2023年9月6日 星期三
```python
data1 = tw_close.GetClose()[(tickLengh-leftLength-showLength):(tickLengh-leftLength)]
data2 = tw_close.GetSMA(signal_SMA_Length)[(tickLengh-leftLength-showLength):(tickLengh-leftLength)]
data3 = tw_close.GetMAX(signal_MAX_Length)[(tickLengh-leftLength-showLength):(tickLengh-leftLength)] #data3
data4 = tw_close.GetMIN(signal_MIN_Length)[(tickLengh-leftLength-showLength):(tickLengh-leftLength)] #data3
#signal = data1 >= data2
signal = tw_close.GetSignal()[(tickLengh-leftLength-showLength):(tickLengh-leftLength)]
print("Show Tick總數: ", len(data1))
sym = 't'
curve1 = p1.plot(data1)
curve2 = p1.plot(data2, pen='r')
curve3 = p1.plot(data3, pen='b') #data3
curve4 = p1.plot(data4, pen='g') #data3
curve5 = p2.plot(signal, pen =(0, 0, 200), symbolBrush =(0, 0, 200), symbolPen ='w', symbol ='t1', symbolSize = 14)
#-------------------------------------------------------
if liveVer == 0:
ptr1 = tickLengh-leftLength+1 #History ver:為了取得顯示在Tick圖上的Tick之後的下一個Tick
else:
ptr1=-1 # Live ver.:-1
#-------------------------------------------------------
def update1():
global data1, data2, data3, data4, signal, ptr1 #data3
data1[:-1] = data1[1:] # 即資料左移
#[:-1]意思是->取全部,除了最後一個 (即左移, 空出最後一個值)
#[1:]意思是->取全部,除了第一個
#[-1]意思是->取最後一個
data1[-1] = tw_close.GetClose()[ptr1] #最近Tick值
data2[:-1] = data2[1:] # 即資料左移
data2[-1] = tw_close.GetSMA(signal_SMA_Length)[ptr1]
data3[:-1] = data3[1:] # 即資料左移 #data3
data3[-1] = tw_close.GetMAX(signal_MAX_Length)[ptr1] #data3
data4[:-1] = data4[1:] # 即資料左移 #data3
data4[-1] = tw_close.GetMIN(signal_MIN_Length)[ptr1] #data3
signal[:-1] = signal[1:] # shift data in the array one sample left
#--- 產生黃金交叉信號
#signal[-1] = (data1[-1] >= data2[-1]) and (data1[-2] < data2[-2])
#signal[-1] = (data1[-1] >= data2[-1])
signal[-1] = tw_close.GetSignal()[ptr1]
curve1.setData(data1)
curve2.setData(data2)
curve3.setData(data3) #data3
curve4.setData(data4) #data3
curve5.setData(signal) #data3
#-------------------------------------------------------
if liveVer == 0:
ptr1 += 1 #(history ver.: 執行)
#ptr1 += 1 #(live ver.: 不執行)
#print("ptr1=", ptr1)
# update all plots
def update():
update1()
#update2()
#update3()
```
google sheet-appscript-vba-1分K整理
/** @OnlyCurrentDoc */
function myFunction() {
var spreadsheet = SpreadsheetApp.getActive();
spreadsheet.getRange('F:G').activate();
spreadsheet.getActiveSheet().deleteColumns(spreadsheet.getActiveRange().getColumn(), spreadsheet.getActiveRange().getNumColumns());
spreadsheet.getRange('G:P').activate();
spreadsheet.setCurrentCell(spreadsheet.getRange('I1'));
spreadsheet.getActiveSheet().deleteColumns(spreadsheet.getActiveRange().getColumn(), spreadsheet.getActiveRange().getNumColumns());
spreadsheet.getRange('A1').activate();
spreadsheet.getCurrentCell().setValue('date');
spreadsheet.getRange('B1').activate();
spreadsheet.getCurrentCell().setValue('open');
spreadsheet.getRange('C1').activate();
spreadsheet.getCurrentCell().setValue('high');
spreadsheet.getRange('D1').activate();
spreadsheet.getCurrentCell().setValue('low');
spreadsheet.getRange('E1').activate();
