# qteasy **Repository Path**: c2c4/qteasy ## Basic Information - **Project Name**: qteasy - **Description**: a python-based fast quantitative investment module 一个简单易用，功能全面的量化交易研究工具包 - **Primary Language**: Python - **License**: BSD-3-Clause - **Default Branch**: master - **Homepage**: http://qteasy.readthedocs.io - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 4 - **Created**: 2026-09-04 - **Last Updated**: 2026-09-04 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README ![png](https://raw.githubusercontent.com/shepherdpp/qteasy/master/docs/source/img/qteasy_logo_horizontal.png) # `qteasy` -- 一个本地化、灵活易用的高效量化投资工具包 ![PyPI](https://img.shields.io/pypi/v/qteasy) ![PyPI - Wheel](https://img.shields.io/pypi/wheel/qteasy) [![Build Status](https://app.travis-ci.com/shepherdpp/qteasy.svg?branch=master)](https://app.travis-ci.com/shepherdpp/qteasy) [![Documentation Status](https://readthedocs.org/projects/qteasy/badge/?version=latest)](https://qteasy.readthedocs.io/zh-cn/latest/) ![GitHub](https://img.shields.io/github/license/shepherdpp/qteasy) ![GitHub repo size](https://img.shields.io/github/repo-size/shepherdpp/qteasy) ![GitHub code size in bytes](https://img.shields.io/github/languages/code-size/shepherdpp/qteasy) ![GitHub top language](https://img.shields.io/github/languages/top/shepherdpp/qteasy) ![PyPI - Implementation](https://img.shields.io/pypi/implementation/qteasy) ![PyPI - Python Version](https://img.shields.io/pypi/pyversions/qteasy) ![GitHub branch checks state](https://img.shields.io/github/checks-status/shepherdpp/qteasy/master) ![GitHub commit activity](https://img.shields.io/github/commit-activity/m/shepherdpp/qteasy) ![GitHub issues](https://img.shields.io/github/issues/shepherdpp/qteasy) ![GitHub last commit](https://img.shields.io/github/last-commit/shepherdpp/qteasy) ![GitHub contributors](https://img.shields.io/github/contributors/shepherdpp/qteasy) ![PyPI - Downloads](https://img.shields.io/pypi/dm/qteasy) ![PyPI - Downloads](https://img.shields.io/pypi/dw/qteasy) ![GitHub Repo stars](https://img.shields.io/github/stars/shepherdpp/qteasy?style=social) ![GitHub forks](https://img.shields.io/github/forks/shepherdpp/qteasy?style=social) ![GitHub watchers](https://img.shields.io/github/watchers/shepherdpp/qteasy?style=social) ![GitHub followers](https://img.shields.io/github/followers/shepherdpp?style=social) ![GitHub Sponsors](https://img.shields.io/github/sponsors/shepherdpp?style=social) - [关于 qteasy](#关于qteasy) - [为什么用 qteasy？——量化人关心的几点](#为什么用-qteasy量化人关心的几点) - [qteasy 能做什么](#qteasy能做什么) - [安装](#安装) - [可选：qteasy-ai（AI 编排外壳）](#可选qteasy-aiai-编排外壳) - [文档](#文档) - [10分钟了解 qteasy 的功能](#10分钟了解-qteasy-的功能) - [初始配置——本地数据源](#配置本地数据源) - [下载股票价格并可视化](#下载金融历史数据) - [创建投资策略](#创建一个投资策略) - [投资策略的回测和评价](#回测并评价交易策略的性能表现) - [投资策略的优化](#交易策略的参数调优) - [投资策略的实盘运行](#部署并开始交易策略的实盘运行) > Note: > > `qteasy`已经升级到2.0版本，使得交易策略能更加灵活有效地使用历史数据、同时简化了交易策略的定义过程、提高了效率。 > 由于`qteasy`仍处于测试中，软件中不免存在一些漏洞和bug，如果大家使用中出现问题，欢迎[Issue-报告bug](https://github.com/shepherdpp/qteasy/issues/new?assignees=&labels=&projects=&template=bug-report---bug报告.md&title=)或者[提交新功能需求](https://github.com/shepherdpp/qteasy/issues/new?assignees=&labels=&projects=&template=feature-request---新功能需求.md&title=)给我，也可以进入[讨论区](https://github.com/shepherdpp/qteasy/discussions)参与讨论。也欢迎各位贡献代码！ > > 我会尽快修复问题并回复大家的问题。 ## 关于`qteasy` - 作者: **Jackie PENG** - email: *jackie_pengzhao@163.com* - Created: 2019, July, 16 - Latest Version: `2.6.4` — [发布历史](https://qteasy.readthedocs.io/zh-cn/latest/RELEASE_HISTORY.html) - Document: [简体中文](https://qteasy.readthedocs.io/zh-cn/latest/) · [English](https://qteasy.readthedocs.io/en/latest/) · [Deutsch](https://qteasy.readthedocs.io/de/latest/) · [Français](https://qteasy.readthedocs.io/fr/latest/) · [Español](https://qteasy.readthedocs.io/es/latest/) · [繁體中文](https://qteasy.readthedocs.io/zh-tw/latest/) · [日本語](https://qteasy.readthedocs.io/ja/latest/) - License: BSD 3-Clause License `qteasy`是为量化交易人员开发的一套量化交易工具包，特点如下： 1. **全流程本地化**：数据、回测、优化、模拟均在本地，与云平台相比隐私与可控性更好，与多数开源框架比“数据→策略→回测→实盘”一体化程度高。 2. **回测可信与实盘一致**：严格“当时可见”数据注入、同一套策略逻辑用于回测与实盘，降低“回测漂亮、实盘走样”的风险。 3. **向量化 + 数据隔离**：以高速向量化回测为目标，但摒弃全时间轴一次性算指标，改用数据提前打包装配 + 按步注入数据窗口的方式——每步策略仅能访问该步对应的历史窗口，与实盘“当时能看到的数据”一致，从机制上避免未来函数；在保证正确性的前提下兼顾速度。 4. **精细交易与数据建模**：支持 T+1 交割、交易费用、MOQ、交割队列等；use_latest_data_cycle 显式控制「是否使用交易当时的最新数据」，该细节在长期回测中会对收益产生显著影响，qteasy 将其作为可配置项而非隐式假设。 5. **易用与灵活兼顾**：内置 70+ 策略、积木式多策略组合、参数可调与多优化算法；用户只需在 realize() 中 get_data() 取数并计算信号，窗口与时间对齐由框架负责，降低误用未来数据的可能。 6. **国内市场友好**：`Tushare`、A 股/指数/基金、计划 `QMT`，与 `Backtrader`/`Zipline` 等偏美股/国际的定位形成差异。 **设计理念**：qteasy 坚持本地化与可复现——你的数据在本地、策略逻辑统一用于回测与实盘、每个时点只用当时已可用的数据驱动决策，让回测结果更可信，从研究到实盘的过渡更顺畅。 ## 为什么用 qteasy？——量化人关心的几点 - **回测结果可信，避免未来函数** 系统在回测时严格按「每个时点当时能看到的」历史数据驱动策略，策略无法触及未来数据，从机制上杜绝无意中的未来函数，回测结果更可信。 - **回测与实盘同一套逻辑** 你写的策略逻辑既用于历史回测，也用于实盘或模拟盘，不换引擎、不换数据接口，减少「回测很好、实盘走样」的常见落差。 - **多策略像搭积木，信号可配置合并** 可以把多个策略组合在一起，并选择如何把各策略的信号合并成最终交易信号（例如加权平均、取交集等），方便做多策略、多周期组合。 - **参数更灵活，不同标的可用不同参数** 同一套策略可以为不同股票或标的设置不同参数（例如不同股票用不同均线周期），并支持多种优化算法在历史数据上搜索更稳健的参数组合。 - **回测和优化效率极高** 回测核心以 NumPy + Numba 实现，标的维向量化、时间维顺序，支持多进程并行优化，回测和优化效率极高。 - **全流程本地、可复现** 数据获取与存储、回测、参数优化、实盘/模拟运行均在本地完成，配置清晰，便于复现结果和排查问题。 **高性能回测与设计特点**：回测与交易计算采用向量化 + Numba（`backtest_step`、`backtest_batch_steps`、`backtest_flash_steps` 等），时间维顺序以支持 T+1/交割等状态，标的维在单步内向量化；多组参数优化通过多进程并行。**防未来函数**由机制保证：每步仅向策略注入当时可见的数据窗口，策略在 `realize()` 中 `get_data()` 取到的仅是该步窗口，从根源上避免无意中使用未来数据。详见文档 [回测引擎与性能](https://qteasy.readthedocs.io/zh-cn/latest/back_testing/6.%20backtest_engine_and_performance.html)、[设计初衷与独特优势](https://qteasy.readthedocs.io/zh-cn/latest/design/08-design-rationale-and-advantages.html)。 | 对比项 | qteasy | Backtrader | VectorBT | |------------------|--------|------------|----------| | 回测引擎 | 时间顺序 + 标的向量化 + Numba | 事件驱动（逐 bar） | 全时间轴矩阵广播 | | 防未来函数 | 内置（按步数据窗口注入） | 需自行保证 | 多简化资金/规则 | | 国内数据/实盘 | Tushare、计划 QMT | 需自接；有 IB 等 | 无国内默认数据与实盘 | ### 2.0 版本亮点 2.0 在保持上述特性的基础上，进一步带来：更灵活的策略参数设置；多策略可按不同运行频率与运行时机组合；策略可同时使用多种时间周期与数据窗口；更多优化算法与更丰富的评估指标；支持追踪策略内部行为，便于排查与调试。更多变更说明见 [2.0 迁移指南](https://qteasy.readthedocs.io/zh-cn/latest/) 及文档中的「架构与设计」章节。 ## `qteasy`能做什么？ ### **获取并管理金融历史数据**: - 方便地从多渠道获取大量金融历史数据，进行数据清洗后以统一格式进行本地存储 - 通过`DataType`对象结构化管理金融数据中的可用信息，即便是复权价格、指数成份等复杂信息，也只需要一行代码即可获取 - 基于`HistoryPanel` 三维历史数据面板统一管理多标的 / 多数据类型，直接在其上完成统计、滚动窗口、收益 / 波动率、K 线技术指标与蜡烛形态识别等计算 - 基于`DataType` / `HistoryPanel` 的金融数据可视化、统计分析以及分析结果可视化 - 数据本地存储、按需取用，为回测与实盘提供一致的数据基础，便于复现 ![png](https://raw.githubusercontent.com/shepherdpp/qteasy/master/docs/source/img/output_5_2.png) ### **以简单、安全的方式创建交易策略** - 通过`BaseStrategy`类，交易策略定义方法直观、逻辑清晰 - 内置超过70种策略开箱即用，独特的策略混合和组机制，复杂策略可以通过简单策略拼装而来，过程如同搭积木 - 交易策略的数据输入和使用方法完全封装且安全，完全避免无意中导致未来函数、数据泄露等问题，保证策略运行结果的真实性和可靠性 - 同一套策略逻辑既用于回测也用于实盘，减少「回测漂亮、实盘走样」的落差 ![png](https://raw.githubusercontent.com/shepherdpp/qteasy/master/docs/source/img/output_14_3.png) ### **交易策略的回测评价、优化和模拟自动化交易** - 通过`Operator`交易员类管理策略运行，按照真实市场交易节奏回测策略，对交易结果进行多维度全方位评价，生成交易报告和结果图表 - 提供多种优化算法，包括模拟退火、遗传算法、贝叶斯优化等在大参数空间中优化策略性能 - 获取实时市场数据，运行策略模拟自动化交易，跟踪记录交易日志、股票持仓、账户资金变化等信息 - 回测、优化与实盘使用同一套运行机制，写一次策略即可全模式运行，配置清晰，便于复现与排查 - 未来将通过QMT接口接入券商提供的实盘交易接口，实现自动化交易 ![png](https://raw.githubusercontent.com/shepherdpp/qteasy/master/docs/source/examples/img/trader_app_1.png) ![png](https://raw.githubusercontent.com/shepherdpp/qteasy/master/docs/source/examples/img/trader_app_2.png) ![png](https://raw.githubusercontent.com/shepherdpp/qteasy/master/docs/source/examples/img/trader_app_light_theme.png) ## 安装 ```bash $ pip install qteasy ``` ## 可选：qteasy-ai（AI 编排外壳） 自 **2026-08** 起，自然语言 **Ask / Plan / Run** 编排层已剥离为独立开源项目 **[qteasy-ai](https://github.com/shepherdpp/qteasy-ai)**（PyPI：`qteasy-ai`）。**qteasy 2.6.0 主线不包含 AI 模块**；需要 CLI、Notebook magic 或 skills 编排时，请额外安装： ```bash pip install qteasy>=2.6.0 pip install qteasy-ai ``` - **依赖关系**：`qteasy-ai` → `qteasy`（只读调用 `get_kline`、`built_in_list` 等 API，不修改内核） - **配置**：优先环境变量 `QTEASY_AI_HOME`、`QTEASY_AI_MODEL`、`QTEASY_AI_API_KEY` 等（详见 qteasy-ai 仓库文档） - **设计文档与 quickstart**：见 [qteasy-ai/docs](https://github.com/shepherdpp/qteasy-ai/tree/main/docs) ## 文档 关于`QTEASY`系统的更多详细解释和使用方法，请参阅[QTEASY文档](https://qteasy.readthedocs.io/zh-cn/latest/)；各版本用户可见变更见 [发布历史](https://qteasy.readthedocs.io/zh-cn/latest/RELEASE_HISTORY.html)。 GitHub 上的导航门户、社区 Cookbook 与排障速查见 [Wiki](https://github.com/shepherdpp/qteasy/wiki)（教程与 API 仍以 Read the Docs 为准）。 ### python 版本 - *`python` version >= 3.9, < 3.13* ### 安装可选依赖包 `qteasy`所有必要的依赖包都可以在`pip`安装的同时安装好，但某些特殊情况下，您需要在安装时指定可选依赖包，以便在安装`qteasy`时同时安装，或者手动安装依赖包： - **`pymysql`**, 用于连接`MySQL`数据库,将本地数据存储到`MySQL`数据库 从1.4版本开始，`pymysql`和`db-utils`已经是qtesay的默认依赖包，不需要手动安装 - **`pyarrow`**, 用于操作`feather`文件，将本地数据存储为`feather`文件，`pyarrow`可以在安装`qteasy`时自动安装，也可以手动安装： ```bash $ pip install 'qteasy[feather]' # 安装qteasy时自动安装pyarrow $ pip install pyarrow # 手动安装pyarrow ``` - **`pytables`**, 用于操作`HDF`文件，将本地数据存储到`HDF`文件，`pytables`不能自动安装，需要使用`conda`手动安装`pytables`： ```bash $ conda install pytables # 安装pytables ``` - **`ta-lib`**, 以便使用所有的内置交易策略，下面的方法可以安装`ta-lib API`，但它还依赖C语言的`TA-Lib`包，安装方法请参考[FAQ](https://qteasy.readthedocs.io/zh-cn/latest/faq.html#id2) ```bash $ pip install 'qteasy[talib]' # 安装qteasy时自动安装ta-lib $ pip install ta-lib # 手动安装ta-lib ``` ## 10分钟了解 qteasy 的功能 下面通过一个约 10 分钟的教程，快速体验从数据到回测、优化与实盘的完整流程。 ### 导入`qteasy` 基本的模块导入方法如下 ```python import qteasy as qt qt.__version__ ``` ### 配置本地数据源 为了使用`qteasy`，需要大量的金融历史数据，所有的历史数据都必须首先保存在本地，如果本地没有历史数据，那么`qteasy`的许多功能就无法执行。 `qteasy`默认通过`tushare`金融数据包来获取金融数据，用户需要自行申请`API Token`，获取相应的权限和积分（详情参考：[Tushare 官网](https://tushare.pro/document/2)） 因此，在使用`qteasy`之前需要对`tushare`的`token`进行必要的配置。 最简单的方式是使用`qt.start_up_settings()`和`qt.update_start_up_setting()`方法： ```python qt.update_start_up_setting( tushare_token='<你的tushare_token>', local_data_source='db', # 可选项：设置本地数据源类型，db表示使用MySQL数据库，默认使用csv文件 local_db_host = '<你的数据库主机名>', # 可选项：如果使用MySQL数据库作为本地数据源，需要设置数据库的连接地址，默认localhost local_db_port = 3306, # 可选项：如果使用MySQL数据库作为本地数据源，需要设置数据库的连接端口，默认3306 local_db_user = '', # 可选项：如果使用MySQL数据库作为本地数据源，需要设置数据库的连接用户名，默认root local_db_password = '', # 可选项：如果使用MySQL数据库作为本地数据源，需要设置数据库的连接密码，默认password ) # 设置完成后，可以使用qt.start_up_settings()来查看当前的配置 qt.start_up_settings() ``` 这时可以看到当前的配置输出如下： ```text Start up settings: -------------------- tushare_token = <你的tushare token> ... ``` 请检查打印出的配置文件内容是否正确，如果正确，就可以重新导入`qteasy`，并开始正常下载和使用金融数据了。 > qteasy默认情况下将所有的金融数据以csv文件的形式保存在磁盘中，详情参见[qteasy文档数据管理](https://qteasy.readthedocs.io/zh-cn/latest/manage_data/1.%20overview.html)，如果你想把数据保存在`MySQL`数据库中，可以在配置文件中设置`local_data_source='db'`，并设置相应的数据库连接参数，如下所示： > >```python > qt.update_start_up_setting( > local_data_source='db', # 可选项：设置本地数据源类型，db表示使用MySQL数据库，默认使用csv文件 > local_db_host = '<你的数据库主机名>', # 可选项：如果使用MySQL数据库作为本地数据源，需要设置数据库的连接地址，默认localhost > local_db_port = 3306, # 可选项：如果使用MySQL数据库作为本地数据源，需要设置数据库的连接端口，默认3306 > local_db_user = '', # 可选项：如果使用MySQL数据库作为本地数据源，需要设置数据库的连接用户名，默认root > local_db_password = '', # 可选项：如果使用MySQL数据库作为本地数据源，需要设置数据库的连接密码，默认password > ) >``` ### 下载金融历史数据 要下载金融价格数据，使用`qt.refill_data_source()`函数。下面的代码下载2021及2022两年内所有股票、所有指数的日K线数据，同时下载所有的股票和基金的基本信息数据。 （根据网络速度，下载数据可能需要几十秒到几分钟的时间，如果存储为`csv`文件，将占用大约200MB的磁盘空间）： ```python qt.refill_data_source( tables=['stock_daily', # 股票的日线价格 'index_daily', # 指数的日线价格 'basics'], # 股票和基金的基本信息 start_date='20210101', # 下载数据的起止时间 end_date='20221231', ) ``` 数据下载到本地后，可以使用`qt.get_history_data()`来获取数据，如果同时获取多个股票的历史数据，每个股票的历史数据会被分别保存到一个`dict`中。 ```python qt.get_history_data(htypes='open, high, low, close', shares='000001.SZ, 000300.SH', start='20210101', end='20210115') ``` 运行上述代码会得到一个`Dict`对象，包含两个股票"000001.SZ"以及"000005.SZ"的K线数据（数据存储为`DataFrame`）： ``` {'000001.SZ': open high low close 2021-01-04 19.10 19.10 18.44 18.60 2021-01-05 18.40 18.48 17.80 18.17 2021-01-06 18.08 19.56 18.00 19.56 ... 2021-01-13 21.00 21.01 20.40 20.70 2021-01-14 20.68 20.89 19.95 20.17 2021-01-15 21.00 21.95 20.82 21.00, '000300.SH': open high low close 2021-01-04 5212.9313 5284.4343 5190.9372 5267.7181 2021-01-05 5245.8355 5368.5049 5234.3775 5368.5049 2021-01-06 5386.5144 5433.4694 5341.4304 5417.6677 ... 2021-01-13 5609.2637 5644.7195 5535.1435 5577.9711 2021-01-14 5556.2125 5568.0179 5458.6818 5470.4563 2021-01-15 5471.3910 5500.6348 5390.2737 5458.0812} ``` 除了价格数据以外，`qteasy`还可以下载并管理包括财务报表、技术指标、基本面数据等在内的大量金融数据，详情请参见[qteasy文档](https://qteasy.readthedocs.io/zh-cn/latest/manage_data/1.%20overview.html) 股票的数据下载后，使用`qt.candle()`可以显示股票数据K线图，也可以直接使用 `HistoryPanel` 在代码中对历史数据做统计与因子计算。 ```python data = qt.candle('000300.SH', start='2021-06-01', end='2021-8-01', asset_type='IDX') ``` ![png](https://raw.githubusercontent.com/shepherdpp/qteasy/master/docs/source/img/output_5_2.png) `qteasy`的K线图函数`candle`支持通过六位数股票/指数代码查询准确的证券代码，也支持通过股票、指数名称显示K线图 `qt.candle()`支持功能如下： - 显示股票、基金、期货的K线 - 显示复权价格 - 显示分钟、 周或月K线 - 显示不同移动均线以及MACD/KDJ等指标 详细的用法请参考文档，示例如下(请先使用`qt.refill_data_source()`下载相应的历史数据)： ```python # 场内基金的小时K线图 qt.candle('159601', start = '20220121', freq='h') # 沪深300指数的日K线图 qt.candle('000300', start = '20200121') # 股票的30分钟K线，复权价格 qt.candle('中国电信', start = '20211021', freq='30min', adj='b') # 期货K线，三条移动均线分别为9天、12天、26天 qt.candle('沪铜主力', start = '20211021', mav=[9, 12, 26]) # 场外基金净值曲线图，复权净值，不显示移动均线 qt.candle('000001.OF', start='20200101', asset_type='FD', adj='b', mav=[]) ``` ### 使用 HistoryPanel 操作历史数据 在掌握了基础取数之后，可以进一步使用 `HistoryPanel` 对历史数据做统计和因子计算，例如： ```python import qteasy as qt # 直接获取 HistoryPanel（三维数据：标的 × 时间 × 数据类型） hp = qt.get_history_data( htypes='open, high, low, close, vol', shares='000300.SH', start='20230101', end='20231231', as_data_frame=False, # 返回 HistoryPanel ) # 计算简单收益率和 20 日波动率 ret = hp.returns(price_htype='close', method='simple') vol = hp.volatility(window=20, price_htype='close', annualize=True) # 叠加 20 日均线和 MACD 指标 hp_ma = hp.kline.sma(window=20, price_htype='close') hp_ma_macd = hp_ma.kline.macd(price_htype='close') # 识别蜡烛形态（如锤头线） hammer = hp.candle_pattern('cdlhammer') print(hammer[hammer['000300.SH'] != 0].head()) ``` 通过 `HistoryPanel`，可以在多标的、多指标维度上统一管理和计算历史数据，然后根据需要随时切换为 `DataFrame`，与 pandas / sklearn / statsmodels 等生态工具协同使用。 ![png](https://raw.githubusercontent.com/shepherdpp/qteasy/master/docs/source/img/output_3_1.png) ![png](https://raw.githubusercontent.com/shepherdpp/qteasy/master/docs/source/img/output_7_2.png) ![png](https://raw.githubusercontent.com/shepherdpp/qteasy/master/docs/source/img/output_8_3.png) ![png](https://raw.githubusercontent.com/shepherdpp/qteasy/master/docs/source/img/output_3_4.png) ![png](https://raw.githubusercontent.com/shepherdpp/qteasy/master/docs/source/img/output_3_5.png) 生成的K线图可以是一个交互式动态K线图（请注意，K线图基于`matplotlib`绘制，在使用不同的终端时，显示功能有所区别，某些终端并不支持 动态图表，详情请参阅 [matplotlib文档](https://matplotlib.org/stable/users/explain/backends.html) 在使用动态K线图时，用户可以用鼠标和键盘控制K线图的显示范围： - 鼠标在图表上左右拖动：可以移动K线图显示更早或更晚的K线 - 鼠标滚轮在图表上滚动，可以缩小或放大K线图的显示范围 - 通过键盘左右方向键，可以移动K线图的显示范围显示更早或更晚的K线 - 通过键盘上下键，可以缩小或放大K线图的显示范围 - 在K线图上双击鼠标，可以切换不同的均线类型 - 在K线图的指标区域双击，可以切换不同的指标类型：MACD，RSI，DEMA ![gif](https://raw.githubusercontent.com/shepherdpp/qteasy/master/docs/source/img/output_dyna_plot.gif) 关于`DataSource`对象的更多详细介绍，请参见[qteasy文档](https://qteasy.readthedocs.io/zh-cn/latest/api/data_source.html) ### 创建一个投资策略并启动实盘自动化运行（模拟） ![png](https://raw.githubusercontent.com/shepherdpp/qteasy/master/docs/source/examples/img/trader_app_2.png) `qteasy`中的所有交易策略都是由`qteast.Operator`（交易员）对象来实现回测和运行的，`Operator`对象是一个策略容器，一个交易员可以同时 管理多个不同的交易策略。 `qteasy`提供了两种方式创建交易策略，详细的说明请参见使用教程： - **使用内置交易策略组合** - **通过策略类自行创建策略** #### 创建一个DMA均线择时交易策略 在这里，我们将使用一个内置的`DMA`均线择时策略来生成一个最简单的大盘择时交易系统。所有内置交易策略的清单和详细说明请参见文档。 创建`Operator`对象时传入参数：`strategies='DMA'`，可以新建一个`DMA`双均线择时交易策略。 创建好`Operator`对象后，可以用`op.info()`来查看它的信息。 ```python op = qt.Operator(strategies='dma') ``` 现在可以看到`op`中有一个交易策略，ID是`dma`，我们在`Operator`层面设置或修改策略的参数 时，都需要引用这个`ID`。 `DMA`是一个内置的均线择时策略，它通过计算股票每日收盘价的快、慢两根移动均线的差值`DMA`与其移动平均值`AMA`之间的交叉情况来确定多空或买卖点。： 使用`qt.built_in_doc()`函数可以查看`DMA`策略的详细说明，使用`qt.built_ins()`函数可以获取或者筛选需要的内置交易策略，例如： ```python qt.built_in_doc('dma') ``` 得到： ``` DMA择时策略 策略参数: s, int, 短均线周期 l, int, 长均线周期 d, int, DMA周期 信号类型: PS型: 百分比买卖交易信号 信号规则: 在下面情况下产生买入信号: 1， DMA在AMA上方时，多头区间，即DMA线自下而上穿越AMA线后，输出为1 2， DMA在AMA下方时，空头区间，即DMA线自上而下穿越AMA线后，输出为0 3， DMA与股价发生背离时的交叉信号，可信度较高 策略属性缺省值: 默认参数: (12, 26, 9) 数据类型: close 收盘价，单数据输入 窗口长度: 270 参数范围: [(10, 250), (10, 250), (8, 250)] 策略不支持参考数据，不支持交易数据 ``` 在默认情况下，策略有三个**可调参数**：`(12,26,9)`, 但我们可以给出任意大于2小于250的三个整数作为策略的参数，以适应不同交易活跃度的股票、或者适应 不同的策略运行周期。 您可以使用`qt.built_in_list()`函数查看所有内置策略的清单，并使用`qt.built_ins()`或`qt.built_in_strategies()`函数查看特定策略的详细说明。 ### 回测、评价并优化交易策略的性能表现 在`qteasy`中，交易策略中使用的任何变量都可以被定义为“可调参数”，例如dma策略中的短均线周期、长均线周期等等。 这些参数的调节范围和参数类型都是人为规定的，交易策略的性能表现受可调参数的影响。 因此，针对不同类型的股票，不同的交易风格、不同的交易周期，策略的参数可能需要被设为不同的值，同时，为了使策略性能最优化，我们也需要寻找最佳的参数组合。`qteasy`提供了策略回测功能，并多种优化算法，帮助搜索最优的策略参数，提高策略表现。 #### 交易策略的回测 `qteasy`可以使用历史数据回测策略表现并输出图表如下： ![png](https://raw.githubusercontent.com/shepherdpp/qteasy/master/docs/source/img/output_14_3.png) 使用默认参数回测刚才建立的DMA策略在历史数据上的表现，可以使用`qt.run()`。 ```python op = qt.Operator(strategies='dma') qt.configure( asset_pool='000300.SH', # 投资资产池 asset_type='IDX', # 投资资产类型 invest_cash_amounts=[100000], # 投资资金 invest_start='20220501', # 投资回测开始日期 invest_end='20221231', # 投资回测结束日期 cost_rate_buy=0.0003, # 买入费率 cost_rate_sell=0.0001, # 卖出费率 visual=True, # 打印可视化回测图表 trade_log=True, # 打印交易日志 ) res = qt.run(op, mode=1) # 历史回测模式 ``` 输出结果如下： ``` ==================================== | | | BACK TESTING RESULT | | | ==================================== qteasy running mode: 1 - History back testing time consumption for operate signal creation: 4.4 ms time consumption for operation back looping: 82.5 ms investment starts on 2022-05-05 00:00:00 ends on 2022-12-30 00:00:00 Total looped periods: 0.7 years. -------------operation summary:------------ Only non-empty shares are displayed, call "loop_result["oper_count"]" for complete operation summary Sell Cnt Buy Cnt Total Long pct Short pct Empty pct 000300.SH 6 6 12 56.4% 0.0% 43.6% Total operation fee: ¥ 257.15 total investment amount: ¥ 100,000.00 final value: ¥ 105,773.09 Total return: 5.77% Avg Yearly return: 8.95% Skewness: 0.58 Kurtosis: 3.54 Benchmark return: -3.46% Benchmark Yearly return: -5.23% ------strategy loop_results indicators------ alpha: 0.142 Beta: 1.003 Sharp ratio: 0.637 Info ratio: 0.132 250 day volatility: 0.138 Max drawdown: 11.92% peak / valley: 2022-08-17 / 2022-10-31 recovered on: Not recovered! ===========END OF REPORT============= ``` ![png](https://raw.githubusercontent.com/shepherdpp/qteasy/master/docs/source/img/output_21_1.png) #### 交易策略的参数调优 交易策略的表现与参数有关，如果输入不同的参数，策略回报相差会非常大。`qteasy`可以用多种不同的优化算法，帮助搜索最优的策略参数， 要使用策略优化功能，需要设置交易策略的优化标记`opt_tag=1`，并配置环境变量`mode=2`即可: ```python import qteasy as qt op = qt.Operator(strategies='dma') qt.configure( opti_start='20220501', # 优化区间开始日期 opti_end='20221231', # 优化区间结束日期 test_start='20220501', # 测试区间开始日期 test_end='20221231', # 测试区间结束日期 opti_sample_count=1000, # 优化样本数量 visual=True, # 打印优化结果图表 parallel=False # 不使用并行计算 ) op.set_parameter('dma', opt_tag=1) res = qt.run(op, mode=2) # 策略优化模式 ``` `qteasy`将在同一段历史数据（优化区间）上反复回测，找到结果最好的30组参数，并把这30组参数在另一段历史数据（测试区间）上进行独立测试，并显 示独立测试的结果： ```commandline ==================================== | | | OPTIMIZATION RESULT | | | ==================================== qteasy running mode: 2 - Strategy Parameter Optimization ... # 省略部分输出 # 以下是30组优化的策略参数及其结果（部分结果省略） Strategy items Sell-outs Buy-ins ttl-fee FV ROI Benchmark rtn MDD 0 (35, 69, 60) 1.0 2.0 71.45 106,828.20 6.8% -3.5% 9.5% 1 (124, 104, 18) 3.0 2.0 124.86 106,900.59 6.9% -3.5% 7.4% 2 (126, 120, 56) 1.0 1.0 72.38 107,465.86 7.5% -3.5% 7.5% ... 27 (103, 84, 70) 1.0 1.0 74.84 114,731.44 14.7% -3.5% 8.8% 28 (143, 103, 49) 1.0 1.0 74.33 116,453.26 16.5% -3.5% 4.3% 29 (129, 92, 56) 1.0 1.0 74.55 118,811.58 18.8% -3.5% 4.3% ===========END OF REPORT============= ``` ![png](https://raw.githubusercontent.com/shepherdpp/qteasy/master/docs/source/img/output_24_1.png) 将优化后的参数应用到策略中，并再次回测，可以看到结果明显提升： ```python op.set_parameter('dma', par_values=(143, 99, 32)) res = qt.run(op, mode=1) # 历史回测模式 ``` 结果如下： ![png](https://raw.githubusercontent.com/shepherdpp/qteasy/master/docs/source/img/output_26_1.png) 关于策略优化结果的更多解读、以及更多优化参数的介绍，请参见详细文档 ### 启动交易策略的实盘自动化模拟运行 在配置好`Operator`对象并设置好策略后，`qteasy`可以自动定期运行、自动盯盘、自动下载实时数据并根据策略结果生成交易指令，模拟交易过程并记录交易结果。 `Qteasy`的实盘一旦启动，就会在`terminal`中启动一个单独的线程在后台运行，运行的时机也是跟真实的股票市场一致的，股票市场收市的时候不运行，交易日早上9点15分唤醒系统开始拉取实时股价，9点半开始运行交易策略，交易策略的运行时机和运行频率在策略的属性中设置。如果策略运行的结果产生交易信号，则根据交易信号模拟挂单，挂单成交后修改响应账户资金和股票持仓，交易费用按照设置中的费率扣除。如果资金不足或持仓不足会导致交易失败，当天买入的股票同真实市场一样T+1交割，第二个交易日开始前交割完毕。 ```python # 创建一个交易策略alpha alpha = qt.get_built_in_strategy('ndayrate') # 创建一个N日股价涨幅交易策略 # 设置策略的运行参数 alpha.window_length = 20 # 数据窗口长度 alpha.sort_ascending = False # 优先选择涨幅最大的股票 alpha.condition = 'greater' # 筛选出涨幅大于某一个值的股票 alpha.ubound = 0.005 # 筛选出涨幅大于0.5%的股票 alpha.sel_count = 7 # 每次选出7支股票 # 创建一个交易员对象，运行alpha策略 op = qt.Operator(alpha) # 设置策略运行参数 # 交易股票池包括所有的银行股和家用电器股 asset_pool = qt.filter_stock_codes(industry='银行, 家用电器', exchange='SSE, SZSE') qt.configure( asset_type='E', # 交易的标的类型为股票 asset_pool=asset_pool, # 交易股票池为所有银行股和家用电器股 trade_batch_size=100, # 交易批量为100股的整数倍 sell_batch_size=1, # 卖出数量为1股的整数倍 live_trade_account_id=None, # 不指定实盘交易账户，给出账户名称并创建一个新的账户 live_trade_account_name='new_account', # 如果想要使用已有的账户，应该指定账户ID同时不给出account_name： live_trade_account_id=1 live_trade_account_name=None live_trade_ui_type='tui', # 使用TUI界面监控实盘交易，默认使用CLI界面 ) ``` 完成上述设置后，使用下面的代码运行交易策略，运行交易策略时指定模式0，代表实盘交易: ```python qt.run(op, mode=0) # 交易模式为实盘运行 ``` `Qteasy`的实盘运行有一个“账户”的概念，就跟您在股票交易市场开户一样，一个账户可以有自己的持有资金，股票持仓，单独计算盈亏。运行过程中您可以随时终止程序，这时所有的交易记录都会保存下来，下次重新启动时，只要引用上一次运行使用的账户ID（account ID）就可以从上次中断的地方继续运行了，因此启动时需要指定账户，如果不想继续上次的账户，可以新开一个账户运行。 在启动实盘时可以通过`qteasy`的系统配置变量`live_trade_account_name`来指定使用的账户名，系统会自动创建一个新的账户并赋予账户ID；如果想要使用已有的账户，可以在启动时通过`live_trade_account_id`指定账户ID。 #### 实盘自动化交易的控制界面 为了对策略运行过程进行监控，同时与`qteasy`进行互动，`qteasy`提供了两种不同的交互界面： #### 命令行用户界面 CLI - **`TraderShell`** 交互式命令行界面CLI，可以在命令行中输入命令，查看交易日志、查看持仓、查看账户资金变化等信息： 在命令行界面中，启动后默认显示的是交易策略的dashboard(状态页)，在该屏幕上会滚动显示交易策略运行日志，打印产生的交易信号、交易结果、当前最新股票价格等信息。 ![png](https://raw.githubusercontent.com/shepherdpp/qteasy/master/docs/source/img/output_27_1.png) 在策略运行过程中，用户可以通过键入"Ctrl+C"进入主菜单，按1键进入交互模式，这时用户可以通过键盘输入命令来查看持仓、查看账户资金变化、查看交易日志等信息，也可以通过命令来控制交易策略的运行，例如暂停、继续、终止交易策略的运行。 ![png](https://raw.githubusercontent.com/shepherdpp/qteasy/master/docs/source/img/output_27_3.png) CLI界面目前支持的交互命令较多，包括： - 暂停、恢复、终止交易策略的运行 - 查看持仓、账户资金、交易订单、交易历史等信息 - 手动调整持仓数量、资金数量、手动调整交易配置 - 手动下单，手动撤单 - 设置实时价格监控的股票代码 #### Terminal图形用户界面 TUI - **`TraderApp`** (v1.2.0新增) 交互式图形界面TUI，可以在图形界面中查看交易日志、查看持仓、查看账户资金变化等信息： 在TUI图形界面中，用户的Terminal会被划分为多个区域，显示策略运行过程中的所有关键信息，例如在顶部显示当前资产总额、浮动盈亏，在画面中部以图表显示当前持仓、交易订单历史记录、实时股票价格、以及策略运行参数等信息，在画面底部显示交易日志。 ![png](https://raw.githubusercontent.com/shepherdpp/qteasy/master/docs/source/examples/img/trader_app_light_theme.png) 用户可以在TUI界面中以快捷键或者鼠标按钮点击的方式与qteasy的自动化交易程序互动，目前支持的功能较少，包括： - 设置或调整实时价格监控的股票代码 - 更多的功能正在逐步添加中 上面两种方式都可以在实盘运行时使用，根据`qteasy`的配置参数进入不同的交互界，关于更多实盘运行的介绍，请参见[`QTEASY`文档](https://qteasy.readthedocs.io/zh-cn/latest/tutorials/1-get-started.html)