AmazingQuant——为交易而生的智能投研Lab。包含策略组合研究服务、量化数据服务、指标计算服务、绩效分析服.zip

# AmazingQuant<br> [](https://github.com/zhanggao2013/AmazingQuant/watchers) [](https://github.com/zhanggao2013/AmazingQuant/stargazers) [](https://github.com/zhanggao2013/AmazingQuant/fork) # 1.简介 AmazingaQuant——为交易而生的智能投研Lab。包含量化数据服务、因子计算服务、策略模型研究服务、绩效分析服务四大功能模块。 <br/>  <br/> 1.1 量化数据服务 <br/> 建立数据服务中台，数据聚集和清洗完成。<br/> 1.1.1 历史数据存储 <br/> （1）基础行情数据 <br/> 　　tick、1min、5min、日线等周期的股票、指数 <br/> （2）基本面数据 <br/> 　　财务数据 <br/> 　　股本数据 <br/> （3）行情衍生数据 <br/> 　　龙虎榜数据 <br/> 　　指数成分股数据 <br/> 　　行业板块成分股数据 <br/> 　　行业指数日线行情数据 <br/> 1.1.2 实时行情对接 <br/> （1）股票、指数的tick数据实时全推行情 <br/> （2）重采样为1min、5min、日线等三个周期数据 <br/> 1.2 因子计算服务 <br/> 　　历史指标计算满足策略研究，实时指标计算满足实盘交易<br/> （1）日线、周线、月线、年线周期等低频指标的历史数据计算，固定存储为HDF5格式， <br/> （2）分钟、tick周期等高频数据指标计算，历史数据计算和实时指标计算两部分 <br/> 1.3 策略研究服务 <br/> 　　四大策略体系的研究体系<br/> （1）选股体系<br/> 　　中低频组合选股模型、强势短线模型<br/> （2）风险预警体系<br/> 　　事件风险等建立黑白名单模型<br/> （3）择时体系<br/> 　　仓位控制择时、行业风格轮动<br/> （4）T+0体系<br/> 　 全市场股票分类（活跃型与稳定型），做T0模型 <br/> 1.4 绩效分析服务 <br/> 　　回测数据格式对接，满足策略研究的评价；实盘数据格式对接，满足实盘运行的监控。 <br/> 1.4.1 净值数据分析 <br/> 1.4.2 交易数据分析 <br/> 1.4.3 持仓数据分析 <br/> 1.4.4 绩效归因 <br/> （1）多因子归因 <br/> 　　投资收益分为每个风格（行业）因子收益、特殊收益、日内调仓收益 <br/> （2）brinson归因 <br/> 　　投资收益分为基准收益和超额收益，其中超额收益分为：资产配置收益、个股选择收益和交互收益<br/> （3）收益分解 <br/> 　　市场中性策略,基本分解公式为：总收益=交易收益+选股收益+择时收益+基差收益+交易成本 <br/> 　　纯股票策略,基本分解公式为：总收益=交易收益+选股收益+择时收益+基准收益+交易成本 <br/> 下图是总体框架架构。 <br/>  * data_center * api_source 数据从数据源保存到本地的数据存储模块 * api_data 策略中从本地数据库中取数据的接口模块 * trade_center * mossion_engine 包含下单任务（event_order）和风控（event_risk_management）两部分的engine，分别完成下单前的检查和风控 * broker_engine 分为回测时的simulate的broker（主要是event_deal）撮合成交和连接实盘交易CTP、xSpeed等接口两部分 * strategy_center * bar_engine 在回测或者交易模式下，用`逐K线`的方式执行每一根bar的交易逻辑，可在日线、分钟线、分笔下运行 * analysis_center * analysis_engine 对回测形成的交易记录进行分析和可视化，净值、年化收益、alpha、beta、回撤等指标，brison、Fama等经典模型的实现 * strategy_model * multi_factor 多因子选股模块，包含单因子检测、大类因子合成和组合优化 # 2.安装配置 * talib <br> 技术指标计算库 * anaconda <br> python 3.5 的版本，如果大于3.5的版本，ctp的接口暂时不能用，因为编译问题，后续可以解决 * Linux Ubuntu <br> 开发环境是ubuntu，当然也可以在windows下用 * 安装AmazingQuant pip install AmazingQuant 直接安装 # 3.策略编写 ```python # -*- coding: utf-8 -*- # ------------------------------ # @Time : 2019/11/14 # @Author : gao # @File : example_strategy.py.py # @Project : AmazingQuant # ------------------------------ import time from AmazingQuant.utils.performance_test import Timer # import strategy基类 from AmazingQuant.strategy_center.strategy import * # 取各种数据 from AmazingQuant.data_center.api_data.get_index_member import GetIndexMember from AmazingQuant.factor_center.save_get_indicator import SaveGetIndicator from AmazingQuant.utils.logger import Logger from AmazingQuant.environment import Environment # 继承strategy基类 class MaStrategy(StrategyBase): def __init__(self, strategy_name='ma_strategy'): """ 用户定义类变量 取本地数据 :param strategy_name: """ super().__init__(strategy_name=strategy_name) # 取指数成分股实例 self.index_member_obj = GetIndexMember() # 取K线数据实例 self.data_class = GetKlineData() # 取指标实例 self.indicator = SaveGetIndicator() # 取指标数据 self.ma5 = self.indicator.get_indicator('ma5') self.ma10 = self.indicator.get_indicator('ma10') self.now = time.time() Environment.logger = Logger(strategy_name) def initialize(self): # 设置运行模式，回测或者交易 self.run_mode = RunMode.BACKTESTING.value # 设置回测资金账号 self.account = ['test0'] # 设置回测资金账号资金量 self.capital = {'test0': 2000000} # 设置回测基准 self.benchmark = '000300.SH' # 设置复权方式 self.rights_adjustment = RightsAdjustment.FROWARD.value # 设置回测起止时间 self.start = datetime(2018, 1, 1) self.end = datetime(2019, 1, 1) # 设置运行周期 self.period = 'daily' self.index_member_obj.get_all_index_members() index_members_all = self.index_member_obj.get_index_members('000300.SH') print('index_members_all', len(index_members_all)) self.universe = index_members_all # 设置在运行前是否缓存日线，分钟线等各个周期数据 self.daily_data_cache = True Environment.logger.info(self.universe) # 回测滑点设置，按固定值0.01,20-0.01 = 19.99;百分比0.01,20*(1-0.01) = 19.98;平仓时用'+' self.set_slippage(stock_type=StockType.STOCK.value, slippage_type=SlippageType.SLIPPAGE_FIX.value, value=0.01) # 回测股票手续费和印花税，卖出印花税，千分之一；开仓手续费，万分之三；平仓手续费，万分之三，最低手续费，５元 # 沪市，卖出有万分之二的过户费，加入到卖出手续费 self.set_commission(stock_type=StockType.STOCK_SH.value, tax=0.001, open_commission=0.0003, close_commission=0.00032, close_today_commission=0, min_commission=5) # 深市不加过户费 self.set_commission(stock_type=StockType.STOCK_SZ.value, tax=0.001, open_commission=0.0003, close_commission=0.0003, close_today_commission=0, min_commission=5) def handle_bar(self, event): Environment.logger.info('self.time_tag', self.time_tag, datetime.now(), (time.time() - self.now) * 10