策略回测¶

起步¶

一个简单的股票回测程序只需要继承一个抽象策略类，定义一个选股策略就可以，一个简单的例子是:

from quant.backtest.stock.strategy import AbstractStrategy


class SimpleStrategy(AbstractStrategy):
    start_date = "2017-03-01"
    def handle(self, today, universe):
        self.change_position({universe[0]: 0.1})

这个简单的策略定义了从2017年3月开始回测，每天选择可选股票池中的第一只股票买入10%的仓位。运行 SimpleStrategy().run() 运行回测，几秒钟后，会输出简单的年化收益率、年化波动率和夏普率信息。同时，还会生成一个以策略名和运行时间命名的网页，记录着回测的详细信息。如果是在视窗环境下的话，浏览器会自动打开该网页。如图所示。

回测方法¶

quantlib提供 quant.backtest.strategy.Strategy 类作为所有策略的基类。用户可以继承该类并通过重载 __init__ 方法和 handle 方法来自定义策略的行为。另外，quantlib也提供 SimpleStrategy 和 ConstraintStrategy 来提供通用而方便的回测功能。

SimpleStrategy¶

SimpleStrategy(predicted, name=None, buy_count=50, mods=None)

通过传入一个 DataFrame 对象， SimpleStrategy`` 每期做多分数最高的 ``buy_count 只股票。

ConstraintStrategy¶

ConstraintStrategy 根据传入的DataFrame的值、及一系列约束条件，来优化出在给定风险暴露的前提下期望收益率最大的组合，并买入该组合。

import numpy as np
import pandas as pd
from quant.backtest.strategy import ConstraintStrategy
from quant.backtest.common.mods import AbstractMod
from quant.common.settings import CONFIG

CONFIG.BENCHMARK = "000905.SH"

config = {
    "factors": {
        "Beta": 1.0,
        "Size": 0.5,
        "BookToPrice": 0.5,
        "ResidualVolatility": 0.5,
        "NonLinearSize": 0.5,
        "Liquidity": 0.5,
        "Leverage": 0.5,
        "Momentum": 0.5
    },
    "industries": {
        "Automobile": 0.05,
        "LightIndustry": 0.05,
        "Medical": 0.05,
        "FundamentalChemistry": 0.05,
        "Media": 0.05,
        "BuildingMaterials": 0.05,
        "ElectricDevice": 0.05,
        "Construction": 0.05,
        "ElectronicComponents": 0.05,
        "RealEstate": 0.05,
        "Food": 0.05,
        "Retail": 0.05,
        "Petroleum": 0.05,
        "Composite": 0.05,
        "Computer": 0.05,
        "Communication": 0.05,
        "Mechanism": 0.05,
        "Iron": 0.05,
        "NonbankFinance": 0.05,
        "Transportation": 0.05,
        "Public": 0.05,
        "Agriculture": 0.05,
        "Military": 0.05,
        "ElectricalAppliance": 0.05,
        "Clothing": 0.05,
        "NonferrousMetal": 0.05,
        "Bank": 0.05,
        "Tourism": 0.05,
        "Coal": 0.05
    },
    "stocks": 0.02
}
data = pd.DataFrame(...)
strategy = ConstraintStrategy(config, data, name="constraint_strategy")
strategy.run()

以上代码在约束单只股票最大持仓2%、行业暴露5%、风格暴露0.5的前提下优化目标收益率最大的持仓比例并进行回测。

模块¶

本回测框架提供一些可选模块来支持扩展特性，同时也允许用户自定义模块。默认提供的模块有：

Mod Name	Purpose
NoSTUniverse*	Remove ST stocks from universe
NoIPOUniverse*	Remove new stocks from universe
NoUpLimitUniverse*	Remove stocks that reach up-limit from universe
ActivelyTraded*	Remove inactive stocks (daily amount<10million)
ShowBasicResults*	Show simple statistic infomation after backtest
Abigale*	Generate analytical details for abigale2
Output	Save position information to ‘output.h5’
Visualizer	Show details of backtest in webpage (abigale is preferred)

默认以上所有模块都会自动被加载，用户也可以在策略类的mods属性中定义自己要使用的模块，如:

class Strategy(AbstractStrategy):
    mods = ["ShowBasicResults"]

则以上策略只会显示简单的回测信息，且不会对可选股票池作任何变化。

开发者¶

To be expected.