呆萌的代Ma

半衰期的计算我们按照公式来，比如半衰期N，则距离当前时间点过去K个时间点后，当前值变为0.5N1​K1​。

区间收益率 = (区间终值累计收益 - 区间初始累计收益) / 区间初始累计收益。近N日收益率 = (当日累计收益 - N日前的累计收益) / N日前的累计收益。这里需要区分不同时间段的起始与终止区间。

Alpha是指风险调整后的收益（剔除掉基准带来的收益后的剩余），如果Alpha值大于0，表示剔除基准带来的收益后，策略仍然能够取得正收益，如果Alpha小于0表示主动管理部分造成了负收益。表示每单位系统风险资产获得的超额报酬，可以认为是承担beta的性价比，注意：如果使用OLS回归有四个基本假设，最好使用corr/var的计算方式。Beta用来衡量个别股票或股票基金相对于整个股市的价格波动情况。信息比率表示剔除市场基准的波动后，主动管理带来的单位收益。跟踪误差表示策略与基准的偏离程度。

【代码】基金评价指标1——收益率、回撤、下行标准差、痛苦指数、夏普比率、索蒂诺比率。

在2015-01-05年的时候，前复权价格正确，Wind显示当天收盘价8.49。以长生生物（002680.SH）为例，它已经退市了，下图为Wind的截图。进行回测，最新的版本支持分红配股了， 在交易的时候控制市值即可。但是在下单时，显示价格错误。修改为全部使用不复权数据。

索蒂诺年化下行标准差年化收益率−无风险收益率​其中下行标准差是指：小于均值的数据，构成的序列的标准差但是“小于均值”是与自己比较，基金中也有时会用日收益小于无风险收益/252的数据计算下行标准差。

分红数据参考：- 分红数据源网站：[https://data.eastmoney.com/yjfp/](https://data.eastmoney.com/yjfp/)- Akshare参考网站：[https://akshare.xyz/data/stock/stock.html#id148](https://akshare.xyz/data/stock/stock.html#id148)

使用akshare可以很方便的获取同花顺行业列表，与每个行业对应的个股信息，流程如下：使用ak.stock_board_industry_summary_ths()获取行业列表循环行业列表，使用ak.stock_board_industry_cons_ths()获取行业对应的个股信息

原始的akshare保存成文件，再读取时，代码会被自动转换为如下形式：我们需要对每一个元素，补齐前面的0，将代码补充为6位。

就是在4950的行权价的基础上，获取向上3个行权价档位的期权，对应的行权价。

注意给定的定点复权日期需要是 %Y%m%d 的格式，不是 %Y-%m-%d

对于程序来讲，该有的代码一行都不会少，但是把代码分块就可以很直观的阅读或修改代码。使用Indicator可以将策略的信号从策略类Strategy中脱离出来，方便策略进行协调与控制。

在编辑器（如vscode、pycharm）中，按住ctrl键然后鼠标点一下。

原理：wind会在python的第三方库中安装一个属于wind的库。

首先Mac与Windows的wind配置完全不同：wind金融终端的官方下载页面：https://www.wind.com.cn/portal/zh/WFT/index.html既有Windows，也有Mac版本的下载页面，但是Windows上的金融终端是大杂烩，查看数据、分析、量化等功能都有了，但是Mac上的wind金融终端却是一个阉割的版本，很多数据无法展示，操作比较反人类，可视化也不如Windows流畅…虽然也在不断改进，但目前看来还是一言难尽包括配置量化接口，Mac上的Wind金融终端是不能够配置的

从这一部分开始，我们将不会再聚焦于基本的操作细节上，而是更多的做一些有特点的修改（or 魔改）这篇博客记录了：不进行预加载数据，而是实时加载数据的操作。

胜率图是分析策略的一种图形，对于胜率的分析需要三种数据：策略/参数集：表现在胜率图的横纵轴含义对比的场景编号：表现在对比两个策略时使用的场景；通常见于不同的时间、不同的参数、不同的周期场景对应的值：场景对应的值，可能代表收益率、模型的分数等。

接口需要付费，这里接口的付费和配置就不展开了- wind相对容易配置，直接用软件就可以点击并配置- 东财请参考：[Mac使用Python接入东方财富量化接口Choice，调试与获取数据](https://blog.csdn.net/weixin_35757704/article/details/125552803)但有一点需要注意：- wind使用量化接口的时候wind终端需要后台运行- 东财使用的时候不需要登录终端，但是因为每个接口有个有效期，有效期之后哪怕账号续了一波钱，有效期延后了，也需

Qlib Github主页：[https://github.com/microsoft/qlib](https://github.com/microsoft/qlib)Qlib quickstart：[https://qlib.readthedocs.io/en/latest/introduction/quick.html#introduction](https://qlib.readthedocs.io/en/latest/introduction/quick.html#introduction)

这篇博客主要介绍从 csv -> bin文件的流程。

根据日收益率，计算：- 复合年化增长率- 年化波动率- 夏普比率

$FV=(1+r)^n * PV$其中：- FV：初始值- PV：终值由此计算，可知：1. $PV = \frac{FV}{(1+r)^n}$2. $n=\log_{(1+r)}{\frac{FV}{PV} }$3. $r = \sqrt[n]{\frac{FV}{PV} } -1$

