Hikyuu 交互式工具示例

1、引入交互式工具

需从hikyuu.interactive.interactive引入,而不是直接从hikyuu库中引入(hikyuu是一个库,可用于编制其他的工具,而hikyuu.interactive.interactive是基于hikyuu库实现的交互式探索工具)

In [1]:
%matplotlib inline
%time from hikyuu.interactive import *
#use_draw_engine('echarts') #use_draw_engine('matplotlib')  #默认为'matplotlib'绘图
std::cout are redirected to python::stdout
std::cerr are redirected to python::stderr
2020-08-05 23:35:32.345 [HKU-I] - Loading market information... [loadBaseInfo]
2020-08-05 23:35:32.347 [HKU-I] - Loading stock type information... [loadBaseInfo]
2020-08-05 23:35:32.347 [HKU-I] - Loading stock information... [loadBaseInfo]
2020-08-05 23:35:32.632 [HKU-I] - Loading KData... [init]
2020-08-05 23:35:32.660 [HKU-I] - Preloading all day kdata to buffer! [setKDataDriver]
2020-08-05 23:35:37.743 [HKU-I] - 5.11s Loaded Data. [init]
CPU times: user 5.52 s, sys: 348 ms, total: 5.87 s
Wall time: 5.87 s

2、创建交易系统并运行

In [2]:
#创建模拟交易账户进行回测,初始资金30万
my_tm = crtTM(init_cash = 300000)

#创建信号指示器(以5日EMA为快线,5日EMA自身的10日EMA最为慢线,快线向上穿越慢线时买入,反之卖出)
my_sg = SG_Flex(EMA(n=5), slow_n=10)

#固定每次买入1000股
my_mm = MM_FixedCount(1000)

#创建交易系统并运行
sys = SYS_Simple(tm = my_tm, sg = my_sg, mm = my_mm)
sys.run(sm['sz000001'], Query(-150))

3、绘制曲线观察

In [3]:
#绘制系统信号
sys.plot()

k = sm['sz000001'].get_kdata(Query(-150))
c = CLOSE(k)
fast = EMA(c, 5)
slow = EMA(fast, 10)

#绘制信号指示器使用两个指标
fast.plot(new=False)
slow.plot(new=False)

4、绘制资金收益曲线

In [6]:
#绘制资金收益曲线
x = my_tm.get_profit_curve(k.get_datetime_list(), Query.DAY)
x = PRICELIST(x)
x.plot()

5、回测统计报告

In [7]:
#回测统计
from datetime import datetime

per = Performance()
print(per.report(my_tm, Datetime(datetime.today())))
帐户初始金额: 300000.00
累计投入本金: 300000.00
累计投入资产: 0.00
累计借入现金: 0.00
累计借入资产: 0.00
累计红利: 0.00
现金余额: 299100.00
未平仓头寸净值: 0.00
当前总资产: 299100.00
已平仓交易总成本: 0.00
已平仓净利润总额: -900.00
单笔交易最大占用现金比例%: 5.03
交易平均占用现金比例%: 4.73
已平仓帐户收益率%: -0.30
帐户年复合收益率%: -0.65
帐户平均年收益率%: -0.65
赢利交易赢利总额: 750.00
亏损交易亏损总额: -1650.00
已平仓交易总数: 6.00
赢利交易数: 2.00
亏损交易数: 4.00
赢利交易比例%: 33.33
赢利期望值: -150.00
赢利交易平均赢利: 375.00
亏损交易平均亏损: -412.50
平均赢利/平均亏损比例: 0.91
净赢利/亏损比例: 0.45
最大单笔赢利: 660.00
最大单笔亏损: -740.00
赢利交易平均持仓时间: 20.50
赢利交易最大持仓时间: 24.00
亏损交易平均持仓时间: 5.00
亏损交易最大持仓时间: 9.00
空仓总时间: 108.00
空仓时间/总时间%: 63.00
平均空仓时间: 18.00
最长空仓时间: 41.00
最大连续赢利笔数: 1.00
最大连续亏损笔数: 1.00
最大连续赢利金额: 660.00
最大连续亏损金额: -740.00
R乘数期望值: -0.01
交易机会频率/年: 13.04
年度期望R乘数: -0.13
赢利交易平均R乘数: 0.03
亏损交易平均R乘数: -0.03
最大单笔赢利R乘数: 0.05
最大单笔亏损R乘数: -0.05
最大连续赢利R乘数: 0.05
最大连续亏损R乘数: -0.05

6、关于性能

经常有人问到性能问题,下面这段的代码使用之前的系统示例,遍历指定板块的所有股票,计算他们的“盈利交易比例%”(即胜率)。

In [8]:
def test_func(stock, query):
    """计算指定stock的系统策略胜率,系统策略为之前的简单双均线交叉系统(每次固定买入100股)
    """
    #创建模拟交易账户进行回测,初始资金30万
    my_tm = crtTM(init_cash = 1000000)

    #创建信号指示器(以5日EMA为快线,5日EMA自身的10日EMA最为慢线,快线向上穿越慢线时买入,反之卖出)
    my_sg = SG_Flex(EMA(n=5), slow_n=10)

    #固定每次买入1000股
    my_mm = MM_FixedCount(100)

    #创建交易系统并运行
    sys = SYS_Simple(tm = my_tm, sg = my_sg, mm = my_mm)
    sys.run(stock, query)
    
    per = Performance()
    per.statistics(my_tm, Datetime(datetime.today()))
    return per["赢利交易比例%".encode('gb2312')]

def total_func(blk, query):
    """遍历指定板块的所有的股票,计算系统胜率"""
    result = {}
    for s in blk:
        if s.valid and s.type != constant.STOCKTYPE_INDEX:
            result[s.name] = test_func(s, query)
    return result

遍历所有当前有效且并非指数的证券。下面是我的机器执行结果,共计算4151支证券,最近500个交易日,共耗时2.89秒。机器配置:Intel i7-4700HQ 2.G。

In [9]:
%time a = total_func(sm, Query(-500))
len(a)
CPU times: user 1.99 s, sys: 0 ns, total: 1.99 s
Wall time: 1.99 s
Out[9]:
4549
In [ ]: