Python金融量化框架VectorBT

最新推荐文章于 2025-09-11 22:10:09 发布

shykevin

最新推荐文章于 2025-09-11 22:10:09 发布

阅读量346

点赞数 5

CC 4.0 BY-SA版权

文章标签： python 金融开发语言

本文链接：https://blog.csdn.net/shykevin/article/details/150909853

一、概述

VectorBT 是一个基于 Python 的开源量化交易库，采用向量化回测方法，通过 NumPy 和 Pandas 加速大规模数据处理，适用于高频策略开发和性能评估。

核心优势

‌极速性能‌：利用 NumPy 和 Pandas 的向量化运算能力，回测速度比传统方法快 100 倍以上。
‌灵活策略定义‌：支持基于信号和事件的策略开发，兼容自定义指标和机器学习模型(如 LSTM)。
‌可视化工具‌：内置 Plotly 和 Jupyter 组件，可直接生成类似 Tableau 的复杂图表和仪表板。 ‌
‌集成化解决方案‌：整合数据获取、技术指标计算、策略优化等功能，减少多库整合的复杂度。 ‌

功能模块

‌数据获取‌：支持雅虎财经 (vbt.YFData)、加密货币数据(vbt.CCXTData)及自定义 Pandas DataFrame。
‌策略开发‌：内置技术指标(如 MACD、RSI)，支持自定义指标和批量计算。 ‌
‌回测优化‌：可针对多个参数、资产和时间段进行策略优化，内置夏普比率、最大回撤等绩效指标。
‌风险管理‌：提供波动率动态仓位管理、交易成本模拟等功能。

应用场景

适用于中高级量化交易者，尤其适合需要快速处理高频数据的场景(如高频交易、机器学习模型验证)。

github地址：https://github.com/polakowo/vectorbt

newplot

二、安装

使用虚拟环境安装

conda create --prefix D:\file\conda\envs\vectorbt_env python=3.13.2
conda activate D:\file\conda\envs\vectorbt_env

安装模块vectorbt，akshare

pip install vectorbt akshare

三、实战日K线及MACD金叉/死叉买卖点

MACD(12,26,9)

MACD(12,26,9) 是一组经典参数，用来计算 MACD 指标的三个“窗口长度”：

12 —— 快线 EMA 周期
用最近 12 根 K 线(日 K 就是 12 天)做指数移动平均，反应“短期”价格趋势。
26 —— 慢线 EMA 周期
用最近 26 根 K 线做指数移动平均，反应“长期”价格趋势。
9 —— 信号线(DEA)EMA 周期
把上面两条线之差(MACD 值)再做一次 9 周期的 EMA，得到“信号线”，用来产生金叉/死叉。

一句话总结

- 12 与 26 的差距越大，指标越“迟钝”；差距越小，越“敏感”。
- 9 越小，信号线越紧跟 MACD，金叉死叉出现得越快。

寒武纪

这里以寒武纪为例子，分析从2025年的日k线

start.py

import akshare as ak
import vectorbt as vbt
import pandas as pd
import plotly.graph_objects as go
import plotly.io as pio

# ---------------- 1. 拉取日 K ----------------
# 股票代码
symbol = "688256"
# 股票名称
stock_name = "寒武纪"
df = ak.stock_zh_a_hist(
    symbol=symbol,
    period="daily",
    start_date="20250101",        # 用足够长的历史
    adjust="qfq"
)

df["日期"] = pd.to_datetime(df["日期"])
df = df.set_index("日期").sort_index()
close = df["收盘"]

# ---------------- 2. 计算 MACD & 信号 ----------
macd = vbt.MACD.run(close, fast_window=12, slow_window=26, signal_window=9)
entries = macd.macd_crossed_above(macd.signal)
exits = macd.macd_crossed_below(macd.signal)

# ---------------- 3. 回测 -----------------------
pf = vbt.Portfolio.from_signals(
    close,
    entries,
    exits,
    init_cash=100_000,
    freq="d"
)

print("=== 每笔交易 ===")
# print(pf.positions.records_readable.head())
# print(pf.positions.records_readable.columns)
# 开仓日期,开仓均价,平仓日期,平仓均价,收益率(该笔交易带来的百分比收益)
cols = ["Entry Timestamp", "Avg Entry Price",
        "Exit Timestamp", "Avg Exit Price", "Return"]
print(pf.positions.records_readable[cols])

# ---------------- 4. 画图 -----------------------
buy_idx = entries[entries].index
sell_idx = exits[exits].index
buy_price = close.loc[buy_idx]
sell_price = close.loc[sell_idx]

fig = go.Figure(data=[
    go.Candlestick(
        x=df.index,
        open=df["开盘"],
        high=df["最高"],
        low=df["最低"],
        close=df["收盘"],
        name=f"{symbol} 日K",
        # k线量柱增加，指定为红色
        increasing=dict(line=dict(color="#ff0000"), fillcolor="#ff0000"),
        # k线量柱递减，指定为绿色
        decreasing=dict(line=dict(color="#40a040"), fillcolor="#40a040")
    )
])

fig.add_trace(go.Scatter(
    x=buy_idx, y=buy_price * 0.98,
    mode="markers",
    marker=dict(symbol="triangle-up", size=12, color="red"),
    name="买入"
))

fig.add_trace(go.Scatter(
    x=sell_idx, y=sell_price * 1.02,
    mode="markers",
    marker=dict(symbol="triangle-down", size=12, color="green"),
    name="卖出"
))

fig.update_layout(
    title=f"{symbol} {stock_name} MACD(12,26,9) 信号与回测",
    xaxis_rangeslider_visible=False,
    height=700
)

# 指定默认浏览器
pio.renderers.default = "browser"
fig.show()
# 保存为html文件
fig.write_html(f"{symbol}_kline_signals.html")

运行python文件，等待43秒左右，会自动打开浏览器，访问html文件。

效果如下：

newplot (1)

太大了，看不清，这里再局部放大一点。

可以看到8月1日到8月26日的，K线图。

红色量柱买入，绿色量柱卖出。

终端会输出每笔交易

=== 每笔交易 ===
  Entry Timestamp  Avg Entry Price Exit Timestamp  Avg Exit Price    Return
0      2025-04-15           619.88     2025-05-13          678.29  0.094228
1      2025-06-13           604.90     2025-07-08          542.77 -0.102711
2      2025-07-18           582.62     2025-08-26         1344.88  1.308331

参数解释：

Entry Timestamp，开仓日期，真正成交那一刻的日期索引。

Avg Entry Price，开仓均价，如果分批建仓，这里是加权平均价。

Exit Timestamp，平仓日期，最后那一笔平仓的日期。

Avg Exit Price，平仓均价，分批平仓时的加权平均价。

Return，收益率，该笔交易带来的百分比收益(已考虑杠杆)。

看最后一条信息，2025-07-18日，以582.62元价格买入寒武纪，2025-08-26日，卖出价格1344.88，收益率为130.8%，翻倍了。