এই সিরিজের পূর্ববর্তী দুটি নিবন্ধে আমরা ইভেন্ট-চালিত ব্যাকটেস্টিং সিস্টেম কী এবং ইভেন্ট অবজেক্টের জন্য শ্রেণির শ্রেণীবিন্যাস নিয়ে আলোচনা করেছি। এই নিবন্ধে আমরা বিবেচনা করতে যাচ্ছি কিভাবে বাজারের ডেটা ব্যবহার করা হয়, উভয় ঐতিহাসিক ব্যাকটেস্টিং প্রসঙ্গে এবং লাইভ ট্রেড এক্সিকিউশনের জন্য।
ইভেন্ট-চালিত ট্রেডিং সিস্টেমের সাথে আমাদের অন্যতম লক্ষ্য হল ব্যাকটেস্টিং উপাদান এবং লাইভ এক্সিকিউশন উপাদানগুলির মধ্যে কোডের সদৃশতা হ্রাস করা। আদর্শভাবে, ঐতিহাসিক পরীক্ষা এবং লাইভ ট্রেডিং উভয়ের জন্য একই সংকেত উত্পাদন পদ্ধতি এবং পোর্টফোলিও পরিচালনার উপাদানগুলি ব্যবহার করা সর্বোত্তম হবে। এর জন্য কাজ করার জন্য, কৌশল বস্তু যা সংকেতগুলি উত্পন্ন করে এবং পোর্টফোলিও বস্তু যা তাদের উপর ভিত্তি করে অর্ডার সরবরাহ করে, ঐতিহাসিক এবং লাইভ চলমান উভয়ের জন্য একটি বাজার ফিডের সাথে একটি অভিন্ন ইন্টারফেস ব্যবহার করতে হবে।
এটি একটি ডেটাহ্যান্ডলার অবজেক্টের উপর ভিত্তি করে একটি শ্রেণির শ্রেণিবিন্যাসের ধারণাকে অনুপ্রাণিত করে, যা সমস্ত উপশ্রেণীর সিস্টেমের মধ্যে অবশিষ্ট উপাদানগুলিতে বাজার ডেটা সরবরাহের জন্য একটি ইন্টারফেস দেয়। এইভাবে কৌশল বা পোর্টফোলিও গণনাকে প্রভাবিত না করে যে কোনও উপশ্রেণীর ডেটা হ্যান্ডলারকে
নির্দিষ্ট উদাহরণ উপশ্রেণীর মধ্যে HistoricCSVDataHandler, QuandlDataHandler, SecuritiesMasterDataHandler, InteractiveBrokersMarketFeedDataHandler ইত্যাদি অন্তর্ভুক্ত থাকতে পারে। এই টিউটোরিয়ালে আমরা কেবল একটি ঐতিহাসিক CSV ডেটা হ্যান্ডলার তৈরি বিবেচনা করতে যাচ্ছি, যা একটি খোলা-নিম্ন-উচ্চ-ক্লোজ-ভলিউম-ওপেন-ইন্টারেস্ট বার সেটে শেয়ারের জন্য ইনট্রাডে CSV ডেটা লোড করবে। এটি তারপরে বার-বাই-বার ভিত্তিতে
প্রথম কাজ হল প্রয়োজনীয় লাইব্রেরি আমদানি করা। বিশেষত আমরা পান্ডা এবং বিমূর্ত বেস ক্লাস সরঞ্জাম আমদানি করতে যাচ্ছি। যেহেতু ডেটাহ্যান্ডলার মার্কেট ইভেন্টগুলি তৈরি করে তাই আমাদেরও আমদানি করতে হবেevent.pyআগের টিউটোরিয়ালে বর্ণনা করা হয়েছে:
# data.py
import datetime
import os, os.path
import pandas as pd
থেকে abc আমদানি ABCMeta, বিমূর্ত পদ্ধতি
ইভেন্ট আমদানি থেকে MarketEvent ডেটা হ্যান্ডলার একটি বিমূর্ত বেস ক্লাস (এবিসি), যার অর্থ এটি সরাসরি একটি উদাহরণকে ইনস্ট্যান্ট করা অসম্ভব। কেবলমাত্র উপ-শ্রেণীর উদাহরণ দেওয়া যেতে পারে। এর যুক্তি হ'ল এবিসি একটি ইন্টারফেস সরবরাহ করে যা সমস্ত পরবর্তী ডেটা হ্যান্ডলার উপ-শ্রেণীর সাথে মেনে চলতে হবে, যার ফলে তাদের সাথে যোগাযোগকারী অন্যান্য শ্রেণীর সাথে সামঞ্জস্যতা নিশ্চিত করা হয়।
আমরা ব্যবহার করিমেটাক্লাসএই বৈশিষ্ট্যটি পাইথনকে জানাতে হবে যে এটি একটি ABC। এছাড়াও আমরা @abstractmethod decorator ব্যবহার করি যাতে পাইথনকে জানাতে হয় যে উপশ্রেণীতে পদ্ধতিটি ওভাররাইড করা হবে (এটি C++ এর একটি খাঁটি ভার্চুয়াল পদ্ধতির সাথে সমান) ।
আগ্রহের দুটি পদ্ধতি হল get_latest_bars এবং update_bars। প্রথমটি বর্তমান হার্টবিট টাইমস্ট্যাম্প থেকে শেষ N বার ফেরত দেয়, যা কৌশল শ্রেণীতে প্রয়োজনীয় রোলিং গণনার জন্য দরকারী। শেষ পদ্ধতিটি একটি নতুন ডেটা কাঠামোর উপর বার তথ্য স্থাপন করার জন্য একটি
# data.py
class DataHandler(object):
"""
DataHandler is an abstract base class providing an interface for
all subsequent (inherited) data handlers (both live and historic).
The goal of a (derived) DataHandler object is to output a generated
set of bars (OLHCVI) for each symbol requested.
This will replicate how a live strategy would function as current
market data would be sent "down the pipe". Thus a historic and live
system will be treated identically by the rest of the backtesting suite.
"""
__metaclass__ = ABCMeta
@abstractmethod
def get_latest_bars(self, symbol, N=1):
"""
Returns the last N bars from the latest_symbol list,
or fewer if less bars are available.
"""
raise NotImplementedError("Should implement get_latest_bars()")
@abstractmethod
def update_bars(self):
"""
Pushes the latest bar to the latest symbol structure
for all symbols in the symbol list.
"""
raise NotImplementedError("Should implement update_bars()")
ডেটাহ্যান্ডলার এবিসি নির্দিষ্ট করার সাথে সাথে পরবর্তী পদক্ষেপটি হল ঐতিহাসিক সিএসভি ফাইলগুলির জন্য একটি হ্যান্ডলার তৈরি করা। বিশেষত হিস্টরিকসিএসভিডি ডেটাহ্যান্ডলার একাধিক সিএসভি ফাইল গ্রহণ করবে, প্রতিটি প্রতীকের জন্য একটি, এবং এগুলিকে পান্ডা ডেটাফ্রেমের অভিধানে রূপান্তরিত করবে।
ডেটা হ্যান্ডলারটির কয়েকটি পরামিতি প্রয়োজন, যথা একটি ইভেন্ট ক্যু যা MarketEvent তথ্যকে ধাক্কা দেয়, CSV ফাইলগুলির পরম পথ এবং প্রতীকগুলির একটি তালিকা। এখানে ক্লাসের সূচনাঃ
# data.py
class HistoricCSVDataHandler(DataHandler):
"""
HistoricCSVDataHandler is designed to read CSV files for
each requested symbol from disk and provide an interface
to obtain the "latest" bar in a manner identical to a live
trading interface.
"""
def __init__(self, events, csv_dir, symbol_list):
"""
Initialises the historic data handler by requesting
the location of the CSV files and a list of symbols.
It will be assumed that all files are of the form
'symbol.csv', where symbol is a string in the list.
Parameters:
events - The Event Queue.
csv_dir - Absolute directory path to the CSV files.
symbol_list - A list of symbol strings.
"""
self.events = events
self.csv_dir = csv_dir
self.symbol_list = symbol_list
self.symbol_data = {}
self.latest_symbol_data = {}
self.continue_backtest = True
self._open_convert_csv_files()
এটি অবিকল্পিতভাবে
ঐতিহাসিক CSVDataHandler এর অভ্যন্তরীণভাবে একটি ডেটা স্টোর হিসাবে পান্ডা ব্যবহার করার অন্যতম সুবিধা হল যে ট্র্যাক করা সমস্ত চিহ্নের সূচকগুলি একত্রিত করা যেতে পারে। এটি অনুপস্থিত ডেটা পয়েন্টগুলিকে এই ফাঁকগুলির মধ্যে এগিয়ে, পিছনে বা অন্তর্নিহিত করার অনুমতি দেয় যাতে টিকারগুলি বার-টু-বার ভিত্তিতে তুলনা করা যায়। এটি উদাহরণস্বরূপ, গড়-রিভার্টিং কৌশলগুলির জন্য প্রয়োজনীয়। সমস্ত চিহ্নের সূচকগুলি একত্রিত করার সময় ইউনিয়ন এবং পুনরায় সূচক পদ্ধতিগুলির ব্যবহার লক্ষ্য করুনঃ
# data.py
def _open_convert_csv_files(self):
"""
Opens the CSV files from the data directory, converting
them into pandas DataFrames within a symbol dictionary.
