WeightBacktest

class czsc.WeightBacktest(dfw, digits=2, **kwargs)

Bases: object

持仓权重回测

飞书文档：https://s0cqcxuy3p.feishu.cn/wiki/Pf1fw1woQi4iJikbKJmcYToznxb

Attributes Summary

daily_return	品种等权费后日收益率
stats	回测绩效评价
version

Methods Summary

backtest([n_jobs])	回测所有合约的收益率
get_symbol_daily(symbol)	获取某个合约的每日收益率
get_symbol_pairs(symbol)	获取某个合约的开平交易记录
process_symbol(symbol)	处理某个合约的回测数据
report(res_path)	回测报告

Attributes Documentation

daily_return

品种等权费后日收益率

stats

回测绩效评价

version = 'V231126'

Methods Documentation

backtest(n_jobs=1)

回测所有合约的收益率

函数计算逻辑：

1. 获取数据：遍历所有合约，调用get_symbol_daily方法获取每个合约的日收益，调用get_symbol_pairs方法获取每个合约的交易流水。

2. 数据处理：将每个合约的日收益合并为一个DataFrame，使用pd.pivot_table方法将数据重塑为以日期为索引、合约为列、

   收益率为值的表格，并将缺失值填充为0。计算所有合约收益率的平均值，并将该列添加到DataFrame中。将结果存储在res字典中， 键为合约名，值为包含日行情数据和交易对数据的字典。

3. 绩效评价：计算回测结果的开始日期和结束日期，调用daily_performance方法评估总收益率的绩效指标。将每个合约的交易对数据

   合并为一个DataFrame，调用evaluate_pairs方法评估交易对的绩效指标。将结果存储在stats字典中，并更新到绩效评价的字典中。

4. 返回结果：将合约的等权日收益数据和绩效评价结果存储在res字典中，并将该字典作为函数的返回结果。

get_symbol_daily(symbol)

获取某个合约的每日收益率

函数计算逻辑：

1. 从实例变量self.dfw中筛选出交易标的为symbol的数据，并复制到新的DataFrame dfs。

2. 计算每条数据的收益（edge）：权重乘以下一条数据的价格除以当前价格减1。

3. 计算每条数据的手续费（cost）：当前权重与前一条数据权重之差的绝对值乘以实例变量self.fee_rate。

4. 计算每条数据扣除手续费后的收益（edge_post_fee）：收益减去手续费。

5. 根据日期进行分组，并对每组进行求和操作，得到每日的总收益、总扣除手续费后的收益和总手续费。

6. 重置索引，并将交易标的符号添加到DataFrame中。

7. 重命名列名，将’edge_post_fee’列改为’return’，将’dt’列改为’date’。

8. 选择需要的列，并返回包含日期、交易标的、收益、扣除手续费后的收益和手续费的DataFrame。

Parameters:

symbol – str，合约代码

Returns:

pd.DataFrame，品种每日收益率，

columns = [‘date’, ‘symbol’, ‘edge’, ‘return’, ‘cost’] 其中

date 为交易日， symbol 为合约代码， edge 为每日收益率， return 为每日收益率减去交易成本后的真实收益， cost 为交易成本

数据样例如下：

date	symbol	edge	return	cost
2019-01-02	DLi9001	0.00230261	0.00195919	0.00085
2019-01-03	DLi9001	0.00425589	0.00310589	0.00115
2019-01-04	DLi9001	-0.0014209	-0.0024709	0.00105
2019-01-07	DLi9001	0.000988305	-0.000111695	0.0011
2019-01-08	DLi9001	-0.0004743	-0.0016243	0.00115

get_symbol_pairs(symbol)

获取某个合约的开平交易记录

函数计算逻辑：

1. 从实例变量self.dfw中筛选出交易标的为symbol的数据，并复制到新的DataFrame dfs。

2. 将权重乘以10的self.digits次方，并转换为整数类型，作为volume列的值。

3. 生成bar_id列，从1开始递增，与行数对应。

4. 创建一个空列表operates，用于存储开平仓交易记录。

5. 定义内部函数__add_operate，用于向operates列表中添加开平仓交易记录。 函数接受日期dt、bar_id、交易量volume、价格price和操作类型operate作为参数。 函数根据交易量的绝对值循环添加交易记录到operates列表中。

6. 将dfs转换为字典列表rows。

7. 处理第一个行记录。 - 如果volume大于0，则调用__add_operate函数添加”开多”操作的交易记录。 - 如果volume小于0，则调用__add_operate函数添加”开空”操作的交易记录。

8. 处理后续的行记录。 - 使用zip函数遍历rows[:-1]和rows[1:]，同时获取当前行row1和下一行row2。 - 根据volume的正负和变化情况，调用__add_operate函数添加对应的开平仓交易记录。

9. 创建空列表pairs和opens，用于存储交易对和开仓记录。

10. 遍历operates列表中的交易记录。 - 如果操作类型为”开多”或”开空”，将交易记录添加到opens列表中，并继续下一次循环。 - 如果操作类型为”平多”或”平空”，将对应的开仓记录从opens列表中弹出。

    根据开仓和平仓的价格计算盈亏比例，并创建一个交易对字典，将其添加到pairs列表中。

11. 将pairs列表转换为DataFrame，并返回包含交易标的的开平仓交易记录的DataFrame。

process_symbol(symbol)

处理某个合约的回测数据

report(res_path)

回测报告