算是之前一篇文章的后续

http://blog.itpub.net/22259926/viewspace-2564798/

之前写了一篇文章，在实盘交易时候，用数据库记录交易信息，其实就是把交易信息类型VtTradeData的实例保存的到数据库中。

之前盘后分析主要是数据库把collection导出到csv文档，然后下载本地用excel分析，拼凑出sharpe指标，趋势图一些；费时费力还不准确；只能说近似正确。

一直想找个什么分析工具，后来一想，其实VNPY回测引擎就很不错，简单易用；就是捣鼓捣鼓，利用VNPY回测引擎分析实盘交易，并用excel和pdf输出分析结果。

这里所有代码还是针对VNPY 1.92的，因为现在我的实盘还是这个版本，如果VNPY2的版本，其实应该改改也可以用。

完整代码如下，只要保存到一个本地路径，执行就可以。

整个流程是：

1. 使用方法load_tradedata，传入交易记录数据库信息，和collection名称，读取交易信息，保存为OrderDict格式

2. 使用initEngine4Deal，初始化一个回测引擎，传入品种交易参数，比如手续费一类，进行更完善计算，滑点可以为0，因为是真实成交数据； 这里还要提供历史品种行情数据，为按日结算提供参考；同时使用真实历史交易信息Dict，替换本来是回测生成的交易信息tradeDict，这个也是核心步骤。

3.然后用回测引擎的按比分析方法，和按日分析方法分析；把分析结果用Dict保存；转为excel输出；图像plt用pdf输出。这里有个中文乱码问题，比较讨厌，可以搜索看看解决方法。

完成后截图下如，

Excel做了行列转换，方便查看

大部分注释都解释了。有几点要介绍下，代码如下:

传入的是用list包Dict的格式，大部分都注释解释了。

#encoding:UTF-8"""从DEAL数据库中读取交易记录，利用回测分析引擎分析，并用excel和pdf输出分析结果"""from__future__importdivisionfrom__future__importprint_functionfromvnpy.trader.app.ctaStrategy.ctaBacktestingimportBacktestingEngine,MINUTE_DB_NAMEfromvnpy.trader.vtObjectimportVtTickData,VtBarDatafromvnpy.trader.vtGatewayimportVtTradeDatafromvnpy.trader.vtGlobalimportglobalSettingimportpymongofromcollectionsimportOrderedDictfromdatetimeimportdatetime,dateimportpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltfrommatplotlib.backends.backend_pdfimportPdfPagesdefload_tradedata(dbName,collectionName,startDate):"""读取交易历史记录，返回用OrderedDict保存的VtTradeData:paramdbName::paramcollectionName::return:{ID:VtTradeData}"""dbClient=pymongo.MongoClient(globalSetting['mongoHost'],globalSetting['mongoPort'])collection=dbClient[dbName][collectionName]#载入初始化需要用的数据flt={}initCursor=collection.find(flt).sort('tradeTime')tradeDict=OrderedDict()#交易记录字典tradeDictID=0#交易编号fordininitCursor:trade=VtTradeData()trade.__dict__=dtrade.tradeTime=datetime.strptime(trade.tradeTime,'%Y-%m-%d%H:%M:%S')trade.dt=trade.tradeTimetradeDictID+=1#成交编号自增1tradeDict[str(tradeDictID)]=tradereturntradeDictdefinitEngine4Deal(dealCollection,historyCollection,startDate,tradeRate,tradeSize,tradePriceTick,tradeSlipe=0,tradeCapital=50000):"""传入参数，返回回测引擎，保护实际交易数据，用来分析交易情况，。:paramdealCollection::paramhistoryCollection::paramstartDate::paramtradeSlipe::paramtradeRate::paramtradeSize::paramtradePriceTick::paramtradeCapital::paramexportPDF::return:"""#创建回测引擎对象engine=BacktestingEngine()#设置回测使用的数据engine.setBacktestingMode(engine.BAR_MODE)#设置引擎的回测模式为K线engine.setDatabase(MINUTE_DB_NAME,historyCollection)#设置使用的历史数据库engine.setStartDate(startDate)#设置回测用的数据起始日期#配置回测引擎参数engine.setSlippage(tradeSlipe)#设置滑点为1跳engine.setRate(tradeRate)#设置手续费万1engine.setSize(tradeSize)#设置合约大小engine.setPriceTick(tradePriceTick)#设置最小价格变动engine.setCapital(tradeCapital)#设置回测本金engine.loadHistoryData()bar=Nonefordinengine.dbCursor:data=VtBarData()data.__dict__=dengine.updateDailyClose(data.datetime,data.close)bar=data##构建每日收盘价#forbarinengine.BackTestData:#engine.updateDailyClose(bar.datetime,bar.close)#是回测数据后一个bar，用于未结束持仓计算收益engine.bar=bar#读取历史交易数据，塞入回测引擎tradeDict=load_tradedata("VnTrader_DEAL_Db",dealCollection,startDate)engine.tradeDict=tradeDict#显示成交记录#foriinrange(len(tradeDict)):#d=engine.tradeDict[str(i+1)].__dict__#print('TradeID:%s,Time:%s,Direction:%s,Price:%s,Volume:%s'%(#d['tradeID'],d['dt'],d['direction'],d['price'],d['volume']))returnenginedeftradeResultAnalysis(engine,dealCollection):"""传入回测引擎，和deal名称，按deal进行回测分析，返回回测分析结果DICT格式，和plt图标用于pdf输出:paramengine::paramdealCollection::return:"""TradeResult={}d=engine.calculateBacktestingResult()TradeResult[u"第一笔交易/FirstDeal"]=d['timeList'][0]TradeResult[u"最后一笔交易/LastDeal"]=d['timeList'][-1]TradeResult[u"总交易次数/DealNumber"]=(d['totalResult'])TradeResult[u"总盈亏/DealPnL"]=(d['capital'])TradeResult[u"最大回撤/MaxDrawdown"]=(min(d['drawdownList']))TradeResult[u"平均每笔盈利/AveragePnL"]=(d['capital']/d['totalResult'])TradeResult[u"平均每笔滑点/AverageSlip"]=(d['totalSlippage']/d['totalResult'])TradeResult[u"平均每笔佣金/AverageCommisson"]=(d['totalCommission']/d['totalResult'])TradeResult[u"胜率/WinRate%"]=(d['winningRate'])TradeResult[u"盈利交易平均值/AverageProfit"]=(d['averageWinning'])TradeResult[u"亏损交易平均值/AverageLoss"]=(d['averageLosing'])TradeResult[u"盈亏比/ProfitLossRatio"]=(d['profitLossRatio'])plt=tradeResult2Plt(d,TradeResult,dealCollection)returnTradeResult,pltdefdailyResultAnalysis(engine,dealCollection):"""传入回测引擎，和deal名称，按每日进行回测分析，返回回测分析结果DICT格式，和plt图标用于pdf输出:paramengine::paramdealCollection