Note:
目前
qteays正处于密集开发测试阶段，软件中不免存在一些漏洞和bug，如果大家使用中出现问题，欢迎Issue-报告bug或者提交新功能需求给我，也可以进入讨论区参与讨论。也欢迎各位贡献代码！我会尽快修复问题并回复大家的问题。
- 作者: Jackie PENG
- email: [email protected]
- Created: 2019, July, 16
- Latest Version:
1.3.11 - License: BSD 3-Clause License
qteasy是为量化交易人员开发的一套量化交易工具包，特点如下：
- 全流程覆盖 从金融数据获取、存储，到交易策略的开发、回测、优化、实盘运行
- 完全本地化 所有的金融数据、策略运算和优化过程完全本地化，不依赖于任何云端服务
- 使用简单 提供大量内置交易策略，用户可以搭积木式地创建自己的交易策略
- 灵活多变 使用
qteasy提供的策略类，用户可以自行创建自己的交易策略，灵活设置可调参数
- 一个函数即可获取、清洗、本地存储大量金融历史数据
- 所有本地数据统一格式存储，统一定义数据标签，一个接口即可方便调用
- 金融数据可视化、进一步统计分析并生成分析结果
- 快速搭建交易策略，使用超过70中内置交易策略或自行创建交易策略
- 获取实时市场数据，运行策略模拟自动化交易
- 跟踪记录交易日志、股票持仓、账户资金变化等信息
- 通过多种用户界面查看并控制交易程序
- 未来将通过QMT接口接入券商提供的实盘交易接口，实现自动化交易
- 使用历史数据回测交易策略，生成完整的历史交易清单，生成交易结果
- 对交易结果进行多维度全方位评价，生成交易报告和结果图标
- 提供多种优化算法，帮助搜索最优的策略参数，提高策略表现
$ pip install qteasy关于QTEASY系统的更多详细解释和使用方法，请参阅QTEASY文档：
pythonversion >= 3.6, < 3.13
qteasy所有必要的依赖包都可以在pip安装的同时安装好，但某些特殊情况下，您需要在安装时指定可选依赖包，以便在安装qteasy时同时安装，或者手动安装依赖包：
pymysql, 用于连接MySQL数据库,将本地数据存储到MySQL数据库（qteasy默认使用csv文件作为本地数据源，但数据量大时推荐使用mysql数据库，详情参见qteasy使用教程）pymysql可以在安装qteasy时自动安装，也可以手动安装：$ pip install 'qteasy[database]' # 安装qteasy时自动安装pymysql $ pip install pymysql # 手动安装pymysql
pyarrow, 用于操作feather文件，将本地数据存储为feather文件，pyarrow可以在安装qteasy时自动安装，也可以手动安装：$ pip install 'qteasy[feather]' # 安装qteasy时自动安装pyarrow $ pip install pyarrow # 手动安装pyarrow
pytables, 用于操作HDF文件，将本地数据存储到HDF文件，pytables不能自动安装，需要使用conda手动安装pytables：$ conda install pytables # 安装pytablesta-lib, 以便使用所有的内置交易策略，下面的方法可以安装ta-lib API，但它还依赖C语言的TA-Lib包，安装方法请参考FAQ$ pip install 'qteasy[talib]' # 安装qteasy时自动安装ta-lib $ pip install ta-lib # 手动安装ta-lib
基本的模块导入方法如下
import qteasy as qt
qt.__version__为了使用qteasy，需要大量的金融历史数据，所有的历史数据都必须首先保存在本地，如果本地没有历史数据，那么qteasy的许多功能就无法执行。
qteasy默认通过tushare金融数据包来获取大量的金融数据，用户需要自行申请API Token，获取相应的权限和积分（详情参考：https://tushare.pro/document/2）
因此，在使用qteasy之前需要对本地数据源和tushare进行必要的配置。在QT_ROOT_PATH/qteasy/路径下打开配置文件qteasy.cfg，可以看到下面内容：
# qteasy configuration file
# following configurations will be loaded when initialize qteasy
# example:
# local_data_source = database
将你获得的tushare API token添加到配置文件中，如下所示：
tushare_token = <你的tushare API Token>
默认情况下qteasy使用存储在data/路径下的.csv文件作为数据源，不需要特殊设置。
如果设置使用mysql数据库作为本地数据源，在配置文件中添加以下配置：
local_data_source = database
local_db_host = <host name>
local_db_port = <port number>
local_db_user = <user name>
local_db_password = <password>
local_db_name = <database name>
关闭并保存好配置文件后，重新导入qteasy，就完成了数据源的配置，可以开始下载数据到本地了。
要下载金融价格数据，使用qt.refill_data_source()函数。下面的代码下载2021及2022两年内所有股票、所有指数的日K线数据，同时下载所有的股票和基金的基本信息数据。
（根据网络速度，下载数据可能需要十分钟左右的时间，如果存储为csv文件，将占用大约200MB的磁盘空间）：
qt.refill_data_source(
tables=['stock_daily', # 股票的日线价格
'index_daily', # 指数的日线价格
'basics'], # 股票和基金的基本信息
start_date='20210101', # 下载数据的起止时间
end_date='20221231',
)数据下载到本地后，可以使用qt.get_history_data()来获取数据，如果同时获取多个股票的历史数据，每个股票的历史数据会被分别保存到一个dict中。
qt.get_history_data(htypes='open, high, low, close',
shares='000001.SZ, 000300.SH',
start='20210101',
end='20210115')运行上述代码会得到一个Dict对象，包含两个股票"000001.SZ"以及"000005.SZ"的K线数据（数据存储为DataFrame）：
{'000001.SZ':
open high low close
2021-01-04 19.10 19.10 18.44 18.60
2021-01-05 18.40 18.48 17.80 18.17
2021-01-06 18.08 19.56 18.00 19.56
...
2021-01-13 21.00 21.01 20.40 20.70
2021-01-14 20.68 20.89 19.95 20.17
2021-01-15 21.00 21.95 20.82 21.00,
'000300.SH':
open high low close
2021-01-04 5212.9313 5284.4343 5190.9372 5267.7181
2021-01-05 5245.8355 5368.5049 5234.3775 5368.5049
2021-01-06 5386.5144 5433.4694 5341.4304 5417.6677
...
2021-01-13 5609.2637 5644.7195 5535.1435 5577.9711
2021-01-14 5556.2125 5568.0179 5458.6818 5470.4563
2021-01-15 5471.3910 5500.6348 5390.2737 5458.0812}
除了价格数据以外，qteasy还可以下载并管理包括财务报表、技术指标、基本面数据等在内的大量金融数据，详情请参见qteasy文档
股票的数据下载后，使用qt.candle()可以显示股票数据K线图。
import qteasy as qt
data = qt.candle('000300.SH', start='2021-06-01', end='2021-8-01', asset_type='IDX')
qteasy的K线图函数candle支持通过六位数股票/指数代码查询准确的证券代码，也支持通过股票、指数名称显示K线图
qt.candle()支持功能如下：
- 显示股票、基金、期货的K线
- 显示复权价格
- 显示分钟、 周或月K线
- 显示不同移动均线以及MACD/KDJ等指标
详细的用法请参考文档，示例如下(请先使用qt.refill_data_source()下载相应的历史数据)：
import qteasy as qt
# 场内基金的小时K线图
qt.candle('159601', start = '20220121', freq='h')
# 沪深300指数的日K线图
qt.candle('000300', start = '20200121')
# 股票的30分钟K线，复权价格
qt.candle('中国电信', start = '20211021', freq='30min', adj='b')
# 期货K线，三条移动均线分别为9天、12天、26天
qt.candle('沪铜主力', start = '20211021', mav=[9, 12, 26])
# 场外基金净值曲线图，复权净值，不显示移动均线
qt.candle('000001.OF', start='20200101', asset_type='FD', adj='b', mav=[])
生成的K线图可以是一个交互式动态K线图（请注意，K线图基于matplotlib绘制，在使用不同的终端时，显示功能有所区别，某些终端并不支持
动态图表，详情请参阅 matplotlib文档
在使用动态K线图时，用户可以用鼠标和键盘控制K线图的显示范围：
- 鼠标在图表上左右拖动：可以移动K线图显示更早或更晚的K线
- 鼠标滚轮在图表上滚动，可以缩小或放大K线图的显示范围
- 通过键盘左右方向键，可以移动K线图的显示范围显示更早或更晚的K线
- 通过键盘上下键，可以缩小或放大K线图的显示范围
- 在K线图上双击鼠标，可以切换不同的均线类型
