Hikyuu教程 | 如何进行策略回测参数优化
不久前看到一篇文章QMT使用技巧的文章——“震惊！策略回测参数从500多秒提升到1秒，竟然这么简单？”。当时进去看了下，大概是对单股的双均线策略的快线参数和慢线参数进行寻优，从2001年起至今对50组参数进行寻优，从使用纯 python 到使用 VBA 公式，从380秒优化到 1.3 秒。便想着动手看看 hikyuu 实现同样的参数寻优需要多久。
其实曾经也有人问过如何用 hikyuu 进行参数寻优，但觉得这种参数寻优本质是一种过拟合，一直不怎么感兴趣。所以友情提醒各位看官，这种简单的参数寻优本质是对历史数据的绝对过度拟合，请不要轻易使用寻优出来的结果！！！
这里使用经典双均线趋势策略（快线 > 慢线买入、反之卖出），测试执行机器为 i9-14900K, DD5-5600。50组参数，hikyuu执行时间：92毫秒，最佳参数 7, 51。
接下来进入正题，看看如何使用 Hikyuu 来完成这种参数寻优。（完整代码见文后附图）
一、构建参数组合
在 python 中构建参数组合是非常简单的，最经典的写法就是循环：
fast_n_range = range(5, 10, 1)
slow_n_range = range(50, 60, 1)
params = []
for fast_n in fast_n_range:
for slow_n in slow_n_range:
if slow_n > fast_n:
params.append((fast_n, slow_n))
更加 pythonic 的写法：
from itertools import product
params = [v for v in product(fast_n_range, slow_n_range)] # 构建参数两两组合
params = [(fast_n, slow_n) for fast_n, slow_n in params if fast_n < slow_n] # 过滤掉 slown <= fast_n 的参数组合
二、为每一对参数组合构建系统交易实例
这里直接使用默认 hub 中的经典双均线策略，由于后面使用的是茅台进行测试，请注意创建 TM （交易账户管理实例）时，保证有充足的资金，这里直接设置账户初始资金为 100000。
为了后续观察结果方便，更改每一个系统实例的名称，在其原有名称后加上实际的参数值，如：SYS_3_5。
sys_list = []
for x, y in params:
# 创建趋势双均线系统实例，各自测试账户初始资金为 1000000，无止损/止盈/资金控制/交易成本
my_sys = get_part('default.sys.趋势双均线', fast_n=x,
slow_n=y, tm=crtTM(init_cash=1000000), mm=MM_Nothing())
# 重新命名系统实例名称，如：SYS_3_5
my_sys.name = f'{my_sys.name}_{x}_{y}'
sys_list.append(my_sys)
三、执行比较每个交易系统绩效，选出最优系统
为了方便，这里创建了一个函数，函数的主要功能就是循环执行指定每一个系统，并统计其绩效，最终返回绩效最高的系统和其绩效值。
def find_optimal_param(sys_list, stk, query, key=None):
"""
该函数用于寻找系统列表中具有最高指定性能指标的系统。
参数:
sys_list (list): 系统对象的列表。
stk (object): 用于系统运行的股票数据对象。
query (object): 查询对象，用于系统运行。
key (str, optional): 性能指标的键，默认为'帐户平均年收益率%'。
返回:
tuple: 包含最高性能指标值和对应系统的元组。
异常:
Exception: 如果提供的性能指标键无效，则抛出异常。
"""
if key is None:
key = '帐户平均年收益率%'
if not Performance.exist(key):
raise Exception(f"Invalid key: {key}")
max_val = -10000
max_sys = None
for my_sys in sys_list:
my_sys.run(stk, query)
per = Performance()
per.statistics(my_sys.tm, lastdate)
val = per[key]
if val > max_val:
max_val = val
max_sys = my_sys
return max_val, max_sys
四、执行结果
指定待测试的股票，测试时间范围，执行测试：
stk = sm[stk_code]
query = Query(Datetime(20010101))
max_val, max_sys = find_optimal_param(sys_list, stk, query, key='当前总资产')
print(max_val)
print(max_sys.name)
print(len(sys_list))
max_sys.run(stk, query)
max_sys.performance()
执行耗时：
顺便测试了 fast_n [5, 80], slow_n [50, 200] 共 10785 组参数组合，耗时 24.5 秒。
完整代码：
原文地址：https://blog.csdn.net/KongDong/article/details/143061204
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！