spreadsheet.getCurrentCell().setValue('close');
spreadsheet.getRange('F1').activate();
spreadsheet.getCurrentCell().setValue('volume');
spreadsheet.getRange('F2').activate();
};
2023年9月5日 星期二
【Python交易程式開發現場59】*產生交易訊號 (17) | 將交易訊號送至下單函數 | 交易訊號下單在OnNotify()
# 【交易程式架構】
1. 視窗物件區，view鈕，槽函數 【V】
2. (tw函數1) 呼叫API函數區，tw呼叫類函數（連線，查報價，下單，查倉位）【III.1】
3. (tw函數2) API事件回傳用，tw回傳處理類函數（顯示回傳訊息，存Tick值，畫Tick圖，計算指標，產生訊號，自動下單）【III.2】
4. API事件回傳區
5. 外部py函數檔(將.py整個檔視為一個副程式, 用import .py載入, 如: 畫Tick圖)
---
I. Qt 自訂Signal/Slot 類別
II - 群益API物件 & 公用變數 & 工具函數
III. 群益API 事件所對應之相關tw函數 (於V.槽函數所會用到的子工具函數區)
IV - 群益API事件
V - View | 主視窗類別 | 按鈕送出訊號所對應之槽函數
![[Pasted image 20230905115301.png]]
![[Pasted image 20230905125605.png]]
twGlobal.py
twIndicator.py
2023年9月4日 星期一
【Python交易程式開發現場41】*產生交易訊號 (4) | 用pyqtgraph畫動態均線圖 (twMASignal.py)
import matplotlib as mpl
import matplotlib.pyplot as plt
from time import perf_counter
import numpy as np
import pyqtgraph as pg
import pickle
from twIndicator import twClosePriceModel
import twGlobal
tw_close = twGlobal.twClose #Ticks報價
tw_kbar1m = twGlobal.twKBar1M
with open('twclose.pickle', 'rb') as f:
tw_close = pickle.load(f) #Ticks報價
win = pg.GraphicsLayoutWidget(show=True)
win.setWindowTitle('pyqtgraph example: Scrolling Plots')
p1 = win.addPlot()
showLength = 100 # Tick圖總長度
leftLength = 500 # 動態看最後leftLength筆Ticks
tickLengh = len(tw_close.GetClose()) #取得之所有Tick數目
print("Tick總數: ", tickLengh)
# data1為顯示在Tick圖上之所有data
data1 = tw_close.GetClose()[(tickLengh-leftLength-showLength):(tickLengh-leftLength)]
data2 = tw_close.GetSMA()[(tickLengh-leftLength-showLength):(tickLengh-leftLength)]
print("Show Tick總數: ", len(data1))
curve1 = p1.plot(data1)
curve2 = p1.plot(data2)
ptr1 = tickLengh-leftLength+1 #為了取得顯示在Tick圖上的Tick之後的下一個Tick
def update1():
global data1, data2, ptr1
data1[:-1] = data1[1:] # shift data in the array one sample left
#[:-1]意思是->取全部,除了最後一個
#[1:]意思是->取全部,除了第一個
#[-1]意思是->取最後一個
# (see also: np.roll)
#data1[-1] = np.random.normal()
data1[-1] = tw_close.GetClose()[ptr1]
curve1.setData(data1)
data2[:-1] = data2[1:] # shift data in the array one sample left
data2[-1] = tw_close.GetSMA()[ptr1]
curve2.setData(data2)
ptr1 += 1
print("ptr1=", ptr1)
# update all plots
def update():
update1()
timer = pg.QtCore.QTimer()
timer.timeout.connect(update)
timer.start(50)
if __name__ == '__main__':
pg.exec()
【Python交易程式開發現場20】*畫1分K線(6) | numpy array, tuple的轉換問題 | 時間軸必須為數字的解決 | twCandleStick.py
1. numpy array, tuple的轉換問題
Python中的list与NumPy中array的区别 及相互转换
>>> a=numpy.array([[1,2,3],[4,5,6]])
>>> a
array([[1, 2, 3],
[4, 5, 6]])
>>> tuple(a.reshape(1, -1)[0])
(1, 2, 3, 4, 5, 6)
class CandlestickItem(pg.GraphicsObject):
def __init__(self, data):
pg.GraphicsObject.__init__(self)
self.data = data ## data must have fields: time, open, close, min, max
self.generatePicture()
def generatePicture(self):
## pre-computing a QPicture object allows paint() to run much more quickly,
## rather than re-drawing the shapes every time.
self.picture = QtGui.QPicture()
p = QtGui.QPainter(self.picture)
p.setPen(pg.mkPen('w'))
#w = (self.data[1][0] - self.data[0][0]) / 3.
