# 量化策略

**Repository Path**: wezly/quantitative-strategy

## Basic Information

- **Project Name**: 量化策略
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 3
- **Created**: 2022-06-04
- **Last Updated**: 2022-06-04

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## 量化策略选股及回测

### 量化策略框架

搭建量化策略框架，该框架将包含以下五个类（class)：

- DataRead: 数据的读取和存储
- OrderManage: 订单信息存储与更新
- Strategy: 量化策略的具体步骤
- BackTesting: 回测的指标及指标的储存
- GraphPlot: 指标的可视化

####  Class1: DataRead

**支持读取自己所选时间段的股票收盘价，换手量，PE(TTM）等因子**

通过 Joinquant 平台中的get_price函数调取所选股票的相应因子

* 按照每个因子的dataframe格式形成一个csv文件（index: timeSeries, column: stock_code)
* 当进行回测时，调取每个因子的csv文件作为该因子的数据集
* **该类支持实时从Joinquant平台读取数据：在登入帐号后，可通过get_price实时调取因子值**




#### Class2: OrderManage

**支持查询持仓信息及历史订单信息**

  1. 通过buy及sell函数进行持仓信息更新及订单记录

 * buy函数记录股票名称、买入数量、买入价格和时间
 * sell函数中记录订单量（技术性地在sell股票时记录订单），并返回当前股票市值

  2. 通过历史订单信息计算指标，例如:pnl



#### Class3: Strategy

**支持给出策略名，并运行相应策略**

##### Strategy1: find_max_LSTM

  1. 在股票池中挑选过去一个月收益最高的 choose_nums 支股票
  2. LSTM预测这 choose_nums 支股票在接下来 predict_days 的价格走向
  3. 选取涨幅最大的 hold_nums 支股票进行持仓
  4. 清仓频率为每3个月一次



##### Strategy2: Drop/Rise Top K Strategy

1. 通过所有股票n天前以及1日前的股票价格计算浮动大小
2. 挑选价格下降/上升最大的前k个股票进行持仓



#### Class4: BackTesting

**支持不同策略在历史数据集的运行，并计算并可视化统计指标如市值，胜手率等**

```python
class BackTesting(object):
    """
    回测函数

    支持不同策略在历史数据集的运行，并计算并可视化统计指标如市值，胜手率等；
    当前回测系统需要策略实现如下接口：

    class StrategyInterface:

        def init_strings(self):
            '''
            返回当前策略的名称
            :return:
            '''

        def selected_stocks(self, data):
            '''
            传入历史数据，返回给回测系统相应交易信号，目前信号即策略决定的股票代码列表

            :param data: 当前交易日前因子价格
            :return: 策略决定的股票代码列表及状态
            '''

    目前回测系统支持两种交易模式：

    周期清仓交易：

    按固定时间间隔进行清仓，并将最新数据传给策略，由策略决定当前买入的股票，


    信号买卖交易：

    每天将最新数据传递给策略，由策略决定当前是否进行买入、卖出或者无操作，
    
    两种交易模式均以 [['股票代码1','状态'], ['股票代码2', '状态'],.....] 的形式作为信号传递给回测系统
    """
    
    
    
    def run(self):
        """
        根据策略传入的多支股票买卖数和状态进行买卖，状态标记为'buy' or 'sell'
        买卖基于现有的self.value等权购买
        要求策略给出[['股票代码1','状态'], ['股票代码2', '状态'],.....]
        并将传入值封装至selected_stock函数

        :return:
        """

```

#### Class5: BackTesting

**可视化不同的统计指标如市值，胜手率等**

**市值可视化**

<img src="./pictures/values.png" style="zoom:35%;" />

**胜率可视化**

<img src="./pictures/wins.png" style="zoom:36%;" />