WanQuant

Appearance

配置简介 ​

这里列出常见配置项与说明，如果看不懂不知道该怎么用，可以直接去常用模版里复制完整模版。在模版的基础上修改比较方便。

字段 ​

通用字段配置 ​

参数名说明默认值参数要求
strategy_id策略标识自动生成唯一值，软件版本判断策略的唯一性
strategy_type策略类型StrategyType.SELECTSTRATEGY：策略模式
SELECT：选择模式
select_period选择器数据周期Period.D1周期字典 选择器周期必须大于D1
next_periodnext数据跳动周期Period.D1周期字典 数据跳动的周期
channel_period渠道周期数据默认和next_period一致实时数据获取的周期
select_extend_len选择器数据延长天数30on_select中所需的数据向前延长天数
next_extend_lennext数据延长天数0如果select和next的period一致会取最大值
max_workers程序数1大于1会启用多进程

回测字段配置 ​

参数名说明默认值参数要求
backtest_date_range回测时间无单日期如'2024-03-05'
范围日期如：
['2024-03-05','2024-06-05']
backtest_money回测初始资金100000回测初始资金
backtest_signal_analysis回测信号分析无如果设置[1,5,20] 则生成发生信号以后的1，5，20日收益率
backtest_db_is_clear_history清理历史数据True回测时是否清除上次执行的历史数据,默认清理

函数 ​

on_symbol(标的设置函数) ​

设置比如需要回测的标的【"标的"是股票，期货等代码的概念】

python
def on_symbol(so: SymbolOp):
    so.set_symbol(['sz.000001', 'sz.000002'])

on_select(选择器函数) ​

  • 可以通过【select_period】属性来设置so的周期数据
  • 该函数比较特殊，为了避免未来数据，这个函数只能拿到"昨天"之前的数据
  • so.last() 是从“昨天”开始获取数据。【on_next】函数的so.last()是从“今天”开始的
  • 例如当回测到2025-08-06。 选票的概念是你基于昨天的数据去选票也就是2025-08-05。
  • 所以last只能拿到昨天以前的数据。
  • 每次进来都是一个标的，通过so.allow()代表选中当前进来的标的

前往查看SelectOp所有操作方式

python
def on_select(so: SelectOp):
    # 这里填写选票判断条件
    so.allow()  # 同意该标的

on_filter_select(选择结果过滤器函数) ​

  • 该函数是基于对【on_select】的集中过滤，一般用于排名取出前N个票。
  • 一般用fso.filter_df或者fso.filter_ls 获取"so.allow({xx:xx})"里传入的数据。然后进行排名

前往查看FilterSelectOp所有操作方式

python
def on_filter_select(fso: FilterSelectOp):
    # 按照上涨天数排序
    df_sorted = fso.filter_df.sort_values(by=['上涨天数', "涨停天数"], ascending=False)
    # 取前20个
    top_20 = df_sorted.head(20)
    # 存储筛选结果
    fso.set_symbol(top_20.symbol.to_list())

on_next(数据跳动函数) ​

  • 每个标的的每个数据跳动都会进到这个方法，跳动周期基于【next_period】设置的值，核心策略编写函数。

前往查看NextOp所有操作方式

python
# 当【next_period】周期的数据每次跳动都会执行，
def on_next(no: NextOp):
    # 这里编写买入卖出的代码
    pass


# 另类写法，代表当时间大于13:00的时候会执行一次以后就不会执行了
# 1300可以是任何时间
def on_next_1300(no: NextOp):
    # 这里编写买入卖出的代码
    pass

on_filter_next_xxxx(数据跳动信号过滤器函数) ​

  • 一般使用场景，on_next函数中有10个标的满足我下单的条件。但是我余额可能不够。我希望按某种条件进行分配下单。
  • 在【on_next】里调用no.allow({xx:xx}) 传入数据后
  • 集中排名数据，然后统一在该函数进行集中下单

前往查看FilterNextOp所有操作方式

python
# 后4位数是时间会在该时间后触发函数
def on_filter_next_1450(nfo: FilterNextOp):
    pass

on_bar_xx(bar合成器函数) ​

  • 该函数的功能基本和on_next一致，当数据合成bar完成后调用。
  • PackOp是对应周期的bar操作类。和NextOp一样可以使用po.last()函数等数据获取。

前往查看PackOp所有操作方式

python
# 其中m5是周期的缩写，代表合成5分钟的bar。 
def on_bar_m5(no: NextOp, po: PackOp):
    pass