आपको बाजार कलेक्टर के बैकटेस्ट कस्टम डेटा स्रोत फ़ंक्शन को अपग्रेड करने के लिए चरण दर चरण सिखाएं
पिछला लेखआपको बाजार कलेक्टर को लागू करने के लिए कदम से कदम सिखाएंहमने मिलकर बाजार डेटा एकत्र करने के लिए एक रोबोट प्रोग्राम लागू किया है। हम एकत्रित बाजार डेटा का उपयोग कैसे करते हैं? बेशक, इसका उपयोग बैकटेस्टिंग सिस्टम के लिए किया जाता है। यहाँ, आविष्कारक के मात्रात्मक ट्रेडिंग प्लेटफ़ॉर्म के बैकटेस्टिंग सिस्टम के कस्टम डेटा स्रोत फ़ंक्शन पर भरोसा करते हुए, हम सीधे एकत्रित डेटा को बैकटेस्टिंग सिस्टम के डेटा स्रोत के रूप में उपयोग कर सकते हैं, ताकि हम बैकटेस्टिंग प्रणाली को किसी भी बाजार में लागू किया जा सकता है, जहां हम ऐतिहासिक डेटा का बैकटेस्ट करना चाहते हैं।
इसलिए, हम "मार्केट कलेक्टर" को अपग्रेड कर सकते हैं! मार्केट कलेक्टर का उपयोग बैकटेस्टिंग सिस्टम को डेटा प्रदान करने के लिए कस्टम डेटा स्रोत के रूप में भी किया जा सकता है।
यदि आपकी कोई आवश्यकता है, तो कार्रवाई करें!
तैयार करना
तैयारियाँ पिछले लेख से अलग हैं। पिछली बार, मैंने अपने स्थानीय मैक कंप्यूटर पर होस्ट प्रोग्राम चलाया, मोंगोडब डेटाबेस स्थापित किया और डेटाबेस सेवा शुरू की। इस बार हमने ऑपरेटिंग वातावरण को VPS में बदल दिया और अपने प्रोग्राम को चलाने के लिए अलीबाबा क्लाउड लिनक्स सर्वर का उपयोग किया।
-
मोंगोडब डेटाबेस
पिछले लेख की तरह, आपको उस डिवाइस पर MongoDB डेटाबेस स्थापित करना होगा जहां मार्केट कलेक्टर प्रोग्राम चलता है और सेवा शुरू करनी होगी। यह मूल रूप से मैक कंप्यूटर पर मोंगोडब स्थापित करने जैसा ही है। इंटरनेट पर कई ट्यूटोरियल हैं। आप उन्हें खोज सकते हैं। यह बहुत सरल है।
-
पायथन 3 स्थापित करें
कार्यक्रम पायथन 3 का उपयोग करता है। ध्यान दें कि कुछ लाइब्रेरीज़ का उपयोग किया जाता है और यदि वे उपलब्ध न हों तो उन्हें स्थापित करने की आवश्यकता होती है।- pymongo
- http
- urllib
-
मेज़बान
बस इन्वेंटर मात्रात्मक व्यापार मंच का एक संरक्षक चलाते हैं।
"बाजार सूचना संग्राहक" को संशोधित करें
बाजार कलेक्टररिकॉर्ड्स कलेक्टर (ट्यूटोरियल)यह रणनीति.
आइये इसमें कुछ बदलाव करें:
इससे पहले कि प्रोग्राम डेटा एकत्र करने के लिए while लूप में प्रवेश करे, एक मल्टी-थ्रेडेड लाइब्रेरी का उपयोग इन्वेंटर के क्वांटिटेटिव ट्रेडिंग प्लेटफॉर्म बैकटेस्टिंग सिस्टम से डेटा अनुरोधों को सुनने के लिए एक सेवा को समवर्ती रूप से शुरू करने के लिए किया जाता है।
(कुछ अन्य विवरणों को नजरअंदाज किया जा सकता है)
रिकॉर्ड्स कलेक्टर (कस्टम डेटा स्रोत फ़ंक्शन प्रदान करने के लिए अपग्रेड किया गया)
python
import _thread
import pymongo
import json
import math
from http.server import HTTPServer, BaseHTTPRequestHandler
from urllib.parse import parse_qs, urlparse
def url2Dict(url):
query = urlparse(url).query
params = parse_qs(query)
result = {key: params[key][0] for key in params}
return result
class Provider(BaseHTTPRequestHandler):
def do_GET(self):
try:
self.send_response(200)
self.send_header("Content-type", "application/json")
self.end_headers()
dictParam = url2Dict(self.path)
Log("自定义数据源服务接收到请求，self.path:", self.path, "query 参数：", dictParam)
# 目前回测系统只能从列表中选择交易所名称，在添加自定义数据源时，设置为币安，即：Binance
exName = exchange.GetName()
# 注意，period为底层K线周期
tabName = "%s_%s" % ("records", int(int(dictParam["period"]) / 1000))
priceRatio = math.pow(10, int(dictParam["round"]))
amountRatio = math.pow(10, int(dictParam["vround"]))
fromTS = int(dictParam["from"]) * int(1000)
toTS = int(dictParam["to"]) * int(1000)
# 连接数据库
Log("连接数据库服务，获取数据，数据库：", exName, "表：", tabName)
myDBClient = pymongo.MongoClient("mongodb://localhost:27017")
ex_DB = myDBClient[exName]
exRecords = ex_DB[tabName]
# 要求应答的数据
data = {
"schema" : ["time", "open", "high", "low", "close", "vol"],
"data" : []
}
# 构造查询条件：大于某个值{'age': {'$gt': 20}} 小于某个值{'age': {'$lt': 20}}
dbQuery = {"$and":[{'Time': {'$gt': fromTS}}, {'Time': {'$lt': toTS}}]}
Log("查询条件：", dbQuery, "查询条数：", exRecords.find(dbQuery).count(), "数据库总条数：", exRecords.find().count())
for x in exRecords.find(dbQuery).sort("Time"):
# 需要根据请求参数round和vround，处理数据精度
bar = [x["Time"], int(x["Open"] * priceRatio), int(x["High"] * priceRatio), int(x["Low"] * priceRatio), int(x["Close"] * priceRatio), int(x["Volume"] * amountRatio)]
data["data"].append(bar)
Log("数据：", data, "响应回测系统请求。")
# 写入数据应答
self.wfile.write(json.dumps(data).encode())
except BaseException as e:
Log("Provider do_GET error, e:", e)
def createServer(host):
try:
server = HTTPServer(host, Provider)
Log("Starting server, listen at: %s:%s" % host)
server.serve_forever()
except BaseException as e:
Log("createServer error, e:", e)
raise Exception("stop")
def main():
LogReset(1)
exName = exchange.GetName()
period = exchange.GetPeriod()
Log("收集", exName, "交易所的K线数据，", "K线周期:", period, "秒")
# 连接数据库服务，服务地址 mongodb://127.0.0.1:27017 具体看服务器上安装的mongodb设置
Log("连接托管者所在设备mongodb服务，mongodb://localhost:27017")
myDBClient = pymongo.MongoClient("mongodb://localhost:27017")
# 创建数据库
ex_DB = myDBClient[exName]
# 打印目前数据库表
collist = ex_DB.list_collection_names()
Log("mongodb ", exName, " collist:", collist)
# 检测是否删除表
arrDropNames = json.loads(dropNames)
if isinstance(arrDropNames, list):
for i in range(len(arrDropNames)):
dropName = arrDropNames[i]
if isinstance(dropName, str):