- 在K线图的指标区域双击，可以切换不同的指标类型：MACD，RSI，DEMA
关于DataSource对象的更多详细介绍，请参见qteasy文档
qteasy中的所有交易策略都是由qteast.Operator（交易员）对象来实现回测和运行的，Operator对象是一个策略容器，一个交易员可以同时
管理多个不同的交易策略。
qteasy提供了两种方式创建交易策略，详细的说明请参见使用教程：
- 使用内置交易策略组合
- 通过策略类自行创建策略
在这里，我们将使用一个内置的DMA均线择时策略来生成一个最简单的大盘择时交易系统。所有内置交易策略的清单和详细说明请参见文档。
创建Operator对象时传入参数：strategies='DMA'，可以新建一个DMA双均线择时交易策略。
创建好Operator对象后，可以用op.info()来查看它的信息。
import qteasy as qt
op = qt.Operator(strategies='dma')
op.info()现在可以看到op中有一个交易策略，ID是dma，我们在Operator层面设置或修改策略的参数
时，都需要引用这个ID。
DMA是一个内置的均线择时策略，它通过计算股票每日收盘价的快、慢两根移动均线的差值DMA与其移动平均值AMA之间的交叉情况来确定多空或买卖点。：
使用qt.built_ins()函数可以查看DMA策略的详细解，使用qt.built_ins()函数可以获取或者筛选需要的内置交易策略，例如：
import qteasy as qt
qt.built_in_doc('dma')
qt.built得到：
DMA择时策略
策略参数：
s, int, 短均线周期
l, int, 长均线周期
d, int, DMA周期
信号类型：
PS型：百分比买卖交易信号
信号规则：
在下面情况下产生买入信号：
1， DMA在AMA上方时，多头区间，即DMA线自下而上穿越AMA线后，输出为1
2， DMA在AMA下方时，空头区间，即DMA线自上而下穿越AMA线后，输出为0
3， DMA与股价发生背离时的交叉信号，可信度较高
策略属性缺省值：
默认参数：(12, 26, 9)
数据类型：close 收盘价，单数据输入
采样频率：天
窗口长度：270
参数范围：[(10, 250), (10, 250), (8, 250)]
策略不支持参考数据，不支持交易数据
在默认情况下，策略有三个可调参数：(12,26,9), 但我们可以给出任意大于2小于250的三个整数作为策略的参数，以适应不同交易活跃度的股票、或者适应
不同的策略运行周期。
您可以使用qt.built_in_list()函数查看所有内置策略的清单，并使用qt.built_ins()或qt.built_in_strategies()函数查看特定策略的详细说明。
在配置好Operator对象并设置好策略后，qteasy可以自动定期运行、自动盯盘、自动下载实时数据并根据策略结果生成交易指令，模拟交易过程并记录交易结果。
Qteasy的实盘一旦启动，就会在terminal中启动一个单独的线程在后台运行，运行的时机也是跟真实的股票市场一致的，股票市场收市的时候不运行，交易日早上9点15分唤醒系统开始拉取实时股价，9点半开始运行交易策略，交易策略的运行时机和运行频率在策略的属性中设置。如果策略运行的结果产生交易信号，则根据交易信号模拟挂单，挂单成交后修改响应账户资金和股票持仓，交易费用按照设置中的费率扣除。如果资金不足或持仓不足会导致交易失败，当天买入的股票同真实市场一样T+1交割，第二个交易日开始前交割完毕。
import qteasy as qt
# 创建一个交易策略alpha
alpha = qt.get_built_in_strategy('ndayrate') # 创建一个N日股价涨幅交易策略
# 设置策略的运行参数
alpha.strategy_run_freq = 'd' # 每日运行
alpha.data_freq = 'd' # 策略使用日频数据
alpha.window_length = 20 # 数据窗口长度
alpha.sort_ascending = False # 优先选择涨幅最大的股票
alpha.condition = 'greater' # 筛选出涨幅大于某一个值的股票
alpha.ubound = 0.005 # 筛选出涨幅大于0.5%的股票
alpha.sel_count = 7 # 每次选出7支股票
# 创建一个交易员对象，运行alpha策略
op = qt.Operator(alpha, signal_type='PT', op_type='step')
# 设置策略运行参数
# 交易股票池包括所有的银行股和家用电器股
asset_pool = qt.filter_stock_codes(industry='银行, 家用电器', exchange='SSE, SZSE')
qt.configure(
asset_type='E', # 交易的标的类型为股票
asset_pool=asset_pool, # 交易股票池为所有银行股和家用电器股
trade_batch_size=100, # 交易批量为100股的整数倍
sell_batch_size=1, # 卖出数量为1股的整数倍
live_trade_account_id=None, # 不指定实盘交易账户，给出账户名称并创建一个新的账户
live_trade_account_name='new_account'
# 如果想要使用已有的账户，应该指定账户ID同时不给出account_name：
# live_trade_account_id=1
# live_trade_account_name=None
live_trade_ui_type='tui', # 使用TUI界面监控实盘交易，默认使用CLI界面
)完成上述设置后，使用下面的代码运行交易策略，运行交易策略时指定模式0，代表实盘交易:
qt.run(op, mode=0, # 交易模式为实盘运行)Qteasy的实盘运行有一个“账户”的概念，就跟您在股票交易市场开户一样，一个账户可以有自己的持有资金，股票持仓，单独计算盈亏。运行过程中您可以随时终止程序，这时所有的交易记录都会保存下来，下次重新启动时，只要引用上一次运行使用的账户ID（account ID）就可以从上次中断的地方继续运行了，因此启动时需要指定账户，如果不想继续上次的账户，可以新开一个账户运行。
在启动实盘时可以通过qteasy的系统配置变量live_trade_account_name来指定使用的账户名，系统会自动创建一个新的账户并赋予账户ID；如果想要使用已有的账户，可以在启动时通过live_trade_account_id指定账户ID。
为了对策略运行过程进行监控，同时与qteasy进行互动，qteasy提供了两种不同的交互界面：
-
TraderShell交互式命令行界面CLI，可以在命令行中输入命令，查看交易日志、查看持仓、查看账户资金变化等信息：在命令行界面中，启动后默认显示的是交易策略的dashboard(状态页)，在该屏幕上会滚动显示交易策略运行日志，打印产生的交易信号、交易结果、当前最新股票价格等信息。
在策略运行过程中，用户可以通过键入"Ctrl+C"进入主菜单，按1键进入交互模式，这时用户可以通过键盘输入命令来查看持仓、查看账户资金变化、查看交易日志等信息，也可以通过命令来控制交易策略的运行，例如暂停、继续、终止交易策略的运行。
CLI界面目前支持的交互命令较多，包括：
- 暂停、恢复、终止交易策略的运行
- 查看持仓、账户资金、交易订单、交易历史等信息
- 手动调整持仓数量、资金数量、手动调整交易配置
- 手动下单，手动撤单
- 设置实时价格监控的股票代码
-
TraderApp(v1.2.0新增) 交互式图形界面TUI，可以在图形界面中查看交易日志、查看持仓、查看账户资金变化等信息：在TUI图形界面中，用户的Terminal会被划分为多个区域，显示策略运行过程中的所有关键信息，例如在顶部显示当前资产总额、浮动盈亏，在画面中部以图表显示当前持仓、交易订单历史记录、实时股票价格、以及策略运行参数等信息，在画面底部显示交易日志。
用户可以在TUI界面中以快捷键或者鼠标按钮点击的方式与qteasy的自动化交易程序互动，目前支持的功能较少，包括：
- 设置或调整实时价格监控的股票代码
- 更多的功能正在逐步添加中
上面两种方式都可以在实盘运行时使用，根据qteasy的配置参数进入不同的交互界，关于更多实盘运行的介绍，请参见QTEASY文档
交易策略的表现与策略的参数息息相关，针对不同类型的股票，不同的交易风格、不同的交易周期，策略的参数可能需要不同的设置，qteasy提供了策略回测功能，并多种优化算法，帮助搜索最优的策略参数，提高策略表现。
qteasy可以使用历史数据回测策略表现并输出图表如下：
使用默认参数回测刚才建立的DMA策略在历史数据上的表现，可以使用op.run()。
import qteasy as qt
op = qt.Operator(strategies='dma')
res = op.run(
mode=1, # 历史回测模式
asset_pool='000300.SH', # 投资资产池，即允许投资的股票或指数，此处为沪深300指数
asset_type='IDX', # 投资资产类型，IDX表示指数，E表示股票
invest_cash_amounts=[100000], # 初始投资资金，此处为10万元
invest_start='20220501', # 投资回测开始日期
invest_end='20221231', # 投资回测结束日期
cost_rate_buy=0.0003, # 买入费率，此处为0.03%
cost_rate_sell=0.0001, # 卖出费率，此处为0.01%
visual=True, # 打印可视化回测图表
trade_log=True # 打印交易日志
)输出结果如下：
====================================
| |
| BACK TESTING RESULT |
| |
====================================
qteasy running mode: 1 - History back testing
time consumption for operate signal creation: 4.4 ms
time consumption for operation back looping: 82.5 ms
investment starts on 2022-05-05 00:00:00
ends on 2022-12-30 00:00:00
Total looped periods: 0.7 years.
