量化策略绩效在mongo在存储与查询方案

关于投资，要到大道至简，很轻松愉悦。

要么精细，高频、深度学习。

我不太建议，尤其是新同学，所谓的自动化的主动策略，然后看似自动化的实盘。

交易本身就是要么赚，要么亏。（50%）。你觉得自己时而行，进而不行，长期看，大概率不行。

大类资产，风险平价是入门首选。

要么整高科技，高频，深度学习。

我这段时间做的是前者，我认为对大家更有帮助。

01 量化策略在服务器的存储

量化策略的表达，是一个字典或json，当然它包含嵌套的数据结构。如果要通过关系数据库如mysql去存储。至少得设计好几个关联表。

但我们其实就是存储一个数据结构，nosql就非常合适。

from quantlab.engine.engine import Task
import uuid
from dataclasses import asdict
from quanttask.utils import mongo_utils

def task_portfolio():
    task = Task()
    task._id = '5a3907af-7852-11ee-aeb4-c858c0412ade'
    task.name = '大类资产配置'
    task.desc = '沪深300指数与创业板指数，等权的配置'

    task.symbols = ['510300.SH', '159915.SZ']
    task.template = '大类资产配置'
    task.weights = 'WeightEqually'
    task.period = 'RunMonthly'
    task.benchmark = '510300.SH'
    print(asdict(task))
    return task


if __name__ == '__main__':
    import pandas as pd
    tasks = [task_portfolio()]
    df = pd.DataFrame(tasks)

    mongo_utils.write_df('tasks', df )

同样，回测结果直接保存回mongo供调用：

02 策略在网页上的呈现

mongo也是支持跨表联合查询的：

def strategies(request):
    nav_flag = 888
    #items = list(mongo_utils.get_db()['tasks_performance'].find({}))

    items = mongo_utils.get_db()['tasks_performance'].aggregate(
        [
            {
                '$lookup':
                    {
                        "from": "tasks",  # 需要联合查询的另一张表B
                        "localField": "_id",  # 表A的字段
                        "foreignField": "_id",  # 表B的字段
                        "as": "task_docs"  # 根据A、B联合生成的新字段名
                    },
            },
            {
                '$project':  # 联合查询后需要显示哪些字段，1：显示
                    {
                        'task_docs.name': 1,
                        'task_docs.desc': 1,
                        'task_docs.author': 1,
                        'CAGR':1,
                        '最大回撤':1,
                        'benchmark':1,
                        '_id': 0,
                    },
            },
            {
                '$match':  # 根据哪些条件进行查询
                    {

                    }
            }
        ]
    )

    items =  list(items)
    print(items)
    tasks = []
    for item in items:
        task = item.copy()
        task['bechmark_CARG'] = task['benchmark'][0]['CAGR']
        task['author'] = task['task_docs'][0]['author']
        task['name'] = task['task_docs'][0]['name']
        task['desc'] = task['task_docs'][0]['desc']
        tasks.append(task)

    items = tasks
    return render(request, 'quant/mall.html', {**locals()})