哪家期货公司有ctp期货交易系统,哪家期货手续费便宜

2022-09-19 11:51:31 主力论市

1.简介

　　 AmazingQuant是一个基于事件驱动的定量回测开源框架。下图显示了整体框架。　　

　　数据中心　　

　　To_mongoDB将报价、财务等各种数据存储到mongoDB的存储模块中。　　

　　get_data策略中从数据库获取数据的接口模块　　

　　贸易中心　　

　　Mossion_engine由两部分组成：订货任务引擎(event_order)和风险控制引擎(event_risk_management)，分别完成订货前的检查和风险控制。　　

　　broker_engine分为两部分：后台模拟的代理(主要是event_deal)、CTP、xSpeed等接口。它连接固定事务处理。　　

　　战略中心　　

　　Bar_engine以k线逐根的方式执行回测或交易模式下各棒线的交易逻辑，可以运行在日线、分钟线、子线上。　　

　　分析中心　　

　　analysis_engine分析并可视化回测形成的交易记录，如净值、年化收益、alpha、beta、回撤等指标，以及brison、Fama等经典模型的实现。　　

2.安装配置

　　 MongoDB 3.4 　　

　　建议使用shard配置启动项示例。　　

　　安装　　

　　Python调用MongoDB 　　

　　塔利卜　　

　　技术指标计算库　　

　　水蟒　　

　　Python版本，如果大于3.5版本，ctp的接口暂时不能用。因为编制问题，后面可以解决。　　

　　下载　　

　　开发环境是ubuntu，当然也可以在windows下使用，但是数据库和ctp等交易接口的配置需要重做。　　

　　安装AmazingQuant 　　

　　直接安装Pip惊人的Quant 　　

3.策略编写

　　 #-*-coding : utf-8-*-_ _ author _ _=' Gao ' Import numpy as npimport talib # Import策略基类from amazing quant . strategy _ center . strategy Import * # Import交易模块from amazing quant . trade _ center . trade Import trade #通过继承策略基类ma strategy(strategy base)3360 definitialize(self)3360 #、Self设置运行模式。运行模式=运行模式。back testing . value # set self . account=' test0 '，' test1' # set self。capital={'test0' 3360 200000，Test1': 1000} # Set self。benchmark=' 00300.sh' #设定自我。rights _ adjustment=rights adjustment . none . value #设置自己复试的起止时间。start=' 2015-01-11 '自己。end=' 2016-01-16' #设置跑步周期自我. period='daily' #设置股票池自我。universe=' 00001.sz '，' 00002.sz '。'000008.SZ '，' 000060。SZ '，' 000063。SZ '，' 000069。SZ '，' 000100。SZ '，' 000157。SZ '，' 000166。SZ '，' 000333。SZ '，' 000338。SZ '，' 000402。SZ '，' 000413。SZ '，' 000415。SZ '，' 000423。SZ '，' 000425。SZ '，' 000503。SZ '，' 000538。SZ '，' 000540。SZ '，' 000559。SZ '，' 000568。SZ '，' 000623。SZ '，' 000625。SZ '，' 000627。SZ '，' 000630。SZ '，' 000651。SZ '，' 000671。SZ '，' 000686。SZ '，' 000709。SZ '，' 000723。SZ '，' 000725。SZ '，' 000728。SZ '，' 000738。SZ '，' 000750。SZ '，' 000768。SZ '，' 000776。SZ '，' 000783。SZ '，' 000792。SZ '，' 000826。SZ '，' 000839。SZ '，' 000858。SZ '，' 000876。SZ '，' 000895。SZ '，' 000898。SZ '，' 000938。SZ '，' 　　

000959.SZ', '000961.SZ', '000963.SZ', '000983.SZ', '001979.SZ', '002007.SZ', '002008.SZ', '002024.SZ', '002027.SZ', '002044.SZ', '002065.SZ', '002074.SZ', '002081.SZ', '002142.SZ', '002146.SZ', '002153.SZ', '002174.SZ', '002202.SZ', '002230.SZ', '002236.SZ', '002241.SZ', '002252.SZ', '002292.SZ', '002294.SZ', '002304.SZ', '002310.SZ', '002352.SZ', '002385.SZ', '002411.SZ', '002415.SZ', '002424.SZ', '002426.SZ', '002450.SZ', '002456.SZ', '002460.SZ', '002465.SZ', '002466.SZ', '002468.SZ', '002470.SZ', '002475.SZ', '002500.SZ', '002508.SZ', '002555.SZ', '002558.SZ', '002572.SZ', '002594.SZ', '002601.SZ', '002602.SZ', '002608.SZ', '002624.SZ', '002673.SZ', '002714.SZ', '002736.SZ', '002739.SZ', '002797.SZ', '002831.SZ', '002839.SZ', '002841.SZ', '300003.SZ', '300015.SZ', '300017.SZ', '300024.SZ', '300027.SZ', '300033.SZ', '300059.SZ', '300070.SZ', '300072.SZ', '300122.SZ', '300124.SZ', '300136.SZ', '300144.SZ', '300251.SZ', '300315.SZ', '600000.SH', '600008.SH', '600009.SH', '600010.SH', '600011.SH', '600015.SH', '600016.SH', '600018.SH', '600019.SH', '600021.SH', '600023.SH', '600028.SH', '600029.SH', '600030.SH', '600031.SH', '600036.SH', '600038.SH', '600048.SH', '600050.SH', '600061.SH', '600066.SH', '600068.SH', '600074.SH', '600085.SH', '600089.SH', '600100.SH', '600104.SH', '600109.SH', '600111.SH', '600115.SH', '600118.SH', '600153.SH', '600157.SH', '600170.SH', '600177.SH', '600188.SH', '600196.SH', '600208.SH', '600219.SH', '600221.SH', '600233.SH', '600271.SH', '600276.SH', '600297.SH', '600309.SH', '600332.SH', '600340.SH', '600352.SH', '600362.SH', '600369.SH', '600372.SH', '600373.SH', '600376.SH', '600383.SH', '600390.SH', '600406.SH', '600415.SH', '600436.SH', '600482.SH', '600485.SH', '600489.SH', '600498.SH', '600518.SH', '600519.SH', '600522.SH', '600535.SH', '600547.SH', '600549.SH', '600570.SH', '600583.SH', '600585.SH', '600588.SH', '600606.SH', '600637.SH', '600649.SH', '600660.SH', '600663.SH', '600674.SH', '600682.SH', '600685.SH', '600688.SH', '600690.SH', '600703.SH', '600704.SH', '600705.SH', '600739.SH', '600741.SH', '600795.SH', '600804.SH', '600816.SH', '600820.SH', '600827.SH', '600837.SH', '600871.SH', '600886.SH', '600887.SH', '600893.SH', '600895.SH', '600900.SH', '600909.SH', '600919.SH', '600926.SH', '600958.SH', '600959.SH', '600977.SH', '600999.SH', '601006.SH', '601009.SH', '601012.SH', '601018.SH', '601021.SH', '601088.SH', '601099.SH', '601111.SH', '601117.SH', '601118.SH', '601155.SH', '601163.SH', '601166.SH', '601169.SH', '601186.SH', '601198.SH', '601211.SH', '601212.SH', '601216.SH', '601225.SH', '601228.SH', '601229.SH', '601288.SH', '601318.SH', '601328.SH', '601333.SH', '601336.SH', '601375.SH', '601377.SH', '601390.SH', '601398.SH', '601555.SH', '601600.SH', '601601.SH', '601607.SH', '601608.SH', '601611.SH', '601618.SH', '601628.SH', '601633.SH', '601668.SH', '601669.SH', '601688.SH', '601718.SH', '601727.SH', '601766.SH', '601788.SH', '601800.SH', '601818.SH', '601857.SH', '601866.SH', '601872.SH', '601877.SH', '601878.SH', '601881.SH', '601888.SH', '601898.SH', '601899.SH', '601901.SH', '601919.SH', '601933.SH', '601939.SH', '601958.SH', '601966.SH', '601985.SH', '601988.SH', '601989.SH', '601991.SH', '601992.SH', '601997.SH', '601998.SH', '603160.SH', '603799.SH', '603833.SH', '603858.SH', '603993.SH'> # 设置在运行前是否缓存日线，分钟线等各个周期数据 self.daily_data_cache = True print(self.universe) # 回测滑点设置，按固定值0.01,20-0.01 = 19.99;百分比0.01,20*(1-0.01) = 19.98;平仓时用"+" self.set_slippage(stock_type=StockType.STOCK.value, slippage_type=SlippageType.SLIPPAGE_FIX.value, value=0.01) # 回测股票手续费和印花税，卖出印花税，千分之一；开仓手续费，万分之三；平仓手续费，万分之三，最低手续费，５元 # 沪市，卖出有万分之二的过户费，加入到卖出手续费 self.set_commission(stock_type=StockType.STOCK_SH.value, tax=0.001, open_commission=0.0003, close_commission=0.0003, close_today_commission=0, min_commission=5) # 深市不加过户费 self.set_commission(stock_type=StockType.STOCK_SZ.value, tax=0.001, open_commission=0.0003, close_commission=0.0005, close_today_commission=0, min_commission=5) def handle_bar(self, event): # 取当前bar的持仓情况 available_position_dict = {} for position in Environment.bar_position_data_list: available_position_dict = position.position - position.frozen # 当前bar的具体时间戳 current_date = data_transfer.millisecond_to_date(millisecond=self.timetag, format="%Y-%m-%d") # 时间戳转换成int，方便后面取数据 current_date_int = data_transfer.date_str_to_int(current_date) print(current_date) # 取数据实例 data_class = GetData() # 循环遍历股票池 for stock in self.universe: # 取当前股票的收盘价 close_price = data_class.get_market_data(Environment.daily_data, stock_code=, field=<"close">, end=current_date) # print(self.start, current_date) close_array = np.array(close_price) if len(close_array) > 0: # 利用talib计算MA ma5 = talib.MA(np.array(close_price), timeperiod=5) ma20 = talib.MA(np.array(close_price), timeperiod=20) # print(type(close_price.keys())) # 过滤因为停牌没有数据 if current_date_int in close_price.keys(): # 如果5日均线突破20日均线，并且没有持仓，则买入这只股票100股，以收盘价为指定价交易 if ma5<-1> > ma20<-1> and stock not in available_position_dict.keys(): Trade(self).order_shares(stock_code=stock, shares=100, price_type="fix", order_price=close_price, account=self.account<0>) print("buy", stock, 1, "fix", close_price, self.account) # 如果20日均线突破5日均线，并且有持仓，则卖出这只股票100股，以收盘价为指定价交易 elif ma5<-1> < ma20<-1> and stock in available_position_dict.keys(): Trade(self).order_shares(stock_code=stock, shares=-100, price_type="fix", order_price=close_price, account=self.account<0>) print("sell", stock, -1, "fix", close_price, self.account)if __name__ == "__main__": # 测试运行完整个策略所需时间，目前没有做过多优化， # 300只股票，日线数据，一年的时间区间，4000多次交易记录，在我的虚拟机大概80s，换个性能稍好点的机器，应该会快很多 from AmazingQuant.utils.performance_test import Timer time_test = Timer(True) with time_test: # 运行策略，设置是否保存委托，成交，资金，持仓 MaStrategy().run(save_trade_record=True)