return
class DemoStrategy2(Strategy):
""" 策略A2 """
def on_init(self, ctx):
"""初始化数据"""
ctx.ma50 = MA(ctx.close, 50, 'ma50', 'y', 2)
ctx.ma100 = MA(ctx.close, 100, 'ma100', 'black', 2)
def on_symbol(self, ctx):
pass
def on_bar(self, ctx):
if ctx.curbar > 100:
if ctx.pos() == 0 and ctx.ma50[2] < ctx.ma100[2] and ctx.ma50[1] > ctx.ma100[1]:
ctx.buy(ctx.close, 1)
elif ctx.pos() > 0 and ctx.ma50[2] > ctx.ma100[2] and \
ctx.ma50[1] < ctx.ma100[1]:
ctx.sell(ctx.close, ctx.pos())
return
def on_exit(self, ctx):
return
if __name__ == '__main__':
import timeit
start = timeit.default_timer()
set_config({'source': 'csv'})
profiles = add_strategies(['BB.SHFE-1.Day'], [
{
'strategy': DemoStrategy('A1'),
'capital': 50000.0 * 0.5,
},
{
'strategy': DemoStrategy2('A2'),
'capital': 50000.0 * 0.5,
}
])
stop = timeit.default_timer()
print("运行耗时: %d秒" % ((stop - start)))
# 绘制k线，交易信号线
from quantdigger.digger import finance, plotting
s = 0
# 绘制策略A1, 策略A2, 组合的资金曲线
curve0 = finance.create_equity_curve(profiles[0].all_holdings())
curve1 = finance.create_equity_curve(profiles[1].all_holdings())
curve = finance.create_equity_curve(Profile.all_holdings_sum(profiles))
plotting.plot_strategy(profiles[0].data(), profiles[0].technicals(),
profiles[0].deals(), curve0.equity.values,
profiles[0].marks())
# 绘制净值曲线
plotting.plot_curves([curve.networth])
# 打印统计信息
print(finance.summary_stats(curve, 252))- k线和信号线
k线显示使用了系统自带的一个联动窗口控件，由蓝色的滑块控制显示区域，可以通过鼠标拖拽改变显示区域。 上下方向键 来进行缩放。
2个策略和组合的资金曲线。
组合的历史净值
统计结果
>>> [('Total Return', '-0.99%'), ('Sharpe Ratio', '-5.10'), ('Max Drawdown', '1.72%'), ('Drawdown Duration', '3568')]
0.6.0 版本 2019-05-28
- 重构回测引擎，使其设计更合理和简洁。
0.5.1 版本 2017-07-13
- 在原来0.5.0版的基础上改为支持Python3.6
0.5.0 版本 2017-01-08
- 完善文档
- 数据源可配置
- 添加shell, 界面，回测引擎三则间的交互框架
0.3.0 版本 2015-12-09
- 重新设计回测引擎, 支持组合回测，选股
- 重构数据模块
0.2.0 版本 2015-08-18
- 修复股票回测的破产bug
- 修复回测权益计算bug
- 交易信号对的计算从回测代码中分离
- 把回测金融指标移到digger/finace
- 添加部分数据结构，添加部分数据结构字段
- 添加几个mongodb相关的函数
0.1.0 版本 2015-06-16
- 夸品种的策略回测功能
- 简单的交互
- 指标，k线绘制
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent