金融小课堂 | 零基础30天API量化速成

金融小课堂 | 零基础30天API量化速成_第10讲

修恩笔记

2019-12-23

热度：17000

除了好用的web量化交易工具之外，量化世界还有一些超级好用的API进阶工具。

“除了好用的web量化交易工具之外，量化世界还有一些超级好用的API进阶工具。作者对以下提及的任何产品都没有既得利益，也未提供投资建议”

上一篇课堂中，我介绍了三款好用的web量化交易工具：QuantConnect，Quantopian，QuantRocket ：金融小课堂 | 零基础30天API量化速成_第9讲

当你掌握了Quantopian等web工具之后，你会发现，web工具只是入门级工具，而对高级交易员来说，更方便的使用方法是直接使用IDE。

在当今的量化世界，如果您在以上web工具之外想要进一步学习，您将拥有更多的自由。

话不多说，今天就来为纯技术宅们，介绍3款更好用的API量化工具。

Zipline

Github地址：https://github.com/quantopian/Zipline

Quantopian的IDE基于Zipline建立。Zipline是用于算法交易的开源回测引擎。

Zipline在本地运行，并且可以配置为在虚拟环境和Docker容器中运行。

Zipline具有Quantopian的所有功能，用户可以编写自定义数据进行回测。Zipline还提供来自回测的原始数据，从而允许用于各种用途的可视化。

Zipline在2017年停止了实时交易，但是有一个与Interactive Brokers合作的开源项目Zipline-live。它具有Zipline的许多相同功能，并提供实时交易。

以下一段简单的代码即可实现一个双重移动平均算法：

from zipline.api import order_target, record, symboldef initialize(context):    context.i = 0    context.asset = symbol('AAPL')def handle_data(context, data):    # Skip first 300 days to get full windows    context.i += 1    if context.i < 300:        return    # Compute averages    # data.history() has to be called with the same params    # from above and returns a pandas dataframe.    short_mavg = data.history(context.asset, 'price', bar_count=100, frequency="1d").mean()    long_mavg = data.history(context.asset, 'price', bar_count=300, frequency="1d").mean()    # Trading logic    if short_mavg > long_mavg:        # order_target orders as many shares as needed to        # achieve the desired number of shares.        order_target(context.asset, 100)    elif short_mavg < long_mavg:        order_target(context.asset, 0)    # Save values for later inspection    record(AAPL=data.current(context.asset, 'price'),           short_mavg=short_mavg,           long_mavg=long_mavg)

以上代码写好后，您可以直接使用Zipline CLI运行此算法。

从命令行运行以下命令：

$ QUANDL_API_KEY=<yourkey> zipline ingest -b quandl$ zipline run -f dual_moving_average.py --start 2014-1-1 --end 2018-1-1 -o dma.pickle

执行后，它将会从quandl下载资产定价数据，并在指定的时间范围内通过算法将其流式传输后，将产生的DataFrame保存在dma.pickle中，您可以在Python中对其进行加载和分析。

backtrader

Github地址：https://github.com/backtrader/backtrader

backtrader是一个功能丰富的Python框架，用于回测和交易。Backtrader应该是目前最流行的回测引擎之一。它是使用纯python构建的并具有在本地运行的简单高效的界面（无Web界面）。

要记住的一件事是，backtrader没有任何数据，但是您可以很容易地将自己的市场数据以csv和其他格式导入。

backtrader允许您专注于编写可重用的交易策略，指标和分析器，而不必花费时间来构建基础结构。

使用backtrader来实现SMA的代码如下：

from datetime import datetimeimport backtrader as btclass SmaCross(bt.SignalStrategy):    def __init__(self):        sma1, sma2 = bt.ind.SMA(period=10), bt.ind.SMA(period=30)        crossover = bt.ind.CrossOver(sma1, sma2)        self.signal_add(bt.SIGNAL_LONG, crossover)cerebro = bt.Cerebro()cerebro.addstrategy(SmaCross)data0 = bt.feeds.YahooFinanceData(dataname='MSFT', fromdate=datetime(2011, 1, 1),                                  todate=datetime(2012, 12, 31))cerebro.adddata(data0)cerebro.run()cerebro.plot()