w = 0.333
for (t, open, close, min, max) in self.data:
p.drawLine(QtCore.QPointF(t, min), QtCore.QPointF(t, max))
if open > close:
p.setBrush(pg.mkBrush('r'))
else:
p.setBrush(pg.mkBrush('g'))
p.drawRect(QtCore.QRectF(t-w, open, w*2, close-open))
p.end()
出現錯誤-> 發現程式中的時間 t必須為數字1, 2, 3, ...才能正常運作,
所以使用range()來產生數字1,2,3,...
說明：range() 函數的回傳資料型態為 range，無法使用 print() 列印出其值，實務上會使用list() 函數將其轉換成串列(list)型態的資料
(1) range(n)：表示產生 0 至 n-1 的數列
範例：產生0至10的數列
>>> a=range(11)
>>> type(a)
<class 'range'> #由range函數產生的資料型態為range
>>> a=list(a) #使用list()函數來轉換成串列型態
>>> print(a)
執行結果：[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
(2) range(start,end)：start為起始值，end為終止值，產生 start 至 end-1 的數列
範例：產生1至10的數列
>>> a=list(range(1,11))
>>> print(a)
執行結果：[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
(1) range(n)：表示產生 0 至 n-1 的數列
範例：產生0至10的數列
>>> a=range(11)
>>> type(a)
<class 'range'> #由range函數產生的資料型態為range
>>> a=list(a) #使用list()函數來轉換成串列型態
>>> print(a)
執行結果：[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
(2) range(start,end)：start為起始值，end為終止值，產生 start 至 end-1 的數列
範例：產生1至10的數列
>>> a=list(range(1,11))
>>> print(a)
執行結果：[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
## fields are (time, open, close, min, max).
N=50
#data_time_range = list(range(1,N+1))
data_time = list(tw_kbar1m.GetTime()[2:N])
data_time1=[i.strftime("%M:%S") for i in data_time]
data_time2 = tuple(data_time1)
data_time3 = tuple(range(3,N+1))
data_open = tuple(tw_kbar1m.GetOpen()[2:N])
data_close = tuple(tw_kbar1m.GetClose()[2:N])
data_low = tuple(tw_kbar1m.GetLow()[2:N])
data_high = tuple(tw_kbar1m.GetHigh()[2:N])
data1=[data_time3,data_open,data_close,data_low,data_high]
data2=list(zip(data_time3,data_open,data_close,data_low,data_high))
## fields are (time, open, close, min, max).
N1=300
N=600
#data_time_range = list(range(1,N+1))
data_time = list(tw_kbar1m.GetTime()[N1:N])
data_time1=[i.strftime("%M:%S") for i in data_time]
data_time2 = tuple(data_time1)
data_time3 = tuple(range(N1+1,N+1))
data_open = tuple(tw_kbar1m.GetOpen()[N1:N])
data_close = tuple(tw_kbar1m.GetClose()[N1:N])
data_low = tuple(tw_kbar1m.GetLow()[N1:N])
data_high = tuple(tw_kbar1m.GetHigh()[N1:N])
data1=[data_time3,data_open,data_close,data_low,data_high]
data2=list(zip(data_time3,data_open,data_close,data_low,data_high))
2023年8月4日 星期五
vscode-debug-jupyter notebook
https://pythonviz.com/colab-jupyter/visual-studio-code-jupyter-notebook-integration/
第 4 步：匯出至 Python 檔案或 HTML 檔案
完成 Jupyter Notebook 編程後，自然地我們會有 2 個選擇：
- 把 Jupyter Notebook 匯出成 PDF 或 HTML 檔案，儲存為報告
- 把編程結果匯出成 .py 檔案，讓我們可以使用 Terminal 運作代碼
2023年8月3日 星期四
vs-code-debug (pdb能順利trace進入外部程式模組..)(找到了VS Code debug外部程式的關鍵: justmycode=false+purpose: ["debug-in-terminal"])
結論: 最後, 發現真正管用的是PDB..
