今天继续bt框架之应用、改造与解读，目前看，把bt框架融合进来，是一个正确的选择。
原因：
1、我们之前的“积木式”模块化，本身与bt理念就是一下的，学习成本与改造代价很低，很多拿过来可以直接用。
2、bt本身比较成熟，交易手续，滑点，它的报表，可视化，指标都比较完善，这一块之前打算自研，还是有不少细节要处理。
3、亮点功能：多策略，得益于它的树形结构，它可以同时跑多个策略，性能很多（cython加持）。
如下代码，一次定义并运行三个策略，效果对比一目了然（之前我的做法是把三个策略运行后，结果保存起来综合对比，这是无奈之举，bt框架完美的解决了这个诉求）：
df_factor = df[['symbol', factor_name]]print(df_factor)stra_name = '大小盘动量轮动'strat = engine.Strategy(stra_name, [ #RunMonthly(), SelectTopK(df_factor=df_factor, factor_name=factor_name,K=1, b_ascending=False), WeighEqually(), Rebalance() ] )s2 = engine.Strategy('等权买入-再平衡', [ RunMonthly(), SelectAll(), WeighEqually(), Rebalance() ])s_bench = engine.Strategy('基准-沪深300（000300）', [ SelectThese(tickers=['000300.SH']), WeighEqually(), Rebalance() ])bkt = engine.Backtest(strat, df_close,integer_positions=False)bkt2 = engine.Backtest(s2, df_close,integer_positions=False)bkt_bench = engine.Backtest(s_bench, df_close,integer_positions=False)res = engine.run(bkt,bkt2,bkt_bench)
algos_extend.py是我扩展的模块，主要是把topK算子，这个我们在轮动策略里用得很多的，迁移过来了。
代码在如下位置，大小盘轮动的notebook里，有上述多策略的演示：
吾日三省吾身
昨天睡得不错，因为一个工作中一个纠结好久的项目，终于有人来帮忙。尽管看起来仅算是帮忙，但终归有不小的进展。
有因此小事而困扰，格局还是需要提升。
人生之意义是自己赋予了。
有人觉得城市喧嚣好，有人认为田园风光好。
自己舒服就好。
一个好的状态是“做时间的朋友”。就是你做的事情，你布的局，时间对你是有利的，你就是时间的朋友。
好看的皮囊就不是时间的朋友，因为容颜终会老去。
读过的书，走过的路，经历过后的反思。
时间会解决很多问题，或者说是一切问题。
如果你是时间的朋友，一切就会越来越好。
成功是多因素的综合态，成长是自己可以努力的变量。
投资理财能力、阅读与深度思考，健康的生活习惯，写作沉淀有价值的内容，这些都是时间的朋友。
格局大了，就不必也不会在意蝇营狗苟，之于烂人烂事，最好的方法，莫过于无视。
时间的朋友会解决一切。
原先的计算是把系统开发的差不多，再写专栏。
随着星球小伙伴越来越多，对于系统构建思路，代码讲解，系统的可运行性，包括向后兼容提出更高的要求。
因此今天开始，把专栏这个事情提上日程，尽量更新吧。
说实话，这个写完差不多是一本书了。
不一定会按照顺序写，一开始肯定是围绕一个可以跑起来，但扩展性要好的回测系统。然后数据模块，因子模块，机器学习模型，最后是策略实战。
昨天我们提及的bt。http://pmorissette.github.io/bt/
特点：
1. 矩阵模式回测
2. 结构简单，只三个文件，再引用了ffn库，也是三个文件
3. 可以绘图，生成权重、持仓、交易清单等。
另外：
1. 支持策略树，可以将多个策略进行叠加、嵌套，组合成复杂策略
2. 支持大类资产配置，内置了等权、波动率倒数，均值方法、风险平价四种方法
3. 模块化，可以对模块进行组合定制。如定时运行、指定权重等等
咱们之类的框架，实现了它的大类资产配置和模块化，策略树这个有点意思。
因为它只有三个文件，而且backtest.py和algos我们都比较熟悉了，只需要熟悉一下bt这个树结构，在core.py中。
上述就是我们的传统策略，SPY和AGG做股债平衡，但我们可能需要这样的策略，债券是被动操作，但权益类的需要主动管理，比如动量策略，那么策略树可以改成这样：
在我们自己用的“绝对型收益”组合策略构建上，这个很有多，通常策略有择时、轮动，大类资产配置，还是就是策略组合，多策略组合在一起，可以有效降低回撤，提升夏普比。
node是这个树结构里的重要节点，它即是策略的基类，也是证券的基类，我们可以把多策略组合，策略与证券也做组合等等。
class Node(object): _capital = cy.declare(cy.double) _price = cy.declare(cy.double) _value = cy.declare(cy.double) _notl_value = cy.declare(cy.double) _weight = cy.declare(cy.double) _issec = cy.declare(cy.bint) _has_strat_children = cy.declare(cy.bint) _fixed_income = cy.declare(cy.bint) _bidoffer_set = cy.declare(cy.bint) _bidoffer_paid = cy.declare(cy.double) def __init__(self, name, parent=None, children=None): self.name = name # children helpers self.children = {} self._lazy_children = {} self._universe_tickers = [] self._childrenv = [] # Shortcut to self.children.values() self._original_children_are_present = (children is not None) and ( len(children) >= 1 ) # strategy children helpers self._has_strat_children = False self._strat_children = [] if parent is None: self.parent = self self.root = self # by default all positions are integer self.integer_positions = True else: self.parent = parent parent._add_children([self], dc=False) self._add_children(children, dc=True) # set default value for now self.now = 0 # make sure root has stale flag # used to avoid unnecessary update # sometimes we change values in the tree and we know that we will need # to update if another node tries to access a given value (say weight). # This avoid calling the update until it is actually needed. self.root.stale = False
由于bt有一个bug，我看了它的issue，似乎没有复现与解决：
因此我把代码拉出来自己改进：
核心指数数据：
数据加载及表达式引擎示例，
最新的“大小盘月度再平衡”的例子：
重构后的引擎及策略代码均已在星球发布，请自行更新。
本次属于从零重构，改动很大，请大家知晓。
发布者：股市刺客，转载请注明出处：https://www.95sca.cn/archives/103964
站内所有文章皆来自网络转载或读者投稿，请勿用于商业用途。如有侵权、不妥之处，请联系站长并出示版权证明以便删除。敬请谅解！