For this handler it will be assumed that the data is
taken from DTN IQFeed. Thus its format will be respected.
"""
comb_index = None
for s in self.symbol_list:
# Load the CSV file with no header information, indexed on date
self.symbol_data[s] = pd.io.parsers.read_csv(
os.path.join(self.csv_dir, '%s.csv' % s),
header=0, index_col=0,
names=['datetime','open','low','high','close','volume','oi']
)
# Combine the index to pad forward values
if comb_index is None:
comb_index = self.symbol_data[s].index
else:
comb_index.union(self.symbol_data[s].index)
# Set the latest symbol_data to None
self.latest_symbol_data[s] = []
# Reindex the dataframes
for s in self.symbol_list:
self.symbol_data[s] = self.symbol_data[s].reindex(index=comb_index, method='pad').iterrows()
_get_new_bar পদ্ধতিটি বার ডেটার একটি ফরম্যাট করা সংস্করণ প্রদানের জন্য একটি জেনারেটর তৈরি করে। এর অর্থ হল যে পদ্ধতিতে পরবর্তী কলগুলি প্রতীক ডেটার শেষ না হওয়া পর্যন্ত একটি নতুন বার প্রদান করবেঃ
# data.py
def _get_new_bar(self, symbol):
"""
Returns the latest bar from the data feed as a tuple of
(sybmbol, datetime, open, low, high, close, volume).
"""
for b in self.symbol_data[symbol]:
yield tuple([symbol, datetime.datetime.strptime(b[0], '%Y-%m-%d %H:%M:%S'),
b[1][0], b[1][1], b[1][2], b[1][3], b[1][4]])
ডেটাহ্যান্ডলার থেকে বাস্তবায়িত প্রথম বিমূর্ত পদ্ধতি হল get_latest_bars। এই পদ্ধতিটি কেবল সর্বশেষ_symbol_data কাঠামো থেকে শেষ N বারগুলির একটি তালিকা সরবরাহ করে। N=1 সেটিং বর্তমান বারটি পুনরুদ্ধার করতে দেয় (একটি তালিকায় আবৃত):
# data.py
def get_latest_bars(self, symbol, N=1):
"""
Returns the last N bars from the latest_symbol list,
or N-k if less available.
"""
try:
bars_list = self.latest_symbol_data[symbol]
except KeyError:
print "That symbol is not available in the historical data set."
else:
return bars_list[-N:]
চূড়ান্ত পদ্ধতি, update_bars, DataHandler থেকে দ্বিতীয় বিমূর্ত পদ্ধতি। এটি কেবলমাত্র একটি মার্কেট ইভেন্ট তৈরি করে যা সারিতে যোগ করা হয় কারণ এটি সর্বশেষতম বারগুলি সর্বশেষতম_সিম্বল_ডেটাতে সংযুক্ত করেঃ
# data.py
def update_bars(self):
"""
Pushes the latest bar to the latest_symbol_data structure
for all symbols in the symbol list.
"""
for s in self.symbol_list:
try:
bar = self._get_new_bar(s).next()
except StopIteration:
self.continue_backtest = False
else:
if bar is not None:
self.latest_symbol_data[s].append(bar)
self.events.put(MarketEvent())
সুতরাং আমাদের একটি ডেটা হ্যান্ডলার-উত্পাদিত বস্তু রয়েছে, যা বাকি উপাদানগুলি বাজারের ডেটা ট্র্যাক করতে ব্যবহার করে। কৌশল, পোর্টফোলিও এবং এক্সিকিউশন হ্যান্ডলার অবজেক্টগুলির জন্য বর্তমান বাজারের ডেটা প্রয়োজন, তাই স্টোরেজের সদৃশতা এড়াতে এটিকে কেন্দ্রীভূত করা যুক্তিযুক্ত।
পরবর্তী প্রবন্ধে আমরা কৌশল শ্রেণীর শ্রেণীবিন্যাস বিবেচনা করব এবং বর্ণনা করব কিভাবে একাধিক প্রতীক পরিচালনা করার জন্য একটি কৌশল ডিজাইন করা যেতে পারে, এইভাবে পোর্টফোলিও অবজেক্টের জন্য একাধিক সিগন্যাল ইভেন্ট তৈরি করা যায়।