作者: 阿布
阿布量化版权所有 未经允许 禁止转载
abu量化系统github地址 (您的star是我的动力！)
之前的小节回测示例都是使用美股，本节示例A股市场的回测。
首先导入abupy中本节使用的模块：
In [1]:
# 基础库导入
from __future__ import print_function
from __future__ import division
import warnings
warnings.filterwarnings('ignore')
warnings.simplefilter('ignore')
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
import os
import sys
# 使用insert 0即只使用github，避免交叉使用了pip安装的abupy，导致的版本不一致问题
sys.path.insert(0, os.path.abspath('../'))
import abupy
# 使用沙盒数据，目的是和书中一样的数据环境
abupy.env.enable_example_env_ipython()
买入因子，卖出因子等依然使用相同的设置，如下所示：
In [2]:
from abupy import AbuFactorAtrNStop, AbuFactorPreAtrNStop, AbuFactorCloseAtrNStop, AbuFactorBuyBreak
from abupy import abu, EMarketTargetType, AbuMetricsBase, ABuMarketDrawing, ABuProgress, ABuSymbolPd
# 设置初始资金数
read_cash = 1000000
# 买入因子依然延用向上突破因子
buy_factors = [{'xd': 60, 'class': AbuFactorBuyBreak},
{'xd': 42, 'class': AbuFactorBuyBreak}]
# 卖出因子继续使用上一节使用的因子
sell_factors = [
{'stop_loss_n': 1.0, 'stop_win_n': 3.0,
'class': AbuFactorAtrNStop},
{'class': AbuFactorPreAtrNStop, 'pre_atr_n': 1.5},
{'class': AbuFactorCloseAtrNStop, 'close_atr_n': 1.5}
]
In [3]:
# 择时股票池
choice_symbols = ['002230', '300104', '300059', '601766', '600085', '600036', '600809', '000002', '002594', '002739']
In [4]:
# 使用run_loop_back运行策略
abu_result_tuple, kl_pd_manger = abu.run_loop_back(read_cash,
buy_factors,
sell_factors,
n_folds=6,
choice_symbols=choice_symbols)
ABuProgress.clear_output()
In [5]:
AbuMetricsBase.show_general(*abu_result_tuple, only_show_returns=True)
Out[5]:
上面的回测结果虽然可以正常运行，但是很多交易细节还是使用的默认设置中的美股交易模式，因为默认的设置EMarketTargetType.E_MARKET_TARGET_US是美股，它会影响到一年多少个交易日等等交易细节，基准标尺等问题，如注意观察上面使用使用show_general显示的最终收益对比图，可以发现策略收益对比的是纳斯达克指数，并不是A股大盘。
正确的做法是首先将abupy量化环境设置为A股，代码如下所示：
In [6]:
abupy.env.g_market_target = EMarketTargetType.E_MARKET_TARGET_CN
In [7]:
abu_result_tuple, kl_pd_manger = abu.run_loop_back(read_cash,
buy_factors,
sell_factors,
n_folds=6,
choice_symbols=choice_symbols)
ABuProgress.clear_output()
In [8]:
AbuMetricsBase.show_general(*abu_result_tuple, only_show_returns=True)
Out[8]:
下面主要讲解一下A股市场中比较特殊的地方：涨停，跌停，首先看一下下面这笔交易：
In [9]:
orders_pd = abu_result_tuple.orders_pd
view_orders = orders_pd[(orders_pd['symbol'] == '601766') & (orders_pd['buy_date'] == 20150417)]
view_orders
Out[9]:
从交易单来看似乎一切ok，虽然最终交易亏损了，下面使用plot_candle_from_order可视化view_orders，plot_candle_from_order标记出了买入和卖出点
In [10]:
trade_df = ABuMarketDrawing.plot_candle_from_order(view_orders)
ABuMarketDrawing.plot_candle_from_order返回的trade_df是这笔交易的持股周期内的金融时间序列，如下所示，看第一条数据 2015-04-17交易日即为买入交易日，可以发现close，high，low的价格都是一样的，这代表了在集合竞价阶段股票已经涨停，但在我们回测中默认使用的 滑点买入类依然认为可以买入。
备注：滑点类相关内容请阅读：滑点策略与交易手续费
In [11]:
print('买入价格为：{}'.format(view_orders.iloc[0].buy_price))
trade_df.head()
Out[11]:
和买入类似，注意下面这笔交易：
In [13]:
view_orders = orders_pd[(orders_pd['symbol'] == '000002') & (orders_pd['sell_date'] == 20160704)]
trade_df = ABuMarketDrawing.plot_candle_from_order(view_orders.iloc[0])
print('卖出价格为：{}'.format(view_orders.iloc[0].sell_price))
trade_df.tail()
Out[13]:
上面ABuMarketDrawing.plot_candle_from_order返回的trade_df是这笔交易的持股周期内的金融时间序列，看第最后一条数据 2016-07-04交易日即为卖出交易日，可以发现close，high，low的价格都是一样的，这代表了在集合竞价阶段股票已经跌停，但在我们回测中默认使用的 滑点卖出类依然认为可以卖出。
