量化交易研究框架 Hikyuu 1.0.8 发布

基于 C++/Python 的开源量化交易研究框架 http://hikyuu.org/

Hikyuu 1.0.8 已发布,这是一款量化交易研究框架。该版本更新如下:

1、实现一个简单资产组合回测框架 PF_Simple(多标的、相同策略),因目标是多标的、多策略的资产组合框架,所以后续接口可能变化!
2、新增固定列表选择器 SE_Fixed 配合 PF_Simple 使用。
3、新增一个固定持仓天数的盈利目标策略 PG_FixedHoldDays。
4、Datetime 增加 dayOfWeek、dayOfYear、endOfMonth 方法。
5、System 增加 ev_open_position、cn_open_position 参数,控制是否使用环境判断和系统有效性策略作为建仓信号,默认为 False。
6、资金管理策略(MoneyManagerBase) 加入公共参数 disable_ev_force_clean_position、disable_cn_force_clean_position,控制是否禁用市场环境及系统条件强制清仓。
7、资金管理策略(MoneyManagerBase)中,获取买入 / 卖出数量接口中增加系统来源组件参数。
8、所有系统策略组件 clone 方法增加保护,在子类 clone 失败时返回自身。
9、合入网友哥本哈斯根反馈的复权修改。
10、matplotlib 调整默认绘图窗口大小。
11、解决 echarts 绘制 macd 缺失缩放的问题。
12、TradeManager 缺失引出 currentCash 函数至 python。
13、MoneyManager 缺失引出 getTM 函数至 python。

Hikyuu 是一款基于 C++/Python 的开源量化交易研究框架,用于策略分析及回测(目前用于国内股票市场)。与其他量化平台或回测软件相比,其独特性在于:将完整的策略分解为不同的组件,通过重用不同的方面策略,最大化的减轻编写策略的负担,如常见的止损和资金管理策略,只需要简单指定已有的止损或资金管理策略等,即可完成不同的策略组合;同时,可自由遍历所有股票,对策略效果进行综合的统计分析。如下面的示例,简单更好不同的资金管理策略。

Hikyuu Quant Framework 是一款基于 C++/Python 的开源量化交易研究框架,用于策略分析及回测(仅受限于数据,如有数据也可用于期货等)。其核心思想基于当前成熟的系统化交易方法,将整个系统化交易抽象为由市场环境判断策略、系统有效条件、信号指示器、止损 / 止盈策略、资金管理策略、盈利目标策略、移滑价差算法七大组件,你可以分别构建这些组件的策略资产库,在实际研究中对它们自由组合来观察系统的有效性、稳定性以及单一种类策略的效果。例如:

#创建模拟交易账户进行回测,初始资金 30 万

my_tm = crtTM(initCash = 300000)

#创建信号指示器(以 5 日 EMA 为快线,5 日 EMA 自身的 10 日 EMA 最为慢线,快线向上穿越慢线时买入,反之卖出)

my_sg = SG_Flex(OP(EMA(n=5)), slow_n=10)

#固定每次买入 1000 股

my_mm = MM_FixedCount(1000)

#创建交易系统并运行

sys = SYS_Simple(tm = my_tm, sg = my_sg, mm = my_mm)
sys.run(sm['sz000001'], Query(-150))

完整示例参见:http://nbviewer.jupyter.org/github/fasiondog/hikyuu/blob/master/examples/001-overview.ipynb

Maybe,你已经注意到了,上面没有“选股策略”?!是的,选股策略是股票交易的重要方面,肯定不会少。事实上,之前所述的交易系统都是针对一个交易对象的,也就是经常听到的策略,但很多所谓的“策略”其实仅仅只是买入、卖出的指示信号而已,并非完整的交易策略。为了区别,在这里直接以系统指称,表示一个完整的系统化交易方法或策略。而在系统之上,称为 Portfolio 资产组合,选股策略则是 Portfolio 的组件,Portfolio 的另一重要组成则是资金分配策略,比如选股策略选定了 4 个交易对象(股票或基金等),那么如何在它们之间进行合理的资金分配?

所以,Hikyuu Quant Framework 其实是在 System 和 Portfolio 基础之上、包含了九大策略组件:市场环境判断策略、系统有效条件、信号指示器、止损 / 止盈策略、资金管理策略、盈利目标策略、移滑价差算法、交易对象选择策略、资金分配策略。可以在此基础上构建自己的策略库,并进行灵活的组合和测试,甚至可以更进一步,在选择交易对象的同时,选取与之匹配的最优系统交易策略(System)。

Note

_Portfolio、选股策略、资金分配策略的组件及接口尚在实现中…… :(_

为什么选择 Hikyuu?

  • 组合灵活,分类构建策略资产库 Hikyuu 对系统化交易方法进行了良好的抽象,将完整的系统交易分为不同的策略组件接口,在进行策略探索时,可以更加专注于某一方面的策略性能与影响,可以构建自己的策略库累计资产,并灵活组合。其主要功能模块如下:

  • 性能保障,打造自己的专属应用 目前项目包含了 3 个主要组成部分:基于 C++ 的核心库、对 C++ 进行包装的 Python 库 (hikyuu)、基于 Python 的交互式工具。

    • C++ 核心库,提供了整体的策略框架,在保证性能的同时,已经考虑了对多线程和多核处理的支持,在未来追求更高运算速度提供便利。C++ 核心库,可以单独剥离使用,自行构建自己的客户端工具。
    • Python 库(hikyuu),提供了对 C++ 库的包装,同时集成了 talib 库(如 TA_SMA,对应 talib.SMA),可以与 numpy、pandas 数据结构进行互相转换,为使用其他成熟的 python 数据分析工具提供了便利。
    • hikyuu.interactive 交互式探索工具,提供了 K 线、指标、系统信号等的基本绘图功能,用于对量化策略的探索和回测。
  • 代码简洁,探索更便捷、自由 同时支持面向对象和命令行编程范式。其中,命令行在进行策略探索时,代码简洁、探索更便捷、自由。

  • 安全、自由、隐私,搭建自己的专属云量化平台 结合 Python + Jupyter 的强大能力与云服务器,可以搭建自己专属的云量化平台。将 Jupyter 部署在云服务器上,随时随地的访问自己的云平台,即刻实现自己新的想法,如下图所示通过手机访问自己的云平台。结合 Python 强大成熟的数据分析、人工智能工具(如 numpy、scipy、pandas、TensorFlow) 搭建更强大的人工智能平台。

  • 数据存储方式可扩展 目前支持本地 HDF5 格式、MySQL 存储。默认使用 HDF5,数据文件体积小、速度更快、备份更便利。截止至 2017 年 4 月 21 日,沪市日线数据文件 149M、深市日线数据文件 184M、5 分钟线数据各不到 2G。