Python量化交易系统实战--数据回测与优化

作者：麦克煎蛋   出处：https://www.cnblogs.com/mazhiyong/ 转载请保留这段声明，谢谢！

 选股策略是否有效，都需要进一步验证。这里的验证，也就是我们常说的数据回测。

这里选用的数据回测框架是PyAIgoTrade。

一、PyAIgoTrade简介

PyAlgoTrade 的目标是帮助你对股票交易的策略进行回测。或许你自己有一个交易的策略，并且你希望能够在历史数据上使用这个策略做模拟交易，以便查看这个策略的效果。

使用 PyAlgoTrade 只需要做很少的工作，就可以帮助你实现这个目标。

PyAlgoTrade 有6个主要的概念：

• 策略
  交易的逻辑就是在策略类中。包含何时买入、何时卖出等。

• 数据源
  这是一个抽象的数据提供源。例如，你可以使用 CSV 数据源，它可以从 CSV文件将历史数据提供给一个交易策略。

• 经纪商
  经纪商负责执行交易指令。

• 数据序列（DataSeries）
  数据序列是一个用户管理时间序列数据的抽象类。

• 技术指标（Technicals）
  这里有一系列的过滤工具方便用户在数据序列之上进行计算。例如 SMA（简单移动平均），RSI（相对强弱指数）等。这些过滤工具都集成为数据序列的装饰器。

• 优化器（Optimizer）
  这里有一系列的类，可以帮助你将回测分发到不同的计算机上，或者交给同一台计算机的多个线程，也可以分到多台计算机的多个线程。他们让水平分割计算量变得十分简单。

二、使用说明

因为这个框架目前不再维护了，所以未决定在工作中是否选用该框架。推荐下一篇写的比较详细的文章：

https://www.jianshu.com/p/d0ade8412e05

也可以看下官网文档：

http://gbeced.github.io/pyalgotrade/