类似的情况还有下面这种虽然并不是在集合竞价阶段股票涨停，但是涨停下依然使用当天最高最低均价买入，买入价格为：1.175显然也不合适，同理在非集合竞价跌停的情况下以当天的平均价格卖出也不合适。
备注：默认滑点类使用均价买入卖出，详情阅读AbuSlippageSellBase，AbuSlippageBuyBase
In [14]:
view_orders = orders_pd[(orders_pd['symbol'] == '300059') & (orders_pd['buy_date'] == 20120222)]
trade_df = ABuMarketDrawing.plot_candle_from_order(view_orders.iloc[0])
print('买入价格为：{}'.format(view_orders.iloc[0].buy_price))
trade_df.head(1)
Out[14]:
为解决上述问题abupy中有针对A股涨停和跌停的特殊装饰器封装在滑点模块中：
具体实现原理不在这里展开，效果为：
具体实现请阅读源代码AbuSlippageSellBase，AbuSlippageBuyBase。
下面的代码即将上述4个针对A股涨停和跌停的特殊设置打开：
In [15]:
from abupy import slippage
# 开启针对非集合竞价阶段的涨停，滑点买入价格以高概率在接近涨停的价格买入
slippage.sbb.g_enable_limit_up = True
# 将集合竞价阶段的涨停买入成功概率设置为0，如果设置为0.2即20%概率成功买入
slippage.sbb.g_pre_limit_up_rate = 0
# 开启针对非集合竞价阶段的跌停，滑点卖出价格以高概率在接近跌停的价格卖出
slippage.ssb.g_enable_limit_down = True
# 将集合竞价阶段的跌停卖出成功概率设置为0, 如果设置为0.2即20%概率成功卖出
slippage.ssb.g_pre_limit_down_rate = 0
其它的回测因子等设置都不变，重新使用abu.run_loop_back进行回测，代码如下：
In [16]:
abu_result_slippage, kl_pd_manger = abu.run_loop_back(read_cash,
buy_factors,
sell_factors,
n_folds=6,
choice_symbols=choice_symbols)
ABuProgress.clear_output()
In [17]:
AbuMetricsBase.show_general(*abu_result_slippage, only_show_returns=True)
Out[17]:
上面的度量显示买入后卖出的交易数量:249，之前没开启涨跌停时是252，即可知道有三笔交易由于开启了涨跌停没有进行买入，但是怎么能知道那些交易发生了变化呢?
备注：读者可尝试使用 ABU量化系统使用文档－第九节 港股市场的回测 中讲解的AbuSDBreak对上面A股交易进行回测，度量结果。
AbuOrderPdProxy是abupy中内置的针对交易单对象进行并集，交集，差集等交易单分析使用的工具，通过EOrderSameRule使用不同的判断为是否相同使用的交易单规则，更多实现详情请阅读AbuOrderPdProxy源代码，下面示例使用:
In [18]:
from abupy import AbuOrderPdProxy, EOrderSameRule
orders_pd_slippage = abu_result_slippage.orders_pd
# 通过orders_pd构造AbuOrderPdProxy
proxy = AbuOrderPdProxy(orders_pd)
with proxy.proxy_work(abu_result_slippage.orders_pd) as (order, order_slippage):
print('order == order_slippage: {}'.format(order == order_slippage))
print('order > order_slippage: {}'.format(order > order_slippage))
diff_a = order - order_slippage
diff_b = order_slippage - order
下面对比一下两个差集的第一个数据，可以发现不同点是买入价格：
备注：读者可以输出diff_a，diff_b自行一个一个对比一下看看，这里不再详对
In [19]:
diff_a.head(1)
Out[19]:
In [20]:
diff_b.head(1)
Out[20]:
下面通过EOrderSameRule.ORDER_SAME_BD做为AbuOrderPdProxy的参数，这样构造的AbuOrderPdProxy即切换了对交易单相同的规则：
class EOrderSameRule(Enum):
"""对order_pd中对order判断为是否相同使用的规则"""
"""order有相同的symbol和买入日期就认为是相同"""
ORDER_SAME_BD = 0
"""order有相同的symbol, 买入日期，和卖出日期，即不考虑价格，只要日期相同就相同"""
ORDER_SAME_BSD = 1
"""order有相同的symbol, 买入日期，相同的买入价格，即单子买入时刻都相同"""
ORDER_SAME_BDP = 2
"""order有相同的symbol, 买入日期, 买入价格, 并且相同的卖出日期和价格才认为是相同，即买入卖出时刻都相同"""
ORDER_SAME_BSPD = 3
使用相同的symbol和买入日期就认为是相同的规则，结果如下：
In [21]:
proxy = AbuOrderPdProxy(orders_pd, EOrderSameRule.ORDER_SAME_BD)
with proxy.proxy_work(abu_result_slippage.orders_pd) as (order, order_slippage):
diff_c = order - order_slippage
diff_c
Out[21]:
In [22]:
ABuSymbolPd.make_kl_df('601766', start='20150417', end='20150417')
Out[22]:
In [23]:
ABuSymbolPd.make_kl_df('300104', start='20131009', end='20131009')
Out[23]:
可以看到diff_c中展示的三个交易单都是在集合竞价阶段已涨停了的股票交易，在开启了涨跌停控制后这三笔交易都没有进行买入。
如上述使用的AbuOrderPdProxy等工具，abupy不仅仅提供了对交易进行回测的功能，有许多分析，统计，机器学习，以及可视化工具在项目中可以帮助你分析策略，分析回测结果，以及为产生新的策略产生基础阀值等功能，在之后的教程中将陆续讲解使用以及示例。
abu量化系统文档教程持续更新中，请关注公众号中的更新提醒。
更多关于量化交易相关请阅读《量化交易之路》
更多关于量化交易与机器学习相关请阅读《机器学习之路》
更多关于abu量化系统请关注微信公众号: abu_quant
如有任何问题也可在公众号中联系我的个人微信号。