if not dropName in collist:
continue
tab = ex_DB[dropName]
Log("dropName:", dropName, "删除：", dropName)
ret = tab.drop()
collist = ex_DB.list_collection_names()
if dropName in collist:
Log(dropName, "删除失败")
else :
Log(dropName, "删除成功")
# 开启一个线程，提供自定义数据源服务
try:
# _thread.start_new_thread(createServer, (("localhost", 9090), )) # 本机测试
_thread.start_new_thread(createServer, (("0.0.0.0", 9090), )) # VPS服务器上测试
Log("开启自定义数据源服务线程", "#FF0000")
except BaseException as e:
Log("启动自定义数据源服务失败！")
Log("错误信息：", e)
raise Exception("stop")
# 创建records表
ex_DB_Records = ex_DB["%s_%d" % ("records", period)]
Log("开始收集", exName, "K线数据", "周期：", period, "打开（创建）数据库表：", "%s_%d" % ("records", period), "#FF0000")
preBarTime = 0
index = 1
while True:
r = _C(exchange.GetRecords)
if len(r) < 2:
Sleep(1000)
continue
if preBarTime == 0:
# 首次写入所有BAR数据
for i in range(len(r) - 1):
bar = r[i]
# 逐根写入，需要判断当前数据库表中是否已经有该条数据，基于时间戳检测，如果有该条数据，则跳过，没有则写入
retQuery = ex_DB_Records.find({"Time": bar["Time"]})
if retQuery.count() > 0:
continue
# 写入bar到数据库表
ex_DB_Records.insert_one({"High": bar["High"], "Low": bar["Low"], "Open": bar["Open"], "Close": bar["Close"], "Time": bar["Time"], "Volume": bar["Volume"]})
index += 1
preBarTime = r[-1]["Time"]
elif preBarTime != r[-1]["Time"]:
bar = r[-2]
# 写入数据前检测，数据是否已经存在，基于时间戳检测
retQuery = ex_DB_Records.find({"Time": bar["Time"]})
if retQuery.count() > 0:
continue
ex_DB_Records.insert_one({"High": bar["High"], "Low": bar["Low"], "Open": bar["Open"], "Close": bar["Close"], "Time": bar["Time"], "Volume": bar["Volume"]})
index += 1
preBarTime = r[-1]["Time"]
LogStatus(_D(), "preBarTime:", preBarTime, "_D(preBarTime):", _D(preBarTime/1000), "index:", index)
# 增加画图展示
ext.PlotRecords(r, "%s_%d" % ("records", period))
Sleep(10000)
परीक्षा
रोबोट को कॉन्फ़िगर करें
रोबोट चलाओ और बाजार कलेक्टर चलाओ.
एक परीक्षण रणनीति खोलें और एक बैकटेस्ट करें, जैसे कि यह बैकटेस्ट रणनीति, और इसका परीक्षण करें।
javascript
function main() {
Log(exchange.GetRecords())
Log(exchange.GetRecords())
Log(exchange.GetRecords())
Log(exchange.GetRecords())
Log(exchange.GetRecords())
Log(exchange.GetRecords())
Log(exchange.GetRecords().length)
}
बैकटेस्टिंग विकल्पों को कॉन्फ़िगर करें और एक्सचेंज को Binance पर सेट करें क्योंकि कस्टम डेटा स्रोत फिलहाल खुद से एक्सचेंज का नाम सेट नहीं कर सकता है। आप कॉन्फ़िगरेशन के लिए सूची में मौजूद एक्सचेंज का ही इस्तेमाल कर सकते हैं। बैकटेस्टिंग के दौरान Binance प्रदर्शित होता है। यह डेटा है wexApp सिमुलेशन डिस्क की.
कस्टम डेटा स्रोत के रूप में मार्केट कलेक्टर पर आधारित बैकटेस्टिंग सिस्टम द्वारा उत्पन्न चार्ट और वेक्सऐप एक्सचेंज पेज पर 1-घंटे के कैंडलस्टिक चार्ट की तुलना करके देखें कि क्या वे समान हैं।
इस तरह, VPS पर रोबोट स्वयं K-लाइन डेटा एकत्र कर सकता है, और हम किसी भी समय एकत्रित डेटा प्राप्त कर सकते हैं और बैकटेस्टिंग सिस्टम में सीधे बैकटेस्ट कर सकते हैं।
यह सागर में एक बूँद के समान है। विशेषज्ञ इस पर विस्तार करना जारी रख सकते हैं, उदाहरण के लिए, वास्तविक समय बैकटेस्टिंग के लिए कस्टम डेटा स्रोतों का समर्थन करना, मल्टी-वेरिटी और मल्टी-मार्केट डेटा संग्रह और अन्य कार्यों का समर्थन करना।
संदेश छोड़ने के लिए आपका स्वागत है।
- 1