cyqnt-trd 0.1.2__py3-none-any.whl

cyqnt_trd/trading_signal/selected_alpha/generate_alphas.py

@@ -0,0 +1,133 @@
+"""
+生成所有101个Alpha因子文件的脚本
+
+这个脚本读取alpha_cal_reference.py并生成适配crypto数据格式的alpha因子文件。
+"""
+
+import re
+import os
+
+# Alpha因子定义（从reference文件中提取）
+ALPHA_DEFINITIONS = {
+    1: ("rank(Ts_ArgMax(SignedPower(((returns < 0) ? stddev(returns, 20) : close), 2.), 5)) -0.5", 
+        "rank(Ts_ArgMax(SignedPower(((returns<0)?stddev(returns,20):close),2.),5))-0.5)"),
+    2: ("-1 * correlation(rank(delta(log(volume), 2)), rank(((close - open) / open)), 6)", 
+        "-1 * correlation(rank(delta(log(volume), 2)), rank(((close - open) / open)), 6)"),
+    3: ("-1 * correlation(rank(open), rank(volume), 10)", 
+        "-1 * correlation(rank(open), rank(volume), 10)"),
+    4: ("-1 * Ts_Rank(rank(low), 9)", 
+        "-1 * ts_rank(rank(low), 9)"),
+    5: ("(rank((open - (sum(vwap, 10) / 10))) * (-1 * abs(rank((close - vwap)))))", 
+        "(rank((open - (ts_sum(vwap, 10) / 10))) * (-1 * abs(rank((close - vwap)))))"),
+    6: ("-1 * correlation(open, volume, 10)", 
+        "-1 * correlation(open, volume, 10)"),
+    7: ("((adv20 < volume) ? ((-1 * ts_rank(abs(delta(close, 7)), 60)) * sign(delta(close, 7))) : (-1* 1))", 
+        "((adv20 < volume) ? ((-1 * ts_rank(abs(delta(close, 7)), 60)) * sign(delta(close, 7))) : (-1* 1))"),
+    8: ("-1 * rank(((sum(open, 5) * sum(returns, 5)) - delay((sum(open, 5) * sum(returns, 5)),10))))", 
+        "-1 * rank(((ts_sum(open, 5) * ts_sum(returns, 5)) - delay((ts_sum(open, 5) * ts_sum(returns, 5)),10))))"),
+    9: ("((0 < ts_min(delta(close, 1), 5)) ? delta(close, 1) : ((ts_max(delta(close, 1), 5) < 0) ?delta(close, 1) : (-1 * delta(close, 1))))", 
+        "((0 < ts_min(delta(close, 1), 5)) ? delta(close, 1) : ((ts_max(delta(close, 1), 5) < 0) ?delta(close, 1) : (-1 * delta(close, 1))))"),
+    10: ("rank(((0 < ts_min(delta(close, 1), 4)) ? delta(close, 1) : ((ts_max(delta(close, 1), 4) < 0)? delta(close, 1) : (-1 * delta(close, 1)))))", 
+         "rank(((0 < ts_min(delta(close, 1), 4)) ? delta(close, 1) : ((ts_max(delta(close, 1), 4) < 0)? delta(close, 1) : (-1 * delta(close, 1)))))"),
+}
+
+def generate_alpha_file(alpha_num, formula, description=""):
+    """生成单个alpha文件"""
+    
+    template = f'''"""
+Alpha#{alpha_num} 因子
+
+公式: {formula}
+
+说明：
+{description}
+
+标签：待补充
+"""
+
+import pandas as pd
+import numpy as np
+from typing import Optional
+from .alpha_utils import (
+    ts_sum, sma, stddev, correlation, covariance,
+    ts_rank, product, ts_min, ts_max, delta, delay,
+    rank, scale, ts_argmax, ts_argmin, decay_linear,
+    sign, abs, log, signed_power
+)
+
+
+def alpha{alpha_num}_factor(
+    data_slice: pd.DataFrame,
+    **kwargs
+) -> float:
+    """
+    Alpha#{alpha_num} 因子计算
+    
+    Args:
+        data_slice: 数据切片，必须包含以下列：
+                   - open_price: 开盘价
+                   - high_price: 最高价
+                   - low_price: 最低价
+                   - close_price: 收盘价
+                   - volume: 成交量
+                   - quote_volume: 成交额（用于计算vwap）
+        **kwargs: 其他可选参数
+    
+    Returns:
+        因子值（最后一个时间点的值）
+    """
+    try:
+        if len(data_slice) < 2:
+            return 0.0
+        
+        # 提取数据列
+        open_price = data_slice['open_price']
+        high_price = data_slice['high_price']
+        low_price = data_slice['low_price']
+        close_price = data_slice['close_price']
