PyBroker:Python算法交易框架-机器学习驱动的量化投资利器

PyBroker Logo

在当今复杂多变的金融市场中,如何利用数据和算法提升投资决策质量,是每个量化交易者都在思考的问题。PyBroker作为一个新兴的开源Python算法交易框架,为此提供了强大的工具支持。它专注于将机器学习应用于量化投资策略开发,让交易者能够方便地构建、回测和优化自动化交易系统。

PyBroker的主要特性

PyBroker具备以下核心功能:

高性能回测引擎:基于NumPy构建并通过Numba加速,实现快速策略回测。
多样化数据源:支持从Alpaca、Yahoo Finance、AKShare等获取历史行情数据,也可自定义数据源。
机器学习模型集成:可以方便地训练和应用各类机器学习模型,用于预测和决策。
向前分析(Walkforward Analysis):模拟实际交易场景,评估策略在未来表现。
Bootstrap评估指标:使用随机重采样方法,提供更可靠的策略性能评估。
数据和模型缓存:加速开发迭代过程。
并行计算:提高大规模数据处理和回测效率。

快速上手PyBroker

PyBroker支持Python 3.9+版本,可以通过pip安装:

pip install -U lib-pybroker

以下是一个简单的策略示例,展示了如何使用PyBroker构建基于规则的交易策略:

from pybroker import Strategy, YFinance, highest

def exec_fn(ctx):
    # 获取10日高点
    high_10d = ctx.indicator('high_10d')
    # 在创新高时买入
    if not ctx.long_pos() and high_10d[-1] > high_10d[-2]:
        ctx.buy_shares = 100
        # 持仓5天
        ctx.hold_bars = 5
        # 设置2%止损
        ctx.stop_loss_pct = 2

strategy = Strategy(YFinance(), start_date='1/1/2022', end_date='7/1/2022')
strategy.add_execution(
    exec_fn, ['AAPL', 'MSFT'], indicators=highest('high_10d', 'close', period=10))
# 20天预热期后开始回测
result = strategy.backtest(warmup=20)

PyBroker还支持基于机器学习模型的策略开发。以下示例展示了如何集成自定义模型:

import pybroker
from pybroker import Alpaca, Strategy

def train_fn(train_data, test_data, ticker):
    # 使用train_data中的指标训练模型
    ...
    return trained_model

# 注册模型及其训练函数
my_model = pybroker.model('my_model', train_fn, indicators=[...])

def exec_fn(ctx):
    preds = ctx.preds('my_model')
    # 根据模型预测开仓
    if not ctx.long_pos() and preds[-1] > buy_threshold:
        ctx.buy_shares = 100
    # 根据模型预测平仓  
    elif ctx.long_pos() and preds[-1] < sell_threshold:
        ctx.sell_all_shares()

alpaca = Alpaca(api_key=..., api_secret=...)
strategy = Strategy(alpaca, start_date='1/1/2022', end_date='7/1/2022')
strategy.add_execution(exec_fn, ['AAPL', 'MSFT'], models=my_model)
# 使用5个窗口进行向前分析,训练集占50%
result = strategy.walkforward(timeframe='1m', windows=5, train_size=0.5)

学习资源

PyBroker提供了丰富的文档和教程,帮助用户快速掌握框架的使用:

完整的API文档可在PyBroker官网查阅。此外,项目还提供了中文文档支持。

总结

PyBroker为量化交易者提供了一个功能强大且易于使用的Python框架,特别适合那些希望将机器学习应用于交易策略开发的人士。无论您是初学者还是经验丰富的交易员,PyBroker都能帮助您更高效地构建、测试和优化算法交易策略。通过持续学习和实践,相信每个使用PyBroker的交易者都能在量化投资的道路上走得更远。

欢迎访问PyBroker GitHub仓库了解更多信息,或加入社区交流讨论。让我们一起探索算法交易的无限可能!