【代码】根据证券代码获取证券市场（SH，SZ，IB）

为了判断某一天是不是股票的交易日，以此区分自然日与交易日，我们通过抓取深交所的交易日历获取相关数据。

报错可能是：也可能是：解决方法步骤1. 降低matplotlib的版本：步骤2. 修改绘图的代码为：问题解析这是个BUG…

使用的工具包是efinance github：https://github.com/Micro-sheep/efinance使用：

这篇博客用来把在Mac平台上使用python接入东方财富Choice接口的流程细化并重写，官方文档有些地方说的太含糊了，有的地方博主尝试了多种方法才试出来，这里直接把标准答案给到大家，尽量避坑吧~吐槽：同花顺科技感很足，赞，但是没有Mac版本的，而且券商数据太少太少啦，希望再接再厉吧首先使用这个接口的时候，需要有购买的账号哈，价格请参考：https://choice.eastmoney.com/buyingcenter，应该是每年3w一般你注册账号之后会有人打电话联系你，或是主动打客服，都可以的。然后给账号

如下情况无解！！注意：下面是安装Office专业版的教程：

官方 order 文档：https://www.backtrader.com/docu/order/在策略中我们常常需要限价单来制定策略的运行情况，因此使用订单的参数来确定订单的有效期，比如：上面的订单为：限价单，单价10元/个，卖出500个，有效期1天；1天之后这个订单会转为...

Backtrader官方文档：https://www.backtrader.com/docu/commission-schemes/commission-schemes/手续费是交易中必不可少的，尤其当调试策略参数时，结果都差不多，但不同参数导致的换手次数不同，此时手续费的影响就很大了，因此在backtrader中需要在计算时添加手续费Backtrader有两种手续费的设置方法：常见于期货等此时commission表示每一单位（每一手）的佣金，margin为保证金，mult为杠杆率，name代表是哪一个标的

cheat_on_open 官网简介：https://www.backtrader.com/blog/posts/2017-05-01-cheat-on-open/cheat-on-open/在代码中需要在运行前添加：然后在运行时添加一个参数：在使用的时候，backtrader会在所有的策略都执行完后：因此，在与中，既可以知道所有策略的执行结果，也可以开上帝视角去看明天的情况，而不用等到下一个模拟的交易日可以看到执行顺序：...

Backtrader Analyzer文档：[https://www.backtrader.com/docu/analyzers/analyzers/](https://www.backtrader.com/docu/analyzers/analyzers/)Backtrader 已有的Analyzer：[https://www.backtrader.com/docu/analyzers-reference/](https://www.backtrader.com/docu/analyzers-re

这一部分好像在文档中没有出现，所以曲线救国：在某一个策略中使用：self.cerebro.runningstrats就可以看到全部的策略列表了，然后使用下标即可定位具体的策略

QuantStats的github页面：https://github.com/ranaroussi/quantstats

股票的上市日期各不相同，有些也退市了。在回测时，Backtrader会遍历所有的数据，选择有效期的**交集**开始执行```next()```。这时我们的选股策略就会因为数据的问题出现一段时间的空窗期，所以我们不要用```next()```来执行，而是用```prenext()```来执行，Backtrader会循环所有的数据，选择最小的那个日期作为开始日，执行```prenext()```，但是此时衍生出两个问题：1. 这只股票的开始日，未必是另一支股票的开始日，这回导致另一只股票没数据2. 一直

解决方法删除数据源中close为空的行；或者更极端一点，删除存在空值的行。主要查看数据源是否存在缺失值：如果使用Backtrader的默认逻辑，计算value会对应收盘价，收盘价不能有缺失值如果使用开盘价购买，则开盘价不能有缺失值问题解析程序中计算在next()之后，代码跳转到cerebro.py文件中第1688行，执行self_brokernotify()然后，跳转到1355行，执行def _brokernotify(self)然后，跳转到brokers/bbroker.py文件的第

Backtrader通过Position得到持仓的情况Position官方文档：https://www.backtrader.com/docu/position/在策略中，使用self.broker.positions获取全部的仓位情况，包括已清仓的股票，但这不是我们想要的，所以对它进行修改：当前持仓的股票代码在策略中使用：hold_bond_name = []for _p in self.broker.positions: if self.broker.getposition(_p).siz

在策略类backtrader.Strategy中使用：self.datetime.date(-1)即可得到上个交易日但是不能得到下个交易日的日期，因为目前还没有循环过这个时间

解决方法原始数据没有开盘价，添加上即可修改交易规则，比如把：self.buy()中的exectype参数修改为backtrader.Order.Stop更多可以参考：https://www.backtrader.com/docu/order/问题解析这里是因为框架的问题，导致默认参数由于没有开盘价，无法交易导致的一个问题...

在Backtrader中使用：self.datas[0].getlinealiases()：获得数据的列名list(self.datas[0].lines)：行的值因此组合一下： dict(zip( self.datas[0].getlinealiases(), # key [i[0] for i in list(self.datas[0].lines)] # value ))即可得到当前数据的全部值，其中zip()函数是将两个列表对应匹配并打包；dict()则是解