+        volume = data_slice['volume']
+        quote_volume = data_slice.get('quote_volume', volume * close_price)  # 如果没有quote_volume，使用volume*close_price估算
+        
+        # 计算收益率
+        returns = close_price.pct_change().fillna(0)
+        
+        # 计算VWAP (Volume Weighted Average Price)
+        # vwap = quote_volume / volume，如果volume为0则使用close_price
+        vwap = (quote_volume / (volume + 1e-10)).fillna(close_price)
+        
+        # 计算adv20 (20日平均成交量)
+        adv20 = sma(volume, 20)
+        
+        # 实现Alpha因子逻辑
+        # TODO: 根据具体公式实现
+        
+        # 临时返回0，需要根据具体公式实现
+        return 0.0
+        
+    except Exception as e:
+        # 如果计算出错，返回0
+        return 0.0
+'''
+    
+    return template
+
+
+if __name__ == "__main__":
+    # 生成所有alpha文件
+    base_dir = os.path.dirname(os.path.abspath(__file__))
+    
+    for alpha_num in range(1, 102):
+        if alpha_num in ALPHA_DEFINITIONS:
+            formula, _ = ALPHA_DEFINITIONS[alpha_num]
+        else:
+            formula = f"Alpha#{alpha_num} formula"
+        
+        content = generate_alpha_file(alpha_num, formula)
+        
+        file_path = os.path.join(base_dir, f"alpha{alpha_num}.py")
+        with open(file_path, 'w', encoding='utf-8') as f:
+            f.write(content)
+        
+        print(f"Generated alpha{alpha_num}.py")
+
+

cyqnt_trd/trading_signal/selected_alpha/test_alpha.py

@@ -0,0 +1,261 @@
+"""
+Alpha因子测试脚本
+
+测试 selected_alpha 模块中的 Alpha 因子
+
+这个文件是 test_script/test_alpha.py 的快捷方式，可以直接在 selected_alpha 目录下运行测试。
+
+使用方法：
+    # 方式1: 作为模块运行（推荐）
+    cd /Users/user/Desktop/repo/cyqnt_trd
+    python -m cyqnt_trd.trading_signal.selected_alpha.test_alpha
+    
+    # 方式2: 直接运行脚本
+    cd /Users/user/Desktop/repo/cyqnt_trd
+    python cyqnt_trd/trading_signal/selected_alpha/test_alpha.py
+"""
+
+import sys
+import os
+
+# 添加项目根目录到路径，以便导入模块
+current_dir = os.path.dirname(os.path.abspath(__file__))
+# 获取项目根目录（cyqnt_trd 的父目录）
+# test_alpha.py 位于: cyqnt_trd/cyqnt_trd/trading_signal/selected_alpha/test_alpha.py
+# 需要向上4级到达: cyqnt_trd/
+project_root = os.path.dirname(os.path.dirname(os.path.dirname(os.path.dirname(current_dir))))
+if project_root not in sys.path:
+    sys.path.insert(0, project_root)
+
+# 导入回测框架和Alpha因子模块
+try:
+    from cyqnt_trd.backtesting import BacktestFramework
+    from cyqnt_trd.trading_signal.selected_alpha import alpha1_factor
+    from cyqnt_trd.trading_signal.signal import factor_based_signal
+except ImportError as e:
+    print(f"导入错误: {e}")
+    print(f"\n当前工作目录: {os.getcwd()}")
+    print(f"当前文件路径: {os.path.abspath(__file__)}")
+    print(f"项目根目录: {project_root}")
+    print(f"Python路径: {sys.path[:3]}")
+    print("\n提示：请使用以下方式运行：")
+    print("  cd /Users/user/Desktop/repo/cyqnt_trd")
+    print("  python -m cyqnt_trd.trading_signal.selected_alpha.test_alpha")
+    print("\n或者直接运行脚本：")
+    print("  cd /Users/user/Desktop/repo/cyqnt_trd")
+    print("  python cyqnt_trd/trading_signal/selected_alpha/test_alpha.py")
+    sys.exit(1)
+
+
+def test_alpha1_factor():
+    """
+    测试 Alpha#1 因子
+    
+    测试因子在预测未来价格方向上的胜率
+    """
+    print("=" * 60)
+    print("测试 Alpha#1 因子")
+    print("=" * 60)
+    print("\n因子说明：")
+    print("  - 公式: rank(Ts_ArgMax(SignedPower(((returns<0)?stddev(returns,20):close),2.),5))-0.5)")
+    print("  - 策略逻辑：对过去5天按照收盘价最高或下行波动率最高进行排名")
+    print("  - 下行波动率最高的一天离计算时间越近，越可以投资")
+    print("  - 收盘价最高离计算时间越近，越可以投资")
