VNPY 批量優化引數，並輸出到excel

張國平發表於2018-06-26
優化Excel
VNPY中，優化引數也經常要批量去做，一個是一組不同策略批量對一個品種優化，還有一個策略對應不同憑證，下面是原始碼，放在example\CtaBacktesting資料夾下面，主要是參考了原來的優化程式碼。

還有就是輸出時候，由於優化的時候，結果可能很多，預設輸出30個到excel。


點選(此處)摺疊或開啟

  1. # encoding: UTF-8

  3. import pandas as pd
  4. from vnpy.trader.app.ctaStrategy.ctaBacktesting import BacktestingEngine, MINUTE_DB_NAME, OptimizationSetting
  5. from vnpy.trader.app.ctaStrategy.strategy.strategyBollChannel import BollChannelStrategy


  8. class BatchOptimization(object):
  9.     def __init__(self):
  10.         ""
  11.     def calculateBacktesting(self,symbollist,strategylist, sort = 'totalNetPnl'):
  12.         #填入品種佇列和策略佇列，返回結果resultlist, 為了輸出方便檢索，加入品種名稱，策略名稱和策略引數
  13.         resultlist = []
  14.         for symbol in symbollist:
  15.             for strategy in strategylist:
  16.                 result = self.runBacktesting(symbol,strategy,sort)
  17.                 #加入品種名稱，策略名稱和策略引數
  18.                 if isinstance(result,dict):
  19.                     #如果返回的是dict，直接加入
  20.                     result["Symbolname"] = str(symbol["vtSymbol"])
  21.                     result["strategyname"] = str(strategy[0])
  22.                     result["strategysetting"] = str(strategy[1])
  23.                     resultlist.append(result)
  24.                 else:
  25.                     # 發現優化回來的是一個包含元組的佇列，元組有三個組成，第一個排策略引數，第二個回測目標的值，第三策略引數全部執行結果。
  26.                     # 這裡我們要的就是第三個,先插入這個dict，在dict插入symbolname，和strategysetting
  27.                     for resultraw in result:
  28.                         resultlist.append(resultraw[2])
  29.                         resultlist[-1]["Symbolname"] = str(symbol["vtSymbol"])
  30.                         resultlist[-1]["strategysetting"] = str(resultraw[0])
  31.         return resultlist


  34.     def runBacktesting(self, symbol, strategy, sort):
  35.         #寫入測試品種和引數, 返回回測資料集包含回測結果

  37.         # 在引擎中建立策略物件
  38.         # 建立回測引擎
  39.         engine = BacktestingEngine()
  40.         # 設定引擎的回測模式為K線
  41.         engine.setBacktestingMode(engine.BAR_MODE)
  42.         # 設定回測用的資料起始日期
  43.         engine.setStartDate(symbol["StartDate"])
  44.         engine.setSlippage(symbol["Slippage"]) # 1跳
  45.         engine.setRate(symbol["Rate"]) # 佣金大小
  46.         engine.setSize(symbol["Size"]) # 合約大小
  47.         engine.setPriceTick(symbol["Slippage"]) # 最小价格變動
  48.         engine.setCapital(symbol["Capital"])

  50.         # 設定使用的歷史資料庫
  51.         engine.setDatabase(MINUTE_DB_NAME, symbol["vtSymbol"])

  53.         #呼叫優化方法，可以整合優化測試
  54.         setting = OptimizationSetting() # 新建一個優化任務設定物件
  55.         setting.setOptimizeTarget(sort) # 設定優化排序的目標是策略淨盈利
  56.         print strategy[1]
  57.         for settingKey in strategy[1]:
  58.             if isinstance(strategy[1][settingKey], tuple):
  59.                 setting.addParameter(settingKey,strategy[1][settingKey][0],strategy[1][settingKey][1],strategy[1][settingKey][2])
  60.             else:
  61.                 setting.addParameter(settingKey,strategy[1][settingKey])
  62.         #
  63.         optimizationresult = engine.runParallelOptimization(strategy[0], setting)

  65.         engine.output(u'輸出統計資料')
  66.         # 如果是使用優化模式，這裡返回的是策略回測的dict的list，如果普通回測就是單個dict
  67.         # 如果大於30 ，就返回三十之內，否則全部
  68.         if len(optimizationresult) > 30:
  69.             return optimizationresult[:30]
  70.         else:
  71.             return optimizationresult

  73.     def toExcel(self, resultlist, path = "C:\data\datframe.xlsx"):
  74.         #按照輸入統計資料佇列和路徑，輸出excel，這裡不提供新增模式，如果想，可以改
  75.         #dft.to_csv(path,index=False,header=True, mode = 'a')
  76.         summayKey = resultlist[0].keys()
  77.         # summayValue = result.values()

  79.         dft = pd.DataFrame(columns=summayKey)
  80.         for result_ in resultlist:
  81.             new = pd.DataFrame(result_, index=["0"])
  82.             dft = dft.append(new,ignore_index=True)
  83.         dft.to_excel(path,index=False,header=True)
  84.         print "回測統計結果輸出到" + path

  86. if __name__ == "__main__":
  87.     #建立品種佇列，這裡可以用json匯入，為了方便使用直接寫了。
  88.     symbollist = [{
  89.         "vtSymbol": 'm1809',
  90.         "StartDate": "20180101",
  91.         "Slippage": 1,
  92.         "Size": 10,
  93.         "Rate": 2 / 10000,
  94.         "Capital": 10000
  95.             },
  96.         {
  97.             "vtSymbol": 'rb1810',
  98.             "StartDate": "20180101",
  99.             "Slippage": 1,
  100.             "Size": 10,
  101.             "Rate": 2 / 10000,
  102.             "Capital": 10000
  103.         }
  104.     ]

  106.     # 這裡是同一個策略，不同引數的情況，當然可以有多個策略和多個引數組合
  107.     Strategylist2 = []
  108.     # 策略list,如果是元組，那麼就是三個，按照第一個初始，第二個結束，第三個步進
  109.     settinglist =[
  110.         {'bollWindow': (10,20,2)}]
  111.     # 合併一個元組
  112.     if settinglist != []:
  113.         for para1 in settinglist:
  114.             Strategylist2.append((BollChannelStrategy, para1))

  116.     NT = BatchOptimization()
  117.     resultlist = NT.calculateBacktesting(symbollist,Strategylist2,sort = 'totalNetPnl')
  118.     #定義路徑
  119.     path = "C:\Project\OptimizationResult.xlsx"
  120.     NT.toExcel(resultlist,path)

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/22259926/viewspace-2156701/，如需轉載，請註明出處，否則將追究法律責任。

相關文章