蜗牛博客VNPY学习记录：
VN.PY 2.0学习记录一（如何回测）
VN.PY 2.0学习记录二（策略开发）
Vn.py学习记录三（米筐教程)
VN.PY 2.0学习记录四（多线程、多进程）
Vn.py学习记录五–交易时间段及Widgets
Vn.py学习记录六（无界面模拟盘）
Vn.py学习记录七（V2.0.5版本）
Vnpy学习记录八（R-Breaker及pickle）
Vn.py学习记录九（事件驱动引擎）
VN.PY学习记录十（源码概述）
VNPY学习记录11（微信+Vscode）
VNPY学习记录12（父子进程、回调函数）
VNPY学习记录13（部署到云服务器，实现自动交易）
一、开发一个test策略
写策略需要在C:\ProgramData\VNConda\Lib\site-packages\vnpy\app\cta_strategy\strategies这个文件夹下面。
代码：
from vnpy.app.cta_strategy import (
CtaTemplate,
StopOrder,
TickData,
BarData,
TradeData,
OrderData,
BarGenerator,
ArrayManager,
)
class MaDbwStrategy(CtaTemplate):
author = "蜗牛博客snailtoday.com"
def __init__(self, cta_engine, strategy_name, vt_symbol, setting):
""""""
super(MaDbwStrategy, self).__init__(
cta_engine, strategy_name, vt_symbol, setting
)
self.bg = BarGenerator(self.on_bar)
self.am = ArrayManager()
def on_init(self):
"""
Callback when strategy is inited.
"""
self.write_log("策略初始化")
self.load_bar(10)
def on_start(self):
"""
Callback when strategy is started.
"""
self.write_log("策略启动")
self.put_event()
def on_stop(self):
"""
Callback when strategy is stopped.
"""
self.write_log("策略停止")
self.put_event()
def on_tick(self, tick: TickData):
"""
Callback of new tick data update.
"""
self.bg.update_tick(tick)
def on_bar(self, bar: BarData):
"""
Callback of new bar data update.
"""
if bar.close_price < 3730:
if self.pos == 0:
self.buy(bar.close_price, 1)
elif self.pos > 0:
pass
if bar.close_price > 3920:
if self.pos > 0:
self.sell(bar.close_price, 1)
elif self.pos == 0:
pass
self.put_event()
def on_order(self, order: OrderData):
"""
Callback of new order data update.
"""
pass
def on_trade(self, trade: TradeData):
"""
Callback of new trade data update.
"""
self.put_event()
def on_stop_order(self, stop_order: StopOrder):
"""
Callback of stop order update.
"""
pass
最终结果：
与我手工计算的结果差不多：
总共只交易了两次，
4月18日：3727买入
5月14日：3920.2卖出。
与图形上的曲线也相符，不过不知为什么，计算收益的时候有点差异。
发现这里又有坑了：
1.不成交
将条件设为if bar.close_price < 3800.00:,下面这个达到条件的不成交。
二、如何合成K线？
BarGenerator里面的update_tick（）用于把tick数据合成1分钟K线数据，update_bar（）是用于把1分钟数据合成X分钟数据。
可以参考2.0版本cta_strategy里面的布林带策略示例，那里提供1分钟K线合成为15分钟K线，并且基于15分钟K线来产生买卖信号。
AM: 将收到的K线时间序列的推送缓存下来，方便我们计算一些技术指标，比如均线、RSI
三、显示成交明细
engine.showBacktestingResult()
for i in range(10):
d = engine.tradeDict[str(i+1)].__dict__
print(d[´tradeID´],d[´dt´],d[´direction´],d[´price´],d[´volume´]
四、优化
优化配置
Setting = OptimizationSetting() setting.setOptimizeTarget(´sharpeRatio´) Setting.addParameter(´atrLength´,12,14,1) #起始为12，结束14，步进2 #Setting.addParameter(´rsiLength´,20,30,5) 执行多进程优化 import time start = time.time() engine.runParallelOptimization(AtrRsiStrategy,setting) print u´耗时：s%´ %(tim.time()-start)
五、取当天第一根K线
Kdata=pd.DataFrame mask= (Kdata.datetime.day==today) & (Kdata.datetime.hour==9) & (Kdata.datetime.minute==0) First1min= Kdata[mask]
Kdata = pandas.DataFrame mask = (Kdata.datetime.day == 27) & (Kdata.datetime.hour == 9) & (Kdata.datetime.minute == 0) First1min = Kdata[mask]
开盘时间：
if(dt.hour == 9 or dt.hour == 21) and dt.minute <2: self.openWindwo = True
六、模拟盘
May.07.2018 update
今天，自己写的策略模拟盘终于也成功了。
从成交时间来看，是14:50开的多仓，可是看K线图有点没搞懂。
七、
tick数据的流程这样的：
ctpgateway--onRtnDepthMarketData---self.gateway.onTick
==>
VtGateway--onTick
==>
tick数据存入eventengine
==>
ctaengine中注册处理tick事件的函数procecssTickEvent--strategy.onTick
最终到达策略中的ontick.
VNPY的数据记录模块在 DataRecorder目录下，这个模块就是用来实现你说的将tick数据存入数据库这个功能的。
DR_setting.json 是个设置文件，设置是否打开本模块，以及你希望记录的品种。
drEngine.py 是实现记录到数据库的相关代码。 读一读就清楚啦。
至于上面的流程，是之前发生的事情，如果只是希望记录数据库，不清楚也没关系的。
如果想弄清楚，就从最开始的ctpgateway开始，一层一层print，打出你想看到的一切，应该就能理解这个过程了。
onRtnDepthMarketData是一个回调函数，由底层API收到柜台服务器推送的行情数据后自动调用，从而把数据推送到你的程序中，所以
1. 这个函数你用不着调用
2. data也就用不着填了