1. pdb能順利trace進入外部程式模組..
2. pdb.run("print(df)")
3. 還是找到了VS Code debug外部程式的關鍵: 真的是在justmycode=false後面加上purpose: ["debug-in-terminal"]就OK了
4. 不錯的debug功能: 預覽呼叫階層(可以反查某函數被誰呼叫)
[关于vscode调试时跳不到本.py或本.ipynb文件之外的问题_vscode打不开ipynb_Jay E的博客-CSDN博客](https://blog.csdn.net/Edward__J/article/details/129804740?utm_medium=distribute.wap_relevant.none-task-blog-2~default~baidujs_baidulandingword~default-1-129804740-blog-111991099.237&fbclid=IwAR1_J5RbBaO4iZEGaitTVtWXtW1RvtbfFstK2waBugQG8taZZg2m_Smw6pk) [[Obsidian-Highlights]]
問題:
2023-08-04 09:44:34.985121 首个交易日： 2023-05-29
2023-08-04 09:44:34.985121 最后交易日： 2023-05-27
2023-08-04 09:44:34.985121 总交易日： 64
2023-08-04 09:44:34.985121 盈利交易日： 35
2023-08-04 09:44:34.985121 亏损交易日： 29
找到問題的源頭了, df資料是錯的..看時間就知了..
df, 和data.csv不同, 差很多, 不知是否與其內部原有的sqlite相衝突?
檢查由pd.read_csv所讀入之df, 看來正常..
進一步檢查self.history_data, 看來也正常..
還是找到了VS Code debug外部程式的關鍵: 真的是在justmycode=false後面加上purpose: ["debug-in-terminal"]就OK了
找到出現怪異日期之處了: backtesting_data[0]
def run_backtesting(self) -> None:
""""""
if self.mode == BacktestingMode.BAR:
func = self.new_bar
else:
func = self.new_tick
self.strategy.on_init()
# Use the first [days] of history data for initializing strategy
day_count: int = 0
ix: int = 0
for ix, data in enumerate(self.history_data):
if self.datetime and data.datetime.day != self.datetime.day:
day_count += 1
if day_count >= self.days:
break
self.datetime = data.datetime
try:
self.callback(data)
except Exception:
self.output("触发异常，回测终止")
self.output(traceback.format_exc())
return
self.strategy.inited = True
self.output("策略初始化完成")
self.strategy.on_start()
self.strategy.trading = True
self.output("开始回放历史数据")
# Use the rest of history data for running backtesting
backtesting_data: list = self.history_data[ix:]
if len(backtesting_data) <= 1:
self.output("历史数据不足，回测终止")
return
total_size: int = len(backtesting_data)
batch_size: int = max(int(total_size / 10), 1)
for ix, i in enumerate(range(0, total_size, batch_size)):
batch_data: list = backtesting_data[i: i + batch_size]
for data in batch_data:
try:
func(data)
except Exception:
self.output("触发异常，回测终止")
self.output(traceback.format_exc())
return
progress = min(ix / 10, 1)
progress_bar: str = "=" * (ix + 1)
self.output(f"回放进度：{progress_bar} [{progress:.0%}]")
self.strategy.on_stop()
self.output("历史数据回放结束")
backtesting中之calculate_statistics中的df有錯..
def calculate_statistics(self, df: DataFrame = None, output=True) -> dict:
""""""
self.output("开始计算策略统计指标")
#breakpoint()
#import pdb; pdb.set_trace()
# Check DataFrame input exterior
if df is None:
df: DataFrame = self.daily_df
# Init all statistics default value
start_date: str = ""
end_date: str = ""
total_days: int = 0
profit_days: int = 0
loss_days: int = 0
end_balance: float = 0
self.daily_df.head(60)
close_price pre_close ... total_pnl net_pnl
date ...
