需从hikyuu.interactive引入,而不是直接从hikyuu库中引入(hikyuu是一个库,可用于编制其他的工具,而hikyuu.interactive.interactive是基于hikyuu库实现的交互式探索工具)
%matplotlib inline
%time from hikyuu.interactive import *
#use_draw_engine('echarts') #use_draw_engine('matplotlib') #默认为'matplotlib'绘图
warning: can't import TA-Lib, will be ignored! You can fetch ta-lib from https://www.lfd.uci.edu/~gohlke/pythonlibs/#ta-lib std::cout are redirected to python::stdout std::cerr are redirected to python::stderr 2023-10-14 02:20:24.982 [HKU-I] - Using SQLITE3 BaseInfoDriver (BaseInfoDriver.cpp:58) 2023-10-14 02:20:24.982 [HKU-I] - Loading market information... (StockManager.cpp:499) 2023-10-14 02:20:24.983 [HKU-I] - Loading stock type information... (StockManager.cpp:512) 2023-10-14 02:20:24.983 [HKU-I] - Loading stock information... (StockManager.cpp:426) 2023-10-14 02:20:25.036 [HKU-I] - Loading stock weight... (StockManager.cpp:529) 2023-10-14 02:20:25.430 [HKU-I] - Loading KData... (StockManager.cpp:134) 2023-10-14 02:20:25.434 [HKU-I] - Preloading all day kdata to buffer! (StockManager.cpp:157) 2023-10-14 02:20:25.435 [HKU-I] - Preloading all week kdata to buffer! (StockManager.cpp:160) 2023-10-14 02:20:25.435 [HKU-I] - Preloading all month kdata to buffer! (StockManager.cpp:163) 2023-10-14 02:20:25.449 [HKU-I] - 0.02s Loaded Data. (StockManager.cpp:145) Wall time: 1.15 s
#创建模拟交易账户进行回测,初始资金30万
my_tm = crtTM(init_cash = 300000)
#创建信号指示器(以5日EMA为快线,5日EMA自身的10日EMA作为慢线,快线向上穿越慢线时买入,反之卖出)
my_sg = SG_Flex(EMA(C, 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))
#绘制系统信号
sys.plot()
k = sm['sz000001'].get_kdata(Query(-150))
c = CLOSE(k)
fast = EMA(c, 5)
slow = EMA(fast, 10)
#绘制信号指示器使用两个指标
fast.plot(new=False)
slow.plot(new=False)
#绘制资金收益曲线
x = my_tm.get_profit_curve(k.get_datetime_list(), Query.DAY)
x = PRICELIST(x)
x.plot()
#回测统计
from datetime import datetime
per = Performance()
print(per.report(my_tm, Datetime(datetime.today())))
帐户初始金额: 300000.00 累计投入本金: 300000.00 累计投入资产: 0.00 累计借入现金: 0.00 累计借入资产: 0.00 累计红利: 0.00 现金余额: 299050.00 未平仓头寸净值: 0.00 当前总资产: 299050.00 已平仓交易总成本: 0.00 已平仓净利润总额: -950.00 单笔交易最大占用现金比例%: 4.32 交易平均占用现金比例%: 3.99 已平仓帐户收益率%: -0.32 帐户年复合收益率%: -0.64 帐户平均年收益率%: -0.65 赢利交易赢利总额: 160.00 亏损交易亏损总额: -1110.00 已平仓交易总数: 6.00 赢利交易数: 2.00 亏损交易数: 4.00 赢利交易比例%: 33.33 赢利期望值: -158.33 赢利交易平均赢利: 80.00 亏损交易平均亏损: -277.50 平均赢利/平均亏损比例: 0.29 净赢利/亏损比例: 0.14 最大单笔赢利: 120.00 最大单笔亏损: -450.00 赢利交易平均持仓时间: 10.50 赢利交易最大持仓时间: 20.00 亏损交易平均持仓时间: 4.50 亏损交易最大持仓时间: 9.00 空仓总时间: 141.00 空仓时间/总时间%: 78.00 平均空仓时间: 23.00 最长空仓时间: 60.00 最大连续赢利笔数: 2.00 最大连续亏损笔数: 1.00 最大连续赢利金额: 160.00 最大连续亏损金额: -990.00 R乘数期望值: -0.01 交易机会频率/年: 12.23 年度期望R乘数: -0.12 赢利交易平均R乘数: 0.00 亏损交易平均R乘数: -0.02 最大单笔赢利R乘数: 0.01 最大单笔亏损R乘数: -0.03 最大连续赢利R乘数: 0.00 最大连续亏损R乘数: -0.08
经常有人问到性能问题,下面这段的代码使用之前的系统示例,遍历指定板块的所有股票,计算他们的“盈利交易比例%”(即胜率)。
def test_func(stock, query):
"""计算指定stock的系统策略胜率,系统策略为之前的简单双均线交叉系统(每次固定买入100股)
"""
#创建模拟交易账户进行回测,初始资金30万
my_tm = crtTM(init_cash = 1000000)
#创建信号指示器(以5日EMA为快线,5日EMA自身的10日EMA作为慢线,快线向上穿越慢线时买入,反之卖出)
my_sg = SG_Flex(EMA(C, n=5), slow_n=10)
#固定每次买入1000股
my_mm = MM_FixedCount(100)
#创建交易系统并运行
sys = SYS_Simple(tm = my_tm, sg = my_sg, mm = my_mm)
sys.run(stock, query)
per = Performance()
per.statistics(my_tm, Datetime(datetime.today()))
return per["赢利交易比例%".encode('gb2312')]
def total_func(blk, query):
"""遍历指定板块的所有的股票,计算系统胜率"""
result = {}
for s in blk:
if s.valid and s.type != constant.STOCKTYPE_INDEX:
result[s.name] = test_func(s, query)
return result
遍历所有当前有效且并非指数的证券。下面是我的机器执行结果,共计算4151支证券,最近500个交易日,共耗时2.89秒。机器配置:Intel i7-4700HQ 2.G。
%time a = total_func(sm, Query(-500))
len(a)
Wall time: 16 s
6055