# 五个摆烂人

**Repository Path**: wenyangsix/python-five-tanking-man

## Basic Information

- **Project Name**: 五个摆烂人
- **Description**: python金融的大作业
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2021-11-04
- **Last Updated**: 2021-12-05

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 基于PyQt5的量化回测系统
> 组员：杨文登，高铭，马敏，黄俊杰，赵建韬
## 运行
> pip install -r requirements.txt
>
> python main.py

## 使用

### 回测步骤
先点击界面左上角“文件”菜单，点击“添加股票”，在弹出的窗口中，选择“data/data.pkl"文件。
然后在界面右侧，点击“股票选择”tag，选择策略和回测需要使用的股票池。
<img src="./images/股票池.png">

在界面左侧，输入需要回测的日期范围，初始资金，手续费（输入框进行了非法或异常情况处理，比如限制了手续费的类型和最大值）

在界面右侧，点击“策略池”，选择使用的策略，输入相应参数，然后点击“采用该策略”按钮，下方进度条显示策略运行进度。
<img src="./images/机器学习策略.png">

策略运行完成后，左下角的交易日志信息部分，会记录每个交易日的资产组合价值（当前总资金），每个调仓日卖出的股票信息。



## 项目结构

|  目录   | 说明  |
|  ----  | ----  |
| src  | 某些模块的源代码 |
| data  | 一些数据文件 |
| ui | 产品ui代码 | 
| log | 保存的日志文件 
| images | 图片文件

## 类的划分

### 主窗体类
* 名称：MainWindow
* 所在文件: main.py
* 功能描述
    * 加载主窗口，初始化ui组件
    * 初始化与用户交互的信号参数, 初始化回测的基本参数
    * 加载输入输出框参数的校验

示意图
<img src="./images/mainWindow.png"/>

### 信号类
* 名称: TaskSignals
* 所在文件: taskSignals.py
* 功能描述
    * 子线程/一些任务执行中发出的信号，以便更新窗口内的UI
    * `loadFile`：加载文件信号，然后显示在statusBar上
    * `logSignal`：打印日志信号，让窗口主线程的窗口打印一些信息
    * `progressBarSignal`：进度条更新信号，让主窗口内的进度条更新
    * `updateBackTestingSignal`: 负责更新回测结果的信号

### 数据读写类
* 名称：StockDataHelper
* 所在文件: `src/dataHelper.py`
* 功能描述
    * 主要是负责处理股票的数据，包括以下：
    * 根据用户给定的path，从磁盘中读入.pkl类型的数据
    * 负责找到某段时间内所有交易日的数据
    * 找到离date往后最近一天的交易日数据

### 回测数据管理类
* BackTestingData
* 所在文件: `src/backTestingData.py`
* 功能描述
    * 负责处理主窗口内一些回测的基本参数，以便给策略使用
    * 比如`selected_stocks: 开市选了哪些股票，start_date： 回测开始日期`等
* 方法
    * `update_data(key: str, val: any)`
    * 外部掉用这个函数，就可以更新这个数据内部的值

### 日志读写类
* 名称：Log
* 所在文件: `src/log.py`
* 功能描述
    * 根据主窗口内打印的日志数据，保存到本地的log文件夹下

### 因子检验
* 所在文件：factorTest.py
* 因子有效性分析：使用IC（信息系数）检验。IC值能够很好的反映因子对下期收益率的预测能力，IC值越高，就表明该因子在该期对股票收益的预测能力越强。
* 用户输入：start_date，end_date，factor_name
* 参数解释：例，用户输入为：
    ```py
    start_date = "2010-10-4"
    end_date = "2011-10-8"
    factor_name = "MA" #待检验因子名
    ```
    计算2010-10-4至2011-10-4期间，每个交易日因子MA的IC值，以及整个期间的IC平均值，标准差，信息比率

<img src="./images/IC因子检验2.png"/>

### 策略基类
* 名称: basetrategy
* 所在文件: `src/strategy/easyStrategy.py`
* 功能描述：
    * 负责管理策略所需要的基本数据，以及这个策略的基本操作，比如：
    * 买入/卖出股票，自动更新仓位
    * 返回当前持有的股票列表


### 最大涨幅策略类
* 名称: EasyStrategy
* 所在文件: `src/strategy/easyStrategy.py`

#### 策略思想
每个调仓日，根据前back_day天的所有股票收益率排序，选出收益率最高的max_hold只股票买入
#### 用户自定义参数：
* start_date #策略起始日
* end_date #策略结束日
* trans_period #调仓周期
* back_day #在过去几天中选股
* max_hold #持有股票数量
* init_money #初始资金

每个调仓日买入Strategy类选择的股票，根据每只股票被分配的资金和该只股票调仓日的收盘价，计算买入仓位（处理股票必须买整股问题）。每个交易日，根据每只股票的仓位和收盘价，计算当日资产组合的市值
用户自定义：

#### 与大盘数据对比
<img src="./images/涨幅策略结果.png">


### 双均线策略类
* 名称 doubleMastrategy
* 所在文件: `src/strategy/doubleMaStrategy`

#### 策略思想
该策略基于两条均线，即一条长均线，一条短均线。当短均线上穿长均线时，形成金叉，如果此时尚有资金，可买入股票；如果短均线下穿长均线，形成死叉，如果此时有该只股票的持仓，那么进行卖出。

#### 策略实现：
* 自行设定长短均线的时间窗口，比如长均线为20日移动平均，短均线为5日移动平均；
* 自行设置回测的起止日期及初始资金；
* 分别在每个交易日对每只股票进行判断，记录符合金叉和死叉条件的股票；
* 对于触发死叉的股票，如果有持仓，那么全部卖出，并计算当前现金余额；
* 对于触发金叉的股票，如果当前现金余额>0，那么将资金均分进行买入。
综上，即形成了一个自动进行调仓的动态策略。

#### 一个例子
<img src="./images/doubleMaStrategies.jpg"/>

#### 600048.xshg的均线图
<img src="./images/600048.xshg.png">



### 机器学习策略类
* 名称 mlStrategy
* 所在文件: `src/strategy/mlStrategy`

#### 策略思想
每个调仓日用SVM模型，根据过去window_size天的所有股票数据，预测股票在未来next_n_day天的涨跌，等比例买入所有预测为涨的股票（如果src/svm文件夹中没有已经训练好的模型，需要调用trainModel.py先训练模型）
#### 用户自定义参数：
* start_date #策略起始日
* end_date #策略结束日
* window_size = 2 #预测几天后的涨跌
* next_n_day = 3 #使用历史数据的天数
* trans_period #调仓周期
* init_money #初始资金

#### SVM训练结果
* 训练集：2010-2013年的股票数据
* 测试集：2014-2019年的股票数据
* window_size = 2 #预测几天后的涨跌
* next_n_day = 3 #使用历史数据的天数

<img src="./images/SVM模型训练结果.png">

#### 机器学习策略回测
注意：为避免使用未来数据，回测日期可以选择训练集外的日期，或调整训练集范围
暂时将模型参数固定为window_size = 2，next_n_day = 3

<img src="./images/机器学习策略.png">

<img src="./images/机器学习回测.png">