leo-xxx / -quartz

量化回测框架

-quartz

量化回测框架 例程：

from quantify.core import StrategyBase
import pandas as pd
from pylab import *
核心类库引用 引入pandas 如果需要可视化结果 需要引入pylab库

继承策略类

class mystrategy(StrategyBase):

#重写策略主函数  默认每个交易日调用一次

def handle_data(self):

    #实现策略代码 
    
    data=pd.DataFrame()
    last_data=self.get_last_data() 
    
    #调用get_last_data()方法可以获得当前回测日期的历史数据 数据长度由参数定义
    
    ls=last_data[last_data['secID']=='600006.XSHG']  
    
    #get_last_Data()返回的是历史数据的pandas数据格式 
    
    m1=np.array(pd.rolling_mean(ls['closePrice'],5)) 
    
    #计算5日均线
    
    m2=np.array(pd.rolling_mean(ls['closePrice'],15)) 
    
    #计算10日均线
    


    if isnan(m1[-1]) or isnan(m2[-1]) :  #排除空值
        pass
    else:
        if m1[-1]>m2[-1] and m1[-2]<m2[-2]:    #金叉
            res=self.order('600006.XSHG',100000)   #买入600006 100000 股
        if m1[-1]<m2[-1] and m1[-2]>m2[-2]:   #死叉
            res=self.order('600006.XSHG',-100000)  #卖出 600006 100000股
        print self.account.referencePortfolioValue   
    #print self.botter

if name == 'main':

my=mystrategy(start='2011-01-01',end='2015-01-01',hist=30,banchmark='HS300',universe='A',capital_base=10000000,commission=[0.001,0.002],slippage=0)#初始化策略类
my.run()#执行回测
#start 开始日期
#end 结束日期
#hist 历史数据长度
#banchmark 业绩基准
#universe 股票池
#capital_base 初始金额
#commission 交易手续费
#slippage 滑点