2023-05-29 16567 1 ... -13800.0 -14009.5170
2023-05-30 16588 16567 ... -153360.0 -156289.8774
2023-05-31 16416 16588 ... 258000.0 258000.0000
2023-06-01 16571 16416 ... -147180.0 -148432.2744
2023-06-02 16749 16571 ... 53400.0 53400.0000
2023-06-03 16762 16749 ... 3900.0 3900.0000
2023-06-05 16693 16762 ... -53460.0 -54720.9252
2023-06-06 16798 16693 ... 31500.0 31500.0000
2023-06-07 16879 16798 ... 24300.0 24300.0000
2023-06-08 16814 16879 ... 27120.0 24583.9098
2023-06-09 16901 16814 ... 26100.0 26100.0000
2023-06-10 16930 16901 ... 8700.0 8700.0000
2023-06-12 17033 16930 ... 30900.0 30900.0000
2023-06-13 17249 17033 ... 64800.0 64800.0000
2023-06-14 17249 17249 ... -139140.0 -141719.8518
2023-06-15 17326 17249 ... -53580.0 -54873.7464
2023-06-16 17244 17326 ... -57000.0 -58290.2040
2023-06-17 17220 17244 ... 36000.0 36000.0000
2023-06-19 17235 17220 ... -22500.0 -22500.0000
2023-06-20 17145 17235 ... 135000.0 135000.0000
2023-06-21 16937 17145 ... -118020.0 -120588.7926
2023-06-22 16919 16937 ... 27000.0 27000.0000
2023-06-26 16865 16919 ... 81000.0 81000.0000
2023-06-27 16790 16865 ... 112500.0 112500.0000
2023-06-28 16787 16790 ... -86940.0 -88209.2412
2023-06-29 16749 16787 ... 136380.0 135111.1206
2023-06-30 16878 16749 ... -62460.0 -63727.4808
2023-07-01 16865 16878 ... -3900.0 -3900.0000
2023-07-03 17008 16865 ... 42900.0 42900.0000
2023-07-04 17105 17008 ... 29100.0 29100.0000
2023-07-05 16917 17105 ... 68700.0 67422.7290
2023-07-06 16549 16917 ... 552000.0 552000.0000
2023-07-07 16695 16549 ... -361920.0 -364434.3012
2023-07-08 16671 16695 ... -19440.0 -20701.8972
2023-07-10 16660 16671 ... -65400.0 -66657.7770
2023-07-11 16863 16660 ... 22740.0 21479.2152
2023-07-12 17034 16863 ... 51300.0 51300.0000
2023-07-13 17198 17034 ... -84360.0 -86932.5348
2023-07-14 17289 17198 ... 27300.0 27300.0000
2023-07-15 17243 17289 ... -13800.0 -13800.0000
2023-07-17 17287 17243 ... 13200.0 13200.0000
2023-07-18 17258 17287 ... -29400.0 -30691.3110
2023-07-19 17094 17258 ... 68880.0 66297.8748
2023-07-20 16921 17094 ... 235200.0 233914.7910
2023-07-21 16926 16921 ... -26940.0 -28214.7492
2023-07-22 16912 16926 ... 21000.0 21000.0000
2023-07-24 17070 16912 ... -99300.0 -100577.6490
2023-07-25 17244 17070 ... 52200.0 52200.0000
2023-07-26 17128 17244 ... -34980.0 -36264.9066
2023-07-27 17280 17128 ... -42780.0 -44067.5634
2023-07-28 17375 17280 ... -84360.0 -86940.7374
2023-07-29 17379 17375 ... 1200.0 1200.0000
2023-07-31 17113 17379 ... 224940.0 223646.7558
2023-08-01 17119 17113 ... -136260.0 -137548.2438
2023-05-17 15935 17119 ... -371400.0 -372213.1740
2023-05-18 16118 15935 ... -51900.0 -52716.8640
2023-05-19 16092 16118 ... -7800.0 -7800.0000
2023-05-20 16103 16092 ... 3300.0 3300.0000
2023-05-22 16124 16103 ... 6300.0 6300.0000
2023-05-23 16094 16124 ... -41760.0 -42578.4012
[60 rows x 13 columns]
不錯的debug功能: 預覽呼叫階層(可以反查某函數被誰呼叫)
即使進入了csvbacktesting->backtesting->run_backtesting時: self.history_data, 資料是正確的..