-------------operation summary:------------
Only non-empty shares are displayed, call
"loop_result["oper_count"]" for complete operation summary
Sell Cnt Buy Cnt Total Long pct Short pct Empty pct
000300.SH 6 6 12 56.4% 0.0% 43.6%
Total operation fee: ¥ 257.15
total investment amount: ¥ 100,000.00
final value: ¥ 105,773.09
Total return: 5.77%
Avg Yearly return: 8.95%
Skewness: 0.58
Kurtosis: 3.54
Benchmark return: -3.46%
Benchmark Yearly return: -5.23%
------strategy loop_results indicators------
alpha: 0.142
Beta: 1.003
Sharp ratio: 0.637
Info ratio: 0.132
250 day volatility: 0.138
Max drawdown: 11.92%
peak / valley: 2022-08-17 / 2022-10-31
recovered on: Not recovered!
===========END OF REPORT=============
交易策略的表现与参数有关，如果输入不同的参数，策略回报相差会非常大。qteasy可以用多种不同的优化算法，帮助搜索最优的策略参数，
要使用策略优化功能，需要设置交易策略的优化标记opt_tag=1，并配置环境变量mode=2即可:
import qteasy as qt
op = qt.Operator(strategies='dma')
op.set_parameter('dma', opt_tag=1)
res = op.run(mode=2, # 优化模式
opti_start='20220501', # 优化区间开始日期
opti_end='20221231', # 优化区间结束日期
test_start='20220501', # 测试区间开始日期
test_end='20221231', # 测试区间结束日期
opti_sample_count=1000, # 优化样本数量
visual=True, # 打印优化结果图表
parallel=False) # 不使用并行计算qteasy将在同一段历史数据（优化区间）上反复回测，找到结果最好的30组参数，并把这30组参数在另一段历史数据（测试区间）上进行独立测试，并显
示独立测试的结果：
====================================
| |
| OPTIMIZATION RESULT |
| |
====================================
qteasy running mode: 2 - Strategy Parameter Optimization
... # 省略部分输出
# 以下是30组优化的策略参数及其结果（部分结果省略）
Strategy items Sell-outs Buy-ins ttl-fee FV ROI Benchmark rtn MDD
0 (35, 69, 60) 1.0 2.0 71.45 106,828.20 6.8% -3.5% 9.5%
1 (124, 104, 18) 3.0 2.0 124.86 106,900.59 6.9% -3.5% 7.4%
2 (126, 120, 56) 1.0 1.0 72.38 107,465.86 7.5% -3.5% 7.5%
...
27 (103, 84, 70) 1.0 1.0 74.84 114,731.44 14.7% -3.5% 8.8%
28 (143, 103, 49) 1.0 1.0 74.33 116,453.26 16.5% -3.5% 4.3%
29 (129, 92, 56) 1.0 1.0 74.55 118,811.58 18.8% -3.5% 4.3%
===========END OF REPORT=============
将优化后的参数应用到策略中，并再次回测，可以看到结果明显提升：
op.set_parameter('dma', pars=(143, 99, 32))
res = op.run(
mode=1, # 历史回测模式
asset_pool='000300.SH', # 投资资产池
asset_type='IDX', # 投资资产类型
invest_cash_amounts=[100000], # 投资资金
invest_start='20220501', # 投资回测开始日期
invest_end='20221231', # 投资回测结束日期
cost_rate_buy=0.0003, # 买入费率
cost_rate_sell=0.0001, # 卖出费率
visual=True, # 打印可视化回测图表
trade_log=True, # 打印交易日志
)结果如下：
关于策略优化结果的更多解读、以及更多优化参数的介绍，请参见详细文档