+    print("  - 标签：mean-reversion+momentum")
+    print()
+    
+    # 加载数据
+    # 可以使用不同的数据文件进行测试
+    data_path = '/Users/user/Desktop/repo/cyqnt_trd/tmp/data/BTCUSDT_futures/BTCUSDT_3m_158879_20250101_000000_20251127_235959_20251128_145101.json'
+    
+    # 如果数据文件不存在，尝试其他路径
+    if not os.path.exists(data_path):
+        # 尝试查找其他可用的数据文件
+        data_dir = '/Users/user/Desktop/repo/cyqnt_trd/tmp/data'
+        if os.path.exists(data_dir):
+            # 查找第一个可用的JSON文件
+            for root, dirs, files in os.walk(data_dir):
+                for file in files:
+                    if file.endswith('.json'):
+                        data_path = os.path.join(root, file)
+                        print(f"使用数据文件: {data_path}")
+                        break
+                if data_path and os.path.exists(data_path):
+                    break
+    
+    if not os.path.exists(data_path):
+        print(f"错误：找不到数据文件: {data_path}")
+        print("请确保数据文件存在，或修改 data_path 变量指向正确的数据文件")
+        return
+    
+    framework = BacktestFramework(data_path=data_path)
+    
+    # 创建因子包装函数
+    def alpha1_wrapper(data_slice):
+        """
+        Alpha#1 因子包装函数
+        
+        使用默认参数：lookback_days=5, stddev_period=20, power=2.0
+        """
+        return alpha1_factor(
+            data_slice,
+            lookback_days=5,
+            stddev_period=20,
+            power=2.0
+        )
+    
+    # 测试因子
+    print("开始测试 Alpha#1 因子...")
+    print(f"  回看天数: 5")
+    print(f"  标准差周期: 20")
+    print(f"  幂次: 2.0")
+    print(f"  向前看周期: 7")
+    print()
+    
+    factor_results = framework.test_factor(
+        factor_func=alpha1_wrapper,
+        forward_periods=7,  # 未来7个周期
+        min_periods=30,  # 至少需要30个周期（5+20+一些缓冲）
+        factor_name="Alpha#1因子"
+    )
+    
+    # 打印结果并保存
+    save_dir = '/Users/user/Desktop/repo/cyqnt_trd/result'
+    framework.print_factor_results(
+        factor_results,
+        save_dir=save_dir
+    )
+
+
+def test_alpha1_with_different_params():
+    """
+    测试 Alpha#1 因子的不同参数组合
+    """
+    print("\n" + "=" * 60)
+    print("测试 Alpha#1 因子的不同参数组合")
+    print("=" * 60)
+    
+    # 加载数据
+    data_path = '/Users/user/Desktop/repo/cyqnt_trd/tmp/data/BTCUSDT_futures/BTCUSDT_1d_1095_20251127_113603.json'
+    
+    if not os.path.exists(data_path):
+        print(f"错误：找不到数据文件: {data_path}")
+        return
+    
+    framework = BacktestFramework(data_path=data_path)
+    
+    # 测试不同的参数组合
+    param_combinations = [
+        {"lookback_days": 3, "stddev_period": 10, "power": 2.0, "name": "Alpha#1 (lookback=3, stddev=10)"},
+        {"lookback_days": 5, "stddev_period": 20, "power": 2.0, "name": "Alpha#1 (lookback=5, stddev=20)"},
+        {"lookback_days": 7, "stddev_period": 30, "power": 2.0, "name": "Alpha#1 (lookback=7, stddev=30)"},
+    ]
+    
+    for params in param_combinations:
+        print(f"\n测试参数组合: {params['name']}")
+        print(f"  lookback_days={params['lookback_days']}, stddev_period={params['stddev_period']}, power={params['power']}")
+        
+        def alpha1_wrapper(data_slice):
+            return alpha1_factor(
+                data_slice,
+                lookback_days=params['lookback_days'],
+                stddev_period=params['stddev_period'],
+                power=params['power']
+            )
+        
+        min_periods = params['lookback_days'] + params['stddev_period'] + 5
+        
+        factor_results = framework.test_factor(