問題就在以下這段碼產生的backtesting_data有誤:
def run_backtesting(self) -> None:
""""""
if self.mode == BacktestingMode.BAR:
func = self.new_bar
else:
func = self.new_tick
self.strategy.on_init()
# Use the first [days] of history data for initializing strategy
day_count: int = 0
ix: int = 0
for ix, data in enumerate(self.history_data):
if self.datetime and data.datetime.day != self.datetime.day:
day_count += 1
if day_count >= self.days:
break
self.datetime = data.datetime
try:
self.callback(data)
except Exception:
self.output("触发异常，回测终止")
self.output(traceback.format_exc())
return
self.strategy.inited = True
self.output("策略初始化完成")
self.strategy.on_start()
self.strategy.trading = True
self.output("开始回放历史数据")
# Use the rest of history data for running backtesting
backtesting_data: list = self.history_data[ix:]
if len(backtesting_data) <= 1:
self.output("历史数据不足，回测终止")
return
total_size: int = len(backtesting_data)
batch_size: int = max(int(total_size / 10), 1)
for ix, i in enumerate(range(0, total_size, batch_size)):
batch_data: list = backtesting_data[i: i + batch_size]
for data in batch_data:
try:
func(data)
except Exception:
self.output("触发异常，回测终止")
self.output(traceback.format_exc())
return
progress = min(ix / 10, 1)
progress_bar: str = "=" * (ix + 1)
self.output(f"回放进度：{progress_bar} [{progress:.0%}]")
self.strategy.on_stop()
self.output("历史数据回放结束")
使用debug visualizer插件:
找出ix值是關鍵.. ix用途?
for ix, data in enumerate(self.history_data):
if self.datetime and data.datetime.day != self.datetime.day:
day_count += 1
if day_count >= self.days:
break
self.datetime = data.datetime
5. 日内对齐等交易时长K线生成器的实现
5.1 确定K线生成器MyBarGenerator的生成规则
5.1.1 一步到位地解决问题
先给它取个名称，就叫MyBarGenerator吧，它是对BarGenerator的扩展。
不过在构思MyBarGenerator的时候，我发现它其实不应该叫“日内对齐等交易时长K线生成器”。因为我们不应该只局限于日内的n分钟K线生成器，难道vnpy系统就不应该、不能够或者不使用日线以上的K线了吗？我们只能够使用日内K线进行量化交易吗？难道大家都没有过这方面的需求吗？我想答案是否定的。
那好，所幸就设计一个全功能的K线生成器：MyBarGenerator。
为此我们需要扩展Interval的定义，因为Interval是表示K线周期的常量，可是它的格局不够，最大只能到周一级WEEKLY。也就是说您用目前的Interval是没有办法表达月和年这样的周期的。
class Interval(Enum):
"""
Interval of bar data.
"""
MINUTE = "1m"
HOUR = "1h"
DAILY = "d"
WEEKLY = "w"
TICK = "tick"
MONTHLY = "month" # hxxjava add
YEARLY = "year" # hxxjava add顺便在这里吐槽一下BarGenerator：
- 目前的BarData中包含了一个interval字段的，可是它在BarGenerator的时候根本就没有使用过，而使用它本是信手拈来的事情，但是没有却没有使用。如果不信，你可以去看看用它产生出来的bar的内容。
- 另外本来还应该增加一个秒单位（SECONDLY = "1s"）的，这个单位其实对高频交易也是很有需求的，可是现在却没有。不知道大家对此有什么看法。
https://www.vnpy.com/forum/topic/30193-che-di-jie-jue-kxian-sheng-cheng-qi-de-wen-ti-yi-ge-ri-nei-dui-qi-deng-jiao-yi-shi-chang-de-kxian-sheng-cheng-qi
訂閱：
文章 (Atom)
-
程式執行時遇到了: ModuleNotFoundError: No module named ‘comtypes.gen.SKCOMLib’ 1. 參考網路解答1:(失敗收場) 問題：ModuleNotFoundError: No module named ‘comtypes.g...
-
群益API: m_nCode回報錯誤代碼2017之處理 class MyMainWindow ( QMainWindow , Ui_Form ): def __init__ ( self , parent = None ): super ( ...
-
結論: 1. 用dict建dataframe時, 要設index df = pd . DataFrame ( dictRepStock , index = [ 0 ]) 2. 於pandas加一筆data要用concat, df_RepStock = pd . conc...
