易经量化交易系统是一个完整的量化交易平台，提供基于深度元强化学习的交易策略，并且具有一整套回测平台，可以用于策略研发和实盘操作。
量化交易平台中，回测系统是一个关键的功能，易经量化交易系统的回测系统是基于BackTrader的回测系统，为量化交易研发中的性能评估，提供了一个易用回测系统，做量化交易研发，首先需要选择一个好的回测系统，所以我们先来向大家介绍这个回测系统。

环境配置

首先下载易经量化系统源码：

git clone https://github.com/yt7589/iching.git

在易经量化交易系统中，已经在源码层级整合了BackTrader系统，所以无需单独安装，即可使用回测系统。
在源码的apps/fmml目录，创建bt_app.py：

class BtApp(object):
    def __init__(self):
        self.name = 'apps.fmml.BtApp'

    def startup(self):
        print('回测系统示例程序 v0.0.1')

在apps/fmml/fmml_app.py中，启动这个应用：

from apps.fmml.bt_app import BtApp

class FmmlApp(object):    
    def startup(self):
        app = BtApp()
        app.startup()

回测平台基本概念

首先是线的概念，线就是标量值的时间序列，我们以股票市场的日K数据为例，通常包括：日期, 开盘价, 最高价, 最低价, 收盘价, 成交量等信息，这里就有日期线、开盘价线、最高价线、最低价线、收盘价线、成交量线，我们以开盘价线为例：

日期	7.31	8.1	8.2	8.3	8.4	8.5	8.6
形盘价	1.1	1.02	1.3	1.12	0.98	1.13	1.25

我们假设今天是8.2日，所以open_price[0]的值为1.3，而open_price[-1]代表的是8月1日的价格，值为1.02，以此类推，7月31日的价格为open_price[-2]=1.1。因为我们是回测过程，拿到的所有历史数据，所以我们有当天回测日期的明天的数据open_price[1]，后天的数据为open_price[2]，以此类推。

Hello World例程

接下来我们来看一个最简单的回测程序，在这里我们什么也不做，只是启动回测系统：

from __future__ import (absolute_import, division, print_function,
                        unicode_literals)

import backtrader as bt

class BtApp(object):
    def startup(self):
        print('回测系统示例程序 v0.0.2')
        cerebro = bt.Cerebro()
        cerebro.broker.setcash(100000.0) # 设置初始资金
        print('期初净值: %.2f' % cerebro.broker.getvalue())
        cerebro.run()
        print('期末净值: %.2f' % cerebro.broker.getvalue())

在这里，我们只是简单的初始化一个回测引擎，设置初始资金，然后运行这个回测引擎，最后输出结束时的净值。由于我们在这里什么都没做，所以我们净值没有发生变化，而且眨眼间就执行结束了。

加入行情数据

我们的量化交易系统，就是用来根据行情来做交易的。下面我们获取A股日K线数据，并将其加入到回测引擎中来。

from __future__ import (absolute_import, division, print_function,
                        unicode_literals)

import backtrader as bt
import akshare as ak

class BtApp(object):
    def startup(self, code='sh601318', start_cash=100000.0):
        print('回测系统示例程序 v0.0.2')
        cerebro = bt.Cerebro()
        stock_zh_a_daily_df = ak.stock_zh_a_daily(
            symbol=code, adjust="hfq"
        )  # 通过 AkShare 获取需要的数据
        data = bt.feeds.PandasData(dataname=stock_zh_a_daily_df)  # 规范化数据格式
        cerebro.adddata(data)  # 将数据加载至回测系统
        cerebro.broker.setcash(start_cash) # 设置初始资金
        print('期初净值: %.2f' % cerebro.broker.getvalue())
        cerebro.run()
        print('期末净值: %.2f' % cerebro.broker.getvalue())

