vnpy使用初体验，从代码运行，导入csv数据，回测及参数调优

数据我导入数据库了，setting是配置好的，直接就可以使用了！

直接运行main.py即可：

主界面长这样：

通过“功能”菜单打开“回测”界面：

点击回测，就可以运行策略啦：

经典的DualTrust策略，年化19.81%，这是基于分钟线的操作。

如下是vnpy内置带的策略，后续我会补充：

仔细对比下来，vnpy有一个缺点——写策略特别麻烦，为了完美还原和兼容实盘的逻辑，就是tick是一个一个到达的逻辑，它甚至没有向量化计算指标，每个值是数据到达后现算的。

比如， 以dualthrast策略为例，要计算14天的max_high。

它其实是自己递归着算的

last_bar = self.bars[-2]

if last_bar.datetime.date() != bar.datetime.date():
    if self.day_high:
        self.day_range = self.day_high - self.day_low
        self.long_entry = bar.open_price + self.k1 * self.day_range
        self.short_entry = bar.open_price - self.k2 * self.day_range

    self.day_open = bar.open_price
    self.day_high = bar.high_price
    self.day_low = bar.low_price

    self.long_entered = False
    self.short_entered = False
else:
    self.day_high = max(self.day_high, bar.high_price)
    self.day_low = min(self.day_low, bar.low_price)

这会带出一个问题，如果结果不好，到底是策略不行，还是策略有bug。

我们应该把精力专注在策略和因子的研发上，这也就是Quantlab的初心，基本上就是低代码或者零代码写策略，只要你的因子计算没写错，信号天达没写错，策略就是对的！

由于vnpy最初是做期货实盘接口起家，后面补充的backtesting，所以backtesting只是一个补充。

vnpy双均线的核心代码：

1、on_bar的时候，计算双均线指标（在实盘的时候，数据是依次到达和合成的，确实需要每次都计算一下最新的指标）。

fast_ma = am.sma(self.fast_window, array=True)
self.fast_ma0 = fast_ma[-1]
self.fast_ma1 = fast_ma[-2]

slow_ma = am.sma(self.slow_window, array=True)
self.slow_ma0 = slow_ma[-1]
self.slow_ma1 = slow_ma[-2]

cross_over = self.fast_ma0 > self.slow_ma0 and self.fast_ma1 < self.slow_ma1
cross_below = self.fast_ma0 < self.slow_ma0 and self.fast_ma1 > self.slow_ma1

if cross_over:
    if self.pos == 0:
        self.buy(bar.close_price, 1)
    elif self.pos < 0:
        self.cover(bar.close_price, 1)
        self.buy(bar.close_price, 1)

elif cross_below:
    if self.pos == 0:
        self.short(bar.close_price, 1)
    elif self.pos > 0:
        self.sell(bar.close_price, 1)
        self.short(bar.close_price, 1)

2、传统量化框架里的写法：

if crossover(self.ma1, self.ma2):
            self.buy()
        elif crossover(self.ma2, self.ma1):
            self.sell()

当然，传统量化框架，如何直接平移到实盘，这是一个要思考的问题。

当然国内期货允许同时开多单和空单，所以先平后开的操作，不过这个小细节都好办。

CTA系列，从vnpy开始是挺好的选择。

原计划是使用backtesting.py，但考虑到后续对接实盘，多标的，本地化等多种原因，目前看vnpy还是最成熟且经过实战检验，也是完善的社区支持。

它是“插件化”的结构，因此需要自己去下载多个工程，然后组出出来。（我没有用软件的方式来安装，因为金融这个事情，所有代码最好是已知的才放心）。

我没有使用vntrader studio，直接使用代码运行的：

总体观感，相比多数开源软件，vnpy的完成度还是比较友好的。但相对成熟软件，还有距离。我估计很多同学未必能跑得起来。

另外就是数据一定要导入到数据库里，或者使用RQData(付费的)，这对于想简单尝试一下的同学，略有门槛。

吾日三省吾身

有些事情，需要释放一些大脑带宽才能想得清楚。

在你焦虑，迷茫，不知往什么方向走时，停下来，放空一下。

其实没什么大不了，有时候，事情反而明朗了。

星球的老朋友都清楚，咱们的Quantlab，有很重的bt(一个小众的回测框架，主要是算子，积木式写策略)和Qlib的身影（主要是因子表达式）。

这个框架天然适合大类资产配置，股票多因子，多标的轮动等。

但仔细想来，这个适合什么场景呢？

适当公募基金做指增，或者私募做增值。————说白了，都是代客理财。

只要是代理，收益来源很大一部分就是管理费，当然业绩需要有保证，才能收到管理费。

所以，为什么现在市场很多公司开始做”指增“——跑盈指数就好了，市场beta不用管了。私募好一点，多数有绝对收益要求。

因此，大家更关心控制回撤与夏普比。——最好的方法是什么呢？——分散。

比如公募基金是有明确规定，单标的不得超过组合的10%。

——分散当然可以有效降低风险，不过收益也会随之减少。

对于多数自营的量化普通人的逻辑，我昨天说的大部分做量化以及想接触量化人的目标是——每天1%。每天1%可能夸张了，但更像风险投资的逻辑，一级市场VC的逻辑是1%的投资胜率，但1个公司投资回报可能是1000倍（高赔率）。那仍然是十倍的回报（1%的投资1000倍）。

推演一下如下逻辑，仍然是分散：

比如把仓位分成20份，每次5%。可以同时跑20个策略。止损，让利润奔跑。做好加减仓的精细化管理。

轮动其实是粗放式的，一般仓位就不太重要。或者说是严格限制风险头寸。

而单标的而言，是精细化管理，什么时候止损，什么时候加仓。

这里的逻辑就是CTA。——杠杆、多空，T+0。