VeighNa量化社区
你的开源社区量化交易平台
Member
加入于:
帖子: 158
声望: 71

NPY的参数优化功能,是策略优化的重要功能。主要就是按照范围生成批量的参数组合,然后成批跑完,选出最优的方法的。

在ctaBaclesting.py中的addParameter方法提供了批量导入参数的方法。就是这样一个参数一个参数填入。addParameter会按照1为初始,5为结束,2为步进,生成[1,3,5]参数队列 。
setting.addParameter('barMins', 1,5,2)

但是有时候参数比较多,如果参数是已经维护list这样情况,就不好支持。我写了个v2版本。传入的是key,和一个参数定义,可以是tuple元祖,队列list,或者单个值。

    def addParameterV2(self, key, value):
        """增加优化参数"""
        if isinstance(value, tuple):
                if len(value) == 4:
                    if value[3] == "int":
                        self.paramDict[key] = np.linspace(value[0], value[1], value[2]).astype(int).tolist()
                    else:
                        self.paramDict[key] = np.linspace(value[0], value[1], value[2]).tolist()
                elif len(value) ==3:
                    l = []
                    param =  value[0]
                    while param <=  value[1]:
                        l.append(param)
                        param +=  value[2]
                    self.paramDict[key] = l
        elif isinstance(value, list):
                self.paramDict[key] = value
        else:

使用方法:
1,起始点,终结点,和步进 比如,那么就和之前一样的返回
setting.addParameterV2('barMins', (1,5,2))
setting.addParameterV2('barMins', (0,5,0.2))
2, 起始点,终结点,参数个数和是否int 比如
setting.addParameterV2('barMins', 1,5,3, "int") 会生成有3个整数参数的参数队列
[1, 3, 5];
setting.addParameterV2('barMins', 1,5,4, "float")会生成浮点数参数组
[1.0, 2.333333333333333, 3.6666666666666665, 5.0]
3,数列,就直接使用数列

setting.addParameterV2('barMins', [3.5.6])
4,单个数字,就直接使用单个数字

setting.addParameterV2('barMins',4)

这样修改后,就可以不用一个一个加入,如下批量加入。

paradict = {
    'lWindow':40,
    'llDev': 8.0,
    'MAWindows':(5,12,5,"int"),
    'atrWindow':25,
    'slMultiplier':(3.0,6.0,3),
    'pRate':(0.002,0.010,5,"float"),
    'bMins':[3,5,10],
    'CDate':3,
    'endsize':(1,4,1),
    'endplus':(0,3,1)
}
for key,value in paradict.items():
    setting.addParameterV2(key,value)
Member
加入于:
帖子: 22
声望: 1

学习

© 2015-2022 上海韦纳软件科技有限公司
备案服务号:沪ICP备18006526号

沪公网安备 31011502017034号

【用户协议】
【隐私政策】
【免责条款】