# Python-FinancialTask

**Repository Path**: scp149cloud/python-financial-task

## Basic Information

- **Project Name**: Python-FinancialTask
- **Description**: 金融Python大作业
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2021-11-11
- **Last Updated**: 2021-12-02

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 量化交易及回测系统


#### 软件架构
本小组开发的系统由三个部分构成，分别是
1.股票交易及回测系统
2.股票交易策略实现
3.股票交易数据可视化

#### 各类介绍

1.  交易系统Tradesystem类
Tradesystem类中定义了__init__、cal_state、reset、step四个方法。

__init__：将预处理好的数据导入系统，定义一些参数（例如：调仓周期、起始资金、当前手头资金、回测开始结束时间、当前时间、当前手头仓库情况、 每只股票的持有上限、日志）

cal_state：计算当前状态，包括当前资金，仓库，时间对应的索引值，24只股票当天feature，持有上限

reset：初始化系统环境，设置调仓周期为1天，起始资金为50000，回测时间为250天，每支股票的持有数量上限是5000，即市场上一共只有5000单位股票可交易。

step:与策略进行交互从而实现买卖操作。
输入：由策略给出策略的判断结果action，action是一个含24个元素的数组，表示策略选择买入或卖出24只股票的数量。输出：下一天状态，action这一动作带来的当天收益reward，以及回测是否结束。
如果某只股票当天的收盘价存在缺失，则默认当天不能交易该股票不进行买卖操作。如果市场上流通的股票比想要买进的股票数量少，那么就买进市场上全部的股票。
买卖之后更新持仓股票数量，可用资金，计算当日交易的交易金额，并将交易日期调整至下一个需要调仓的日期，将交易记录写进日志。
用done来标记回测是否完成。

2.  日志记录Log类中定义了__init__、write_log、reset_log三个方法
 __init__：初始化log,是一个字典：{日期date：详细信息},详细信息也是一个字典{交易操作action，持仓positon，货币资金curr_fund，当日因子factors，总资产total_capital，收益率earning_rate，基准收益率base_rate}。基准收益率base_rate是上证指数的收益率，收益率和基准收益率都是相对于期初数据的比率。

write_log：

reset_log：

3.  策略类
机器学习


4.  可视化类与结果分析类DataVisualization
定义了8个方法：
plot_strategy_results_line、plot_daily_return、plot_stock_historical_weight、draw_table前面4个方法分别对应于最终形成的3张图和一张表。
plot_strategy_results_line，主要画了3条线，策略收益曲线、上证指数收益和超额收益曲线。
plot_daily_return，用于绘制每日收益变化曲线。
plot_stock_historical_weight，用于绘制各个股票所占份额的变化图
draw_table，是生成一个表格，用于展示相关的关键评价指标

第5个方法page_draggable_layout和第6个方法make_html用于设置一页多图和分标签页展示。
第7个方法show_html主要是用于程序控制自动打开生成的html文件，用于展示。首先判断代码运行的平台（是windows还是macos），然后执行对应的代码，程序自动运行打开浏览器显示绘制的结果曲线
第8个方法plot_figures是对回测数据进行处理以及主要指标计算的。计算策略收益、beta等各种指标的，这是这个类的主入口。

为了使可视化具有良好的交互性，采用了pyecharts模块进行数据可视化和结果分析。采用分标签页的形式展示，我们绘图具备的优势特点：
1）所有曲线可交互，鼠标悬停曲线位置可显示详细信息
2）曲线增加了缩放功能，可查看回测区间一段时间内的结果
3）曲线展示范围内实时更新最大最小收益率以及平均收益率等
4）所有曲线具备原始数据查看功能
5）所有曲线具备折线图和柱状图切换功能
6）所有曲线页面中的元素可随意拖放，避免曲线遮挡
7）计算了回测区间内多只股票份额变化情况，各股票占比情况可堆叠显示，直观展示股票买入卖出变化，悬停鼠标至不同位置可显示对应的占比情况
8）计算并绘制表格展示了多项关键参数指标
9）Html格式的所有图片可一键下载至本地，可分析保存不同区间的结果
10）代码设计具有良好的可扩展性，可随时增加、删减展示的曲线结果
11）代码设计中全面考虑了不同平台的兼容性，在展示时，首先判断代码执行平台，针对不同的平台做针对性设计，保障了代码的健壮性
12）数据可视化类设计合力，接口明确，代码复用性强，针对不同展示内容进行了针对性优化，展示效果好!

5.主程序调用以上几个类，可以切换不同的策略，除了机器学习之外也考虑过将双均线等其他策略加入系统。
先实例化一个Tradesystem类，然后调用reset方法设置一下回测时间，利用while循环判断是否处于回测期，如果处于回测期，则通过当前状态由策略生成交易命令，并执行。最后可视化展示结果。



#### 系统完成度

##基础内容：
1.可以读入本地的股票历史数据
2.可以自定义初始资金、调仓周期，市场可购买股票总量等等
3.可以自定义简单策略
4.可以在策略中使用历史数据
5.可以返回每天的收益率，并输出到本地

##扩展内容：
1.记录了基准收益，基准收益为购买上证指数（000001）并一致持有的收益率。
2.完善了回测的功能，可以设定回测的时间段，并针对股票必须买整股的情况进行处理。
3.利用金融方法，为策略提供更多可供选择的因子。计算了alpha、beta、Jensen指数、特雷诺比率等技术指标。
4.在策略前引入各因子之间的相关性分析，并将显著的因子加入到策略模型中。
5.在策略中引入机器学习策略
6.加入了对结果的分析，计算了最大回撤，夏普比率等等。
7.加入对结果的更细致的可视化，绘制了收益率曲线，标记了重要节点（收益最高点和收益最低点）