RQSDK上手

安装RQSDK套件，RQSDK套件包括
1. RQData金融数据API
2. RQAlpha-Plus回测框架
3. RQFactor因子投研工具
4. RQOptimizer股票组合优化器
5. RQPAttr绩效归因工具

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple rqsdk

配置许可证

rqsdk license

安装特定产品

rqsdk install <安装代码>

注意：在安装某个产品时，如果上表中已说明组件依赖关系，则其所依赖的组建都会被同时安装上。例如运行了上述的命令安装了 RQAlpha Plus，那么 RQFactor 和 RQOptimizer 也会同时被装上。

下载数据

rqsdk download-data --sample -d <目标路径>

目前这里下载的样例数据包不符合最新的数据格式，需要更新数据包。

更新数据

更新基础日线

rqsdk update-data --base -d <目标路径>

更新分钟线

## 更新某几个合约的分钟线
rqsdk update-data --minbar 000001.XSHE --minbar 000002.XSHE --minbar IF2006
## 更新某个期货品种的分钟线
rqsdk update-data --minbar RB
## 更新某个资产的分钟线,耗时较长，可能会突破流量限制，不建议这样更新
rqsdk update-data --minbar futures
## 更新某个合约分钟线的同时也更新日线
rqsdk update-data --base --minbar 000001.XSHE
## 更新某个合约的分钟数据的同时也更新该合约的相关衍生品数据
rqsdk update-data --minbar M1905 --with-derivatives

更新 tick

## 更新合约tick数据使用方式和更新分钟线类似
rqsdk update-data --tick M1905

在bundle数据包中，数据划分如下：

HDF5文件查看方法

基础数据（日线）

以股票日线数据为例，它在bundle文件夹下stocks.h5文件里。按照合约代码和日期检索。

import h5py
import pandas as pd
import numpy as np

file_path = r"F:\RQData\bundle\stocks.h5"
h5 = h5py.File(file_path,"r")
order_book_id = "000401.XSHE"
# 查询某个合约
df = pandas.DataFrame(h5[order_book_id][()])
# 查询具体日期
df[df['datetime']==np.int64('20051130000000')]

	datetime	open	close	high	low	prev_close	limit_up	limit_down	volume	total_turnover
219	2.00511e+13	2.92	2.97	2.97	2.91	2.93	3.22	2.64	864041	2.54985e+06

查看h5文件的keys的方法：

h5.keys()

若查看股票分钟线数据，它是每个合约单独一个文件，例如"..\bundle\h5\equities\000001.XSHE.h5"。

import h5py
import pandas as pd
import numpy as np

file_path = r"F:\RQData\h5\equities\000001.XSHE.h5"
h5 = h5py.File(file_path,"r")
df = pandas.DataFrame(h5['data'][()])
df.head()

	datetime	open	high	low	close	volume	total_turnover
0	2.00501e+13	6.59	6.59	6.57	6.57	17700	116552
1	2.00501e+13	6.57	6.57	6.56	6.56	16000	105098
2	2.00501e+13	6.56	6.56	6.55	6.56	10300	67473
3	2.00501e+13	6.56	6.56	6.54	6.56	3100	20287
4	2.00501e+13	6.56	6.56	6.56	6.56	4800	31444
5	2.00501e+13	6.56	6.56	6.51	6.55	8500	55450
6	2.00501e+13	6.5	6.54	6.5	6.5	13800	89783
7	2.00501e+13	6.5	6.5	6.48	6.5	7800	50690
8	2.00501e+13	6.48	6.5	6.46	6.5	4500	29152
9	2.00501e+13	6.5	6.53	6.5	6.53	3400	22148

回测

以下是一个简单的MACD策略：

import talib

def init(context):
    context.stock = "000001.XSHE"

    context.SHORTPERIOD = 12
    context.LONGPERIOD = 26
    context.SMOOTHPERIOD = 9
    context.OBSERVATION = 100

def handle_bar(context, bar_dict):
    prices = history_bars(context.stock, context.OBSERVATION, '1d', 'close')
    macd, macd_signal, _ = talib.MACD(
        prices, context.SHORTPERIOD, context.LONGPERIOD, context.SMOOTHPERIOD
    )

    if macd[-1] > macd_signal[-1] and macd[-2] < macd_signal[-2]:
        order_target_percent(context.stock, 1)

    if macd[-1] < macd_signal[-1] and macd[-2] > macd_signal[-2]:
        if get_position(context.stock).quantity > 0:
            order_target_percent(context.stock, 0)

    plot('macd', macd[-1])
    plot('macd_signal', macd_signal[-1])

RQAlphaPlus 提供了函数入口以供在其他脚本中调用运行:

config = {
    "base": {
        "data_bundle_path": r"D:\RQData\bundle",
        "accounts": {
            "STOCK": 100000,
        },
        "start_date": "20190101",
        "end_date": "20191231",
    },
    "mod": {
        "sys_analyser": {
            "plot": True,
            "benchmark": "000300.XSHG",
            'plot_config': {
                'open_close_points': True,
            },
        }
    }
}

if __name__ == "__main__":

    from rqalpha_plus import run_func

    run_func(config=config, init=init, handle_bar=handle_bar)