发布于vn.py社区公众号【vnpy-community】
原文作者: 用Python的交易员 | 发布时间: 2019-11-19
v2.0.8版本的vn.py已于上周五正式发布。和之前一样，对于使用VN Studio的用户，启动VN Station后，直接点击界面右下角的【更新】按钮就能完成自动更新升级。
对于没有安装的用户，请下载VNStudio-2.0.8，体验一键安装的量化交易Python发行版。
价差回测
价差交易策略的回测难点，在之前上海、北京、成都的三场线下活动上做了详细的分享，核心原因在于：
要实现较大的策略逻辑自由度和较高的策略回测精度，需要价差内每条腿的带有本地时间戳的Tick历史数据。
只有这样，才能保证在回测过程中任意时间点价差数据的准确性，但符合这种条件的数据非常难以获得，要么购买价格太高，要么需要自己逐笔录制。
考虑到vn.py社区绝大部分用户的需求，选择做了个折中：限制回测中策略的部分功能调用，从而大幅价差回测降低所依赖数据的复杂度，足以满足99%价差策略回测情景的需求（剩下那1%的大神，都这么NB了就自己折腾吧），支持的两种模式：
K线模式
- 数据要求：回测期内每条腿的K线数据（1分钟最佳），若有某条腿缺失一段，则所有腿的这一段数据都会被弃用
- 数据来源：CtaBacktester下载、CsvLoader载入、脚本载入
- 价差计算：基于每条腿K线的收盘价数据，在回测过程中由回测引擎基于价差定义公式自动计算，并推送给策略
Tick模式
- 数据要求：录制好的价差Tick盘口数据
- 数据来源：首先需要在SpreadTrading模块中创建配置好价差后，通过DataRecorder模块来进行Tick录制，本地代码填入xx-spread.LOCAL，其中xx-spread为用户定义的价差名称，LOCAL为固定交易所后缀（代表本地生成）
- 价差计算：回测引擎直接加载之前录制好的价差Tick数据推送给策略
价差回测功能，需要通过Jupyter Notebook来调用，具体代码可以参考Github仓库的示例，整体上和使用Jupyter来运行CTA策略回测的方法非常类似。
这里用股指期货的价差回测来做个展示，使用的是IF1911和IF1912合约构建的价差，回测的数据从10月14日到11月8日（因为IF1911刚挂牌不久）：
四个代码单元格，分别对应以下功能：
- 加载回测引擎模块类以及要回测的策略
- 创建价差对象
- 创建回测引擎，设置好相关回测参数后，初始化策略实例
- 加载数据执行策略回测，并计算相关统计指标，绘制结果图表
第四个单元格执行后，将会看到回测过程中相关的工作日志输出，以及最终的回测统计结果：
同时回测的结果图表如下图所示，四幅子图从上至下分别为：净值曲线、净值回撤、每日盈亏、盈亏分布：
在回测中，基于SpreadStrategyTemplate开发的策略，无法调用以下功能（会出错）：
- 通过策略缓存的价差对象spread访问任何一条腿的数据
- 所有针对价差内某条单一腿合约的下单函数，包括：
- buy
- sell
- short
- cover
- cancel_order
- cancel_all_orders
- 所有查询价差内某条单一腿数据的函数，包括：
- get_leg_tick
- get_leg_pos
投资组合
2019年初和对冲研投合作搞了一次线下活动，主题是基本面量化策略的实盘交易，当时提出要开发的PorfolioManager自动投资组合交易模块，总算在2019年底之前完成了：
该模块主要面向各种采用基本面策略的投资者（不一定是量化！）：
- 针对每个投资策略，创建一个独立的投资组合策略对象（可以理解为子账户），设置该策略所交易的合约；
- 所有的交易下单操作，都指定分配到某个投资组合策略上；
- 该投资组合策略，可以维护自身的持仓情况（和底层账户持仓独立），并实时计算盈亏数据（包括持仓盈亏和平仓盈亏），以及其他相关的记录功能（支持用户按需扩展GUI）。
2019年vn.py核心团队的最后一期小班课开始报名：
两天共计10小时的密集提高课程
8套高端CTA策略源代码分享
DoubleChannel
KeltnerBandit
RsiMomentum
SuperTurtle
TrendThrust
Cinco
Cuatro
SuperCombo
动态风险仓位管理模型
策略内嵌复杂算法交易
详情请戳：第四期vn.py小班课上线：CTA策略开发
