雾计算/网格计算>> STS>> 返回
项目作者： patternfinance

项目描述 ：
Trade Smart in 2018 - 面向多策略开发的自动交易系统
高级语言： Python
项目地址: git://github.com/patternfinance/STS.git
创建时间： 2017-03-23T11:45:43Z
项目社区：https://github.com/patternfinance/STS
开源协议：MIT License
下载


STS - Smart Trading System

STS是一个面向多策略开发的自动交易系统。支持包括策略开发、策略回测在内的多项功能。目前STS尚在概念设计和验证阶段。感谢您的关注。

如何安装STS

  • 方式1：pip install sts

    ​

    如要升级STS请使用

    1. pip install sts --upgrade

    ​

  • 方式2：git clone repo后使用python setup.py install安装

    ​

    ​

如何使用STS

Example 1. 创建或加载一个稍后使用的股票池(Universe):

  1. import sts.universe as Universe
  3. # Create an universe
  4. user_uni = Universe.NormalUniverse()
  5. user_uni.set_universe('myuniverse_20170421.json')
  6. # Add stock to universe
  7. user_uni.add_stock('sh601211', '国泰君安')
  9. # Load built-in (core or user) universe from UniverseBase
  10. ubox = Universe.UniverseBox()
  11. # uni = ubox.load_niverse(repo='core', name='hs300')
  12. uni = ubox.load_niverse(repo='user', name='myuniverse_20170421.json')

Example 2. 获取个股日间(Inter-day)历史交易数据:

  1. import sts.datasource as DataSource
  3. # 获取单个股票的历史交易数据
  4. # 返回Pandas DataFrame
  5. tsObj = DataSource.getHistoricalBars('sh000001')
  7. # 快速选取数据
  8. tsObj = DataSource.select(tsObj, '2014-01-01', DataSource.today())

Example 3. 创建TradingDesk并进行设置:

  1. import sts.tradingdesk as TradingDesk
  3. # Load built-in strategy from StrategyBox 
  4. sbox = Strategy.StrategyBox()
  5. maco = sbox.load_strategy(repo='pf', name='MovingAverageCrossover')
  6. maco.mat = 'sma' # 设置使用的moving average类型
  7. maco.keyFast = 'open' # 使用开盘价来计算fast moving average
  8. maco.keySlow = 'close' # 使用收盘价来计算slow moving average
  9. maco.fastWindow = 5
  10. maco.slowWindow = 25
  12. # 创建一个单策略的TradingDesk
  13. # uni类型请参考Example 1
  14. trader = TradingDesk.LegacyDesk(uni, maco)
  15. # 设置滑点、手续费和Benchmark
  16. trader.set_slippage(0.002) # trader.slippage = 0.002
  17. trader.set_commission(0.00025) # trader.commission = 0.00025
  18. trader.set_benchmark('sh000300') # trader.benchmark = 'sh000300'
  20. # 创建一个多策略的TradingDesk
  21. # 从StrategyBox中加载多个策略
  22. # 我们稍后可以将策略配置存入json文件中
  23. strategies_json = [{
  24.     'repo': 'pf',
  25.     'name': 'MovingAverageCrossover',
  26.     'params': {
  27.         'mat': 'sma',
  28.         'keyFast': 'open',
  29.         'keySlow': 'close',
  30.         'fastWindow': 5,
  31.         'slowWindow': 25
  32.     }
  33. }, {
  34.     'repo': 'pf',
  35.     'name': 'SimpleMeanReversion',
  36.     'params': {
  37.         'type': 'log-returns',
  38.         'key': 'close'
  39.     }
  40. }, {
  41.     'repo': 'pf',
  42.     'name': 'RelativeStrength',
  43.     'params': {
  44.         'overbought': 80,
  45.         'oversold': 20,
  46.         'period': 2
  47.     }
  48. }, {
  49.     'repo': 'pf',
  50.     'name': 'DualThrust',
  51.     'params': {
  52.         'k1': 0.5,
  53.         'k2': 0.5,
  54.         'window': 5
  55.     }
  56. }]
  57. strategies = sbox.load_strategies(strategies_json)
  58. quant = TradingDesk.QuantDesk(uni, strategies)

STS功能介绍

我们在STS的开发中沿用模块化开发的思路，你可以使用整个STS或者单独使用某一模块来完成特定的任务。

  • Universe Module
  • DataSource Module
  • Model Module
  • Strategy Module
  • Backtest Module
  • Performance Module

STS交易系统开发理念

  • 一个典型的单策略交易系统

当你有一个经典策略和所需的数据时，你就可以开发出一个简单的单策略交易系统。而在你使用单策略交易时也许会经常遇到策略失效的情况，或者，当市场已经发生变化时我们通过单策略无法得知。

  • 多策略交易系统的原罪

市场上已经存在着形形色色的多策略交易系统(比如策略轮动)，而它们如此设计的原因在于市场的不断变化(Regime-Switching)和单个交易策略的经常性失灵。但这并不意味着每一个多策略系统都能优于单策略系统。

  • TradingDesk的设计

我们用TradingDesk来抽象我们对交易市场的理解。每一个TradingDesk表示着一种对市场的理解，你也可以把它理解成一个现实世界中隐藏在交易台后的交易员。不同的TradingDesk会使用不同(或相似)的方法来交易，而设计的初衷在于交易系统的多样性。

比如，我们可以使用STS中提供的LegacyDesk来构建一个基于简单均值回归或者动量策略的交易系统。或者，我们也可以通过QuantDesk来构建一个由双均线策略、海龟策略和动态突破策略组成的多策略交易系统。当我们有足够多的TradingDesk时，我们可以通过不同TradingDesk间的关联与变化来发现市场微观结构的改变。

帮助和支持