::return:"""engine.calculateDailyResult()dx,dailyResult=engine.calculateDailyStatistics()plt=dailyResult2Plt(dx,dailyResult,dealCollection)returndailyResult,pltdeftradeResult2Plt(d,TradeResult,dealCollection):#输出按交易统计plt图标#绘图fig=plt.figure(figsize=(10,18))pText=plt.subplot(5,1,1)pText.set_title("TradeResultAnalysis"+dealCollection)pText.text(0,0.1,str(TradeResult),fontsize=12,bbox={'facecolor':'white'},wrap=True)pCapital=plt.subplot(5,1,2)pCapital.set_ylabel("capital")pCapital.plot(d['capitalList'],color='r',lw=0.8)pDD=plt.subplot(5,1,3)pDD.set_ylabel("DD")pDD.bar(range(len(d['drawdownList'])),d['drawdownList'],color='g')pPnl=plt.subplot(5,1,4)pPnl.set_ylabel("pnl")pPnl.hist(d['pnlList'],bins=50,color='c')pPos=plt.subplot(5,1,5)pPos.set_ylabel("Position")ifd['posList'][-1]==0:deld['posList'][-1]tradeTimeIndex=[item.strftime("%m/%d%H:%M:%S")foritemind['tradeTimeList']]xindex=np.arange(0,len(tradeTimeIndex),np.int(len(tradeTimeIndex)/10))tradeTimeIndex=list(map(lambdai:tradeTimeIndex[i],xindex))pPos.plot(d['posList'],color='k',drawstyle='steps-pre')pPos.set_ylim(-1.2,1.2)plt.sca(pPos)#plt.rcParams['font.sans-serif']=['SimSun']#用来正常显示中文标签plt.rcParams['axes.unicode_minus']=False#用来正常显示负号plt.tight_layout()plt.xticks(xindex,tradeTimeIndex,rotation=30)#旋转15returnpltdefdailyResult2Plt(d,dailyResult,dealCollection):#绘图fig=plt.figure(figsize=(10,18))pText=plt.subplot(5,1,1)pText.set_title("DailyResultAnalysis"+dealCollection)pText.text(0,0.1,str(dailyResult),fontsize=12,bbox={'facecolor':'white'},wrap=True)pBalance=plt.subplot(5,1,2)pBalance.set_title('Balance')plt.plot(d['date'],d['balance'])pDrawdown=plt.subplot(5,1,3)pDrawdown.set_title('Drawdown')pDrawdown.fill_between(range(len(d['drawdown'])),d['drawdown'])pPnl=plt.subplot(5,1,4)pPnl.set_title('DailyPnl')plt.bar(range(len(d['drawdown'])),d['netPnl'])pKDE=plt.subplot(5,1,5)pKDE.set_title('DailyPnlDistribution')plt.hist(d['netPnl'],bins=50)returnpltdeftoExcel(resultlist,path="C:\data\datframe.xlsx"):#按照输入统计数据队列和路径，输出excel，这里不提供新增模式，如果想，可以改#dft.to_csv(path,index=False,header=True,mode='a')summayKey=resultlist[0].keys()df=pd.DataFrame(columns=summayKey)forresultinresultlist:new=pd.DataFrame(result,index=["0"])df=df.append(new,ignore_index=True,sort=True)dft=pd.DataFrame(df.values.T,index=df.columns,columns=df["DealCollection"])dft.to_excel(path,index=True,header=True)print("回测统计结果输出到"+path)if__name__=="__main__":DealCollectionList=[{"historyCollection":"rb9999","dealCollection":"ATRStrategyRB","StartDate":"20200301","Size":10,"Rate":0.0001,"PriceTick":1},{"historyCollection":"fu8888","dealCollection":"CCIStrategyfu","StartDate":"20200301","Size":10,"Rate":0.0001,"PriceTick":1},]resultList=[]pdf=PdfPages("DealResultAnalysisPDF"+str(date.today())+"v1.pdf")fordealCollctioninDealCollectionList:ResultDict={}#加入交易集名称dealCollctionName=dealCollction["dealCollection"]ResultDict["DealCollection"]=dealCollctionName#初始回测引擎engine=initEngine4Deal(dealCollection=dealCollction["dealCollection"],historyCollection=dealCollction["historyCollection"],startDate=dealCollction["StartDate"],tradeSize=dealCollction["Size"],tradeRate=dealCollction["Rate"],tradePriceTick=dealCollction["PriceTick"])#按deal进行分析，传入resultDict，和pdftradeResult,plt=tradeResultAnalysis(engine,dealCollctionName)ResultDict.update(tradeResult)pdf.savefig()plt.close()#按每日进行分析，传入resultDict，和pdfdailyResult,plt=dailyResultAnalysis(engine,dealCollctionName)ResultDict.update(dailyResult)pdf.savefig()plt.close()resultList.append(ResultDict)pdf.close()path="DealResultAnalysisExcel"+str(date.today())+"v2.xls"toExcel(resultList,path)