我们通过akshare来获取A股日K线数据，获取的股票代码为sh601318，即中国平安的股票。

简单策略

下面我们来开发一个最简单的策略，就是连涨三天则买入，而连接持有5个交易日则卖出：

class TestStrategy(bt.Strategy):
    def __init__(self):
        self.dataclose = self.datas[0].close # 收盘价线
        self.order = None

    def notify_order(self, order):
        # 如果订单状态为提交和接受则直接返回
        if order.status in [order.Submitted, order.Accepted]:
            return
        # 如果订单为完成
        if order.status in [order.Completed]:
            if order.isbuy():
                self.log('执行买入：{0:.2f}'.format(order.executed.price))
            elif order.issell():
                self.log('执行卖出：{0:.2f}'.format(order.executed.price))
            self.bar_executed = len(self) # 订单执行时间点
        elif order.status in [order.Canceled, order.Margin, order.Rejected]:
            self.log('订单被取消或拒绝！')
        self.order = None

    def next(self):
        self.log('收盘价：{:.2f}'.format(self.dataclose[0]))
        if self.order:
            return
        if not self.position:
            if self.dataclose[0] < self.dataclose[-1]:
                    if self.dataclose[-1] < self.dataclose[-2]:
                        self.log('生成买入订单：{0:.2f}'.format(self.dataclose[0]))
                        self.order = self.buy()
        else:
            if len(self) >= (self.bar_executed + 5):
                self.log('生成卖出订单：{0:.2f}'.format(self.dataclose[0]))
                self.order = self.sell()

    def log(self, txt, dt=None):
        dt = dt or self.datas[0].datetime.date(0)
        print('{0}, {1}'.format(dt.isoformat(), txt))

由于只有策略类需要修改，这里只列出了策略类的实现。

第6行：我们增加了订单状态监听方法，在订单执行时打印日志信息；
第25行：判断我们是否持有该股票，如果没持有该支股票，这时才能买入该支股票；
第26~29行：如果连涨3天则买入；
第31~33行：连续持有5个时间点则卖出，需要注意的是，这里是日K线，所以是连续持有5个交易日，但是如果是分钟线，这里就会变为持有5分钟；

至此，我们就完成了一个最简的回测系统，运行程序，输出如下所示：

2020-07-07, 收盘价：203.81
2020-07-08, 收盘价：209.86
2020-07-09, 收盘价：210.43
2020-07-10, 收盘价：201.66
2020-07-13, 收盘价：201.71
2020-07-14, 收盘价：199.11
2020-07-15, 收盘价：196.47
2020-07-15, 生成买入订单：196.47
2020-07-16, 执行买入：199.11
2020-07-16, 收盘价：191.57
2020-07-17, 收盘价：191.08
2020-07-20, 收盘价：202.79
2020-07-21, 收盘价：197.79
2020-07-22, 收盘价：195.76
2020-07-23, 收盘价：193.48
2020-07-23, 生成卖出订单：193.48
2020-07-24, 执行卖出：193.19
2020-07-24, 收盘价：188.58
2020-07-24, 生成买入订单：188.58
2020-07-27, 执行买入：189.27
2020-07-27, 收盘价：187.19
2020-07-28, 收盘价：187.06
2020-07-29, 收盘价：189.32
2020-07-30, 收盘价：186.21
2020-07-31, 收盘价：185.89
2020-08-03, 收盘价：187.21
2020-08-03, 生成卖出订单：187.21
期末净值: 100049.63

其实中国平安自上市以来，股价翻了很多倍，所以我们如果用最简单的策略，上市之初就买入，期间一直持有，最终的净值一定比我们的这个策略的结果好的多，因此我们的策略需要大力改造。
在这里还有一个问题，我们在这里交易是没有成本的，但是在实际股市中，交易需要交佣金、印花税、过户费等税费，所以为了使我们的回测系统更接近于真实系统，我们需要加入交易成本项。关于这部分内容，我们将在下一篇博文中介绍。

来源：oschina

链接：https://my.oschina.net/u/4342092/blog/4470568

标签

强化学习

易经量化交易系统1

环境配置

回测平台基本概念

Hello World例程

加入行情数据

简单策略