+            factor_func=alpha1_wrapper,
+            forward_periods=7,
+            min_periods=min_periods,
+            factor_name=params['name']
+        )
+        
+        # 只打印简要结果
+        print(f"  总样本数: {factor_results['total_samples']}")
+        print(f"  看多信号数: {factor_results['long_signals']}")
+        print(f"  看空信号数: {factor_results['short_signals']}")
+        print(f"  看多胜率: {factor_results['long_win_rate']:.2%}")
+        print(f"  看空胜率: {factor_results['short_win_rate']:.2%}")
+        print(f"  总体胜率: {factor_results['overall_win_rate']:.2%}")
+
+
+def test_alpha1_in_signal():
+    """
+    测试在信号策略中使用 Alpha#1 因子
+    """
+    print("\n" + "=" * 60)
+    print("测试在信号策略中使用 Alpha#1 因子")
+    print("=" * 60)
+    
+    # 加载数据
+    data_path = '/Users/user/Desktop/repo/cyqnt_trd/tmp/data/BTCUSDT_futures/BTCUSDT_1d_1095_20251127_113603.json'
+    
+    if not os.path.exists(data_path):
+        print(f"错误：找不到数据文件: {data_path}")
+        return
+    
+    framework = BacktestFramework(data_path=data_path)
+    
+    # 创建使用 Alpha#1 因子的信号策略
+    def alpha1_signal_wrapper(data_slice, position, entry_price, entry_index, take_profit, stop_loss, check_periods):
+        """
+        使用 Alpha#1 因子的信号策略
+        """
+        # 使用 Alpha#1 因子
+        factor_func = lambda d: alpha1_factor(d, lookback_days=5, stddev_period=20, power=2.0)
+        return factor_based_signal(
+            data_slice, position, entry_price, entry_index,
+            take_profit, stop_loss, check_periods,
+            factor_func=factor_func
+        )
+    
+    # 回测策略
+    print("开始回测基于 Alpha#1 因子的策略...")
+    backtest_results = framework.backtest_strategy(
+        signal_func=alpha1_signal_wrapper,
+        min_periods=30,  # 至少需要30个周期
+        position_size=0.2,  # 每次使用20%的资金
+        initial_capital=10000.0,
+        commission_rate=0.00001,  # 0.001%手续费
+        take_profit=0.1,  # 止盈10%
+        stop_loss=0.5,  # 止损50%
+        check_periods=1,  # 只能为1，因为实际使用时无法看到未来数据
+        strategy_name="基于Alpha#1因子的策略"
+    )
+    
+    # 打印结果
+    framework.print_backtest_results(backtest_results)
+    
+    # 绘制结果并保存
+    save_dir = '/Users/user/Desktop/repo/cyqnt_trd/result'
+    framework.plot_backtest_results(
+        backtest_results,
+        save_dir=save_dir
+    )
+
+
+def main():
+    """
+    主函数：运行所有测试
+    """
+    # 测试 Alpha#1 因子
+    # test_alpha1_factor()
+    
+    # 测试不同参数组合（可选，取消注释以运行）
+    # test_alpha1_with_different_params()
+    
+    # 测试在信号策略中使用 Alpha#1 因子（可选，取消注释以运行）
+    test_alpha1_in_signal()
+    
+    print("\n" + "=" * 60)
+    print("测试完成！")
+    print("=" * 60)
+    print("\n提示：")
+    print("  - 取消注释 main() 函数中的其他测试函数来运行更多测试")
+    print("  - 推荐使用模块方式运行: python3 -m cyqnt_trd.trading_signal.selected_alpha.test_alpha")
+
+
+if __name__ == "__main__":
+    main()

cyqnt_trd/trading_signal/signal/__init__.py

@@ -0,0 +1,20 @@
+"""
+交易信号策略模块
+
+定义各种交易信号策略，可以组合使用factor中的因子
+信号函数签名: signal_func(data, index, position, entry_price, entry_index, take_profit, stop_loss, check_periods) -> str
+- 返回: 'buy'（买入）, 'sell'（卖出）, 'hold'（持有）
+"""
+
+# 导入所有信号策略
+from .ma_signal import ma_signal, ma_cross_signal
+from .factor_based_signal import factor_based_signal, multi_factor_signal, normalized_factor_signal
+
+__all__ = [
+    'ma_signal',
+    'ma_cross_signal',
+    'factor_based_signal',
+    'multi_factor_signal',
+    'normalized_factor_signal',
+]
+