QUANTAXIS量化金融策略框架,是一个面向中小型策略团队的量化分析解决方案. 我们通过高度解耦的模块化以及标准化协议,可以快速的实现面向场景的定制化解决方案.QUANTAXIS是一个渐进式的开放式框架,你可以根据自己的需要,引入自己的数据,分析方案,可视化过程等,也可以通过RESTful接口,快速实现多人局域网/广域网内的协作.

QUANTAXIS 的开源链接: https://github.com/yutiansut/QUANTAXIS

======

已经实现：

• 日线（自1990年）回测 [定点复权] (T+1)
• 分钟线 [1min/5min/15min/30min/60min]回测 (T+1)
• 股指期货日线(T+0)/指数日线/ETF日线
• 股指期货分钟线(T+0) / 指数分钟线/ETF分钟线 [1min/5min/15min/30min/60min]
• 基于pytdx/各种爬虫的数据源
  

• 实时交易数据
• 基于Vue.js的前端网站
• 自定义的数据结构
• 指标计算
• 板块数据(0.5.1新增)/同花顺,通达信板块
• 基本面数据(部分)
• 行情分发
  

预计实现:

• 文档更新
• 期货数据/回测
• 实盘
  

• QUANTAXIS 量化金融策略框架
  
  • 框架结构
  • 部署问题:
    
    • 安装QUANTAXIS
    • 安装QUANATXIS_WebKit
    • 启动QUANTAXIS CLI 并进行数据的初始化存储
    • 启动QUANTAXIS_Webkit来查看回测的结果
    • 更新QUANTAXIS
      
  • 项目捐赠
  • 关于QUANTAXIS基金
  • 回测Webkit插件概览
  • QUANTAXIS 标准化协议和未来协议
    
  
  

框架结构

部署问题:

• Windows/Linux(ubuntu) 已测试通过
• python3.6(开发环境) python2 回测框架不兼容(attention! 之后会逐步用更多高级语法)
• 如果需要交易,请下载32位的python3.6
• nodejs 需要安装>7的版本,来支持es6语法
• mongodb是必须要装的
• 强烈推荐mongodb的可视化库 robomongo 百度即可下载
  

一个简易demo(需要先安装并启动mongodb,python版本需要大于3)

启动QUANTAXIS CLI 并进行数据的初始化存储

在命令行输入 quantaxis 进去quantaxis CLI quantaxis> save all

随意新建一个目录:(不要跟QUANTAXIS文件夹在一个目录)

在命令行输入 quantaxis 进去quantaxis CLI

输入examples 在当前目录下生成一个示例策略

运行这个示例策略:

python backtest.py

一般而言 日线4个组合的回测(一年)在14-17秒左右 5min级别4个组合的回测(一年)在3-4分钟左右

启动QUANTAXIS_Webkit来查看回测的结果

启动网络插件(nodejs 版本号需要大于6,最好是7)

cd QUANTAXIS_Webkit# 先启动后台服务器  在3000端口cd backend(sudo) forever start bin/wwwcd ..# 再启动前端服务器  在8080端口cd web(sudo) npm run dev 或者 forever start build/dev-server.js

会自动启动localhost:8080网页端口,用账户名admin,密码admin登录 (注明: admin注册是在python的QUANTAXIS save all时候执行的)

另外 如果save all已经执行,依然登录不进去 点击插件状态 查看3000端口是否打开

登录后点击左上角 <模拟回测> 在模拟回测的选择界面的用户名搜索框输入回测的时候的用户名(默认是admin),回车

选择和你回测策略中名称一致的结果即可进入可视化界面

更新QUANTAXIS

由于目前项目还在开发中,所以需要使用Git来更新项目:

点击右上角的Star和watch来持续跟踪项目进展~

常规更新:

cd QUANTAXISgit pull

如果本地有进行更改,遇到更新失败:

(注意: 最好不要在本地修改该项目文件,如果需要做一些自定义功能,可以进fork[在项目的右上角])

git reset --hard origin/mastergit pull
回测Webkit插件概览

QUANTAXIS 标准化协议和未来协议

QUANTAXIS-Stardand-Protocol 版本号0.0.8