大鱼旧引擎说明

未分类

1.程序化交易初探

• 程序化交易是金融市场上博弈技术和信息技术发展到高级阶段的必然产物。它利用现代化的计算机技术来满足交易者对交易的及时性，准确性以及系统制度化的需求。 - 从广义上来说，所有用预设程序所完成的交易都叫做程序化交易，例如：高频交易, 算法交易，自动执行的套利交易、套保交易和对冲交易，限价单止损交易，交易所或经济公司的自动强平交易等。
• 狭义的程序化交易(Programming Trading)也叫做交易系统，是量化投资大家族中的一员。

2.什么是Bigfish

• Bigfish是Python环境下的一个量化投资策略运行框架，支持各种类型的外汇量化投资策略。依照Bigfish的策略模板，用户可以自主开发各种独特的投资策略，并方便的进行回测，了解策略在历史市场中的表现，寻找优秀的投资策略。
• Bigfish为用户提供量化投资策略的参数优化功能，帮助用户利用历史数据集对策略进行优化。
• Bigfish可以支持多个品种以及多个时间框架的量化策略，同时也兼容各类Python的数学、统计、金融和机器学习等等模块，例如：Numpy，Scipy，statsmodels，Scikit Learn，talib等等，能够实现技术分析，统计套利，多因子模型，事件驱动等等各种流派和风格的投资策略，
• Bigfish的框架可以方便地拓展到不同的资产类别，在未来，Bigfish将会支持期货合约、股票以及债券等各类资产。

3.什么是交易策略

• 一般而言，不管是选股，择时，趋势跟随，统计套利等不同类型的交易策略都可以被概括为：根据一定的逻辑规则，做出何时对何种资产以何价位买卖多少数量的决策。一系列的决策导致了资产组合净值的涨跌，从而反映策略的优劣。
• 在Bigfish中，一个程序化的交易策略是什么样的呢？为了回答这个问题，我们先来看看一个程序化的策略是如何做出交易决策的： + 第一，要有输入的数据来为决策提供信息。投资策略中最常用到的是交易物的历史行情报价数据，它一般分为Bar数据和Tick数据。Tick数据即成交明细数据，是交易所委托申报簿的快照，一般是买卖双方委托队列前五档的报价和交易量信息，频率在秒级别，Tick数据是行情的最精细单元，包含了最多的信息，但是数据存储量巨大而且一般较难获得；Bar数据按照一定的时间尺度将报价信息整合成开盘价格(Open)、收盘价格(Close)、最高价(High)、最低价(Low)、开始时间(Datetime)、总成交量(Volumn)六个数据，其图形化的展示就是我们所熟知的K线图。Bigfish平台上的量化策略正是基于这两种数据，整个策略的的计算以K线为单位向前推进，对于最后一根K线，以最新的报价作为收盘价。由于Tick数据量巨大，目前我们暂时只提供了获取Bar数据的接口。
• 第二，要将策略的交易逻辑用计算机理解的语言表述。Bigfish平台以Python语言为基础。Python是一门高级语言，语法简单，易于掌握，用户只需要少量甚至零编程基础，都可以迅速上手，踏上程序化交易之路。为了同时，用户也可以方便的导入Python功能强大的第三方模块。
• 第三，

4.示例策略

BigFish运行架构

如下图，一段策略代码在BigFish平台上挂载运行的过程可以分为三个阶段:

- 初始化阶段：
BigFish首先根据用户输入的运行起止时间，K线时间框架，交易品种，起始资金等运行参数生成资金账户(Account)和数据发生器(DataGenerator),生成策略运行引擎(StrategyEngine),并根据策略代码生成策略信号(Strategy)对象。它们分别有以下功能：

**Account**：负责管理记录账户的资金情况。

**DataGenerator**:向数据库拉取数据并向**StrategyEngine**推送数据。

**StrategyEngine**:核心事件引擎，管理行情数据、订单请求、订单取消等各种事件，缓存行情数据，保存策略运行时的所有信息。

**Strategy**：将策略代码拆分为多个单独的信号，管理它们的运行。

• 运行阶段：
  StrategyEngine开始运行，DataGenerator开始向其推送数据。每当有新数据到来，StrategyEngine将通知挂载于其上的Strategy，Strategy中订阅了该数据的信号将被执行,执行过程中产生的下单指令将会被提交给StrageEngine，再由StrageEngine在合适的时间提交给经销商或者判断是否满足模拟成交。若下单成功，则更新Account中账户现金和当前持有仓位等相关信息。

• 绩效计算阶段：
  DataGenerator告知StrategyEngine数据完结，StrategyEngine停止运行，并交由Performce模块根据Account中保存的账户净值等信息计算策略各项绩效指标，如最大回撤，sharpe ratio等，生成绩效报告(Backtest Report)。

在BigFish的第一个策略

您进入BigFish云量化平台所见的第一个demo，就是以下这个策略。它包含了在BigFish上实现策略所需要的最最基本的结构。您在新建策略时，也会生成此策略作为模板。您可以在此基础上进行修改以实现自己的策略思想。

def init():
# 初始化方法。在策略运行之初会且仅会执行一次。
# 在该方法中定义的变量均为全局变量，可以在信号方法中访问。
    pass
def handle():
# 信号方法。每当有新的数据推送的时候都会执行一次。
# 在该方法中监测市场数据，进行订单操作。
    """
    编写你的主要算法逻辑
    通过变量Open，Close，High，Low，Time，Volume获取K线数据。
    通过Buy，Sell，SellShort，BuyToCover进行下单。
    详情请参见BigFish策略开发语法大全。
    """
    # 若当前没有持仓，且收盘价小于开盘价
    if MarketPosition==0 and Close[0]<Open[0]:
        Buy(Symbol,1) # 开一手多仓
    # 若当前持多仓，且收盘价大于开盘价
    elif MarketPosition>0 and Close[0]>Open[0]:
        Sell(Symbol,1) # 平一手多仓

需要实现的方法

您在策略代码中需要实现的基本方法分为两种：
- init方法: 该方法接受策略初始化事件，在策略挂载并开始运行时会被调用一次；
- 信号方法: 其他不以init为名的方法将被视为一个“信号”，信号订阅行情数据事件，每当有行情数据更新时都会被执行。在信号中，您可以通过我们提供的系统变量和函数，访问行情数据，持仓信息，订单信息等，并通过相应函数下单。
详情请阅读Bigfish系统关键字与操作符一节。
如果您想了解更多Python语法知识，请查看Python入门语法。
为了用户更加方便的实现各种风格的策略，我们将在之后提供对更多特定事件如定时事件乃至用户自定义事件进行接收处理的函数接口。