SEL策略编写及回测
多引擎设计
WonderTrader采用多引擎设计，针对不同类型的策略提供独立的引擎，目前支持的引擎包括：
CTA引擎，也叫同步策略引擎，一般适用于标的较少，计算逻辑较快的策略，事件+时间驱动。典型的应用场景包括单标的择时、中频以下的套利等。Demo中提供的DualThrust策略，单次重算平均耗时，Python实现版本约70多微秒，C++实现版本约4.5微秒。
SEL引擎，也叫异步策略引擎，一般适用于标的较多，计算逻辑耗时较长的策略，时间驱动。典型应用场景包括多因子选股策略、截面多空策略等。
HFT引擎，也叫高频策略引擎，主要针对高频或者低延时策略，事件驱动，系统延迟在1微秒之内
UFT引擎，也叫极速策略引擎，主要针对超高频或者超低延时策略，事件驱动，系统延迟在200纳秒之内
SEL策略概述
要基于WonderTrader实现SEL策略，有两种方式：
基于wtcpp，直接使用纯C++开发策略。这种方式适合有较高C++编程能力的用户
基于wtpy，使用python开发策略。这种方式适合对C++不大熟悉的用户
无论哪种方式，底层都是纯C++实现，执行效率有保障。 SEL引擎和CTA引擎的相同点：
SEL引擎和CTA引擎都采用M+1+N的执行架构，信号和执行完全剥离，支持同一个组合同时向多个交易通道执行
SEL引擎和CTA引擎的不同点：
SEL引擎同时支持交易时间和非交易时间驱动on_calculate，而CTA引擎只支持交易时间驱动on_calculate
SEL引擎采用异步事件驱动的机制，而CTA引擎采用同步事件驱动的机制。如在某个时间节点T0，CTA引擎会把数据阻塞，直到所有策略的回调执行完成，再处理下一笔数据；而SEL引擎则不会阻塞数据，但是策略获取的数据，都是以T0时间为截止时间的。
通过上面可以对比可以发现：CTA引擎和SEL引擎在一定范围内是可以互相替换的，但是一旦组合的计算量变大，阻塞数据会导致很大的延迟从而影响理论撮合价格，那么SEL引擎就相对更合适一些。所以SEL引擎适用的策略场景大致有：
实时alpha选股
截面策略
其他计算量很大的策略
SEL策略接口
和CTA策略一样，SEL策略也有一个基础结构：
class BaseSelStrategy:
'''
选股策略基础类，所有的多因子策略都从该类派生
包含了策略的基本开发框架
'''
def __init__(self, name:str):
self.__name__ = name
def name(self) -> str:
return self.__name__
def on_init(self, context:SelContext):
'''
策略初始化，启动的时候调用
用于加载自定义数据
@context 策略运行上下文
'''
return
def on_session_begin(self, context:SelContext, curTDate:int):
'''
交易日开始事件
@curTDate 交易日，格式为20210220
'''
return
def on_session_end(self, context:SelContext, curTDate:int):
'''
交易日结束事件
@curTDate 交易日，格式为20210220
'''
return
def on_calculate(self, context:SelContext):
'''
K线闭合时调用，一般作为策略的核心计算模块
@context 策略运行上下文
'''
return
def on_calculate_done(self, context:SelContext):
'''
K线闭合时调用，一般作为策略的核心计算模块
@context 策略运行上下文
'''
return
def on_backtest_end(self, context:CtaContext):
'''
回测结束时回调，只在回测框架下会触发
@context 策略上下文
'''
return
def on_tick(self, context:SelContext, stdCode:str, newTick:dict):
'''
tick数据进来时调用
生产环境中，每笔行情进来就直接调用
回测环境中，是模拟的逐笔数据
@context 策略运行上下文
@stdCode 合约代码
@newTick 最新逐笔
'''
return
def on_bar(self, context:SelContext, stdCode:str, period:str, newBar:dict):
'''
K线闭合时回调
@context 策略上下文
@stdCode 合约代码
@period K线周期
@newBar 最新闭合的K线
'''
return
SelContext提供了相应的各种接口，更多信息可以参考API相关文档的介绍。
一个简单的SEL策略
wtpy的demo中提供了一个简单的SEL策略，还是基于DualThrust做一个SEL的实现。
from wtpy import BaseSelStrategy
from wtpy import SelContext
import numpy as np
class StraDualThrustSel(BaseSelStrategy):
def __init__(self, name, codes:list, barCnt:int, period:str, days:int, k1:float, k2:float, isForStk:bool = False):
BaseSelStrategy.__init__(self, name)
self.__days__ = days
self.__k1__ = k1
self.__k2__ = k2
self.__period__ = period
self.__bar_cnt__ = barCnt
self.__codes__ = codes
self.__is_stk__ = isForStk
def on_init(self, context:SelContext):
return
def on_calculate(self, context:SelContext):
curTime = context.stra_get_time()
trdUnit = 1
if self.__is_stk__:
trdUnit = 100
for code in self.__codes__:
sInfo = context.stra_get_sessioninfo(code)
if not sInfo.isInTradingTime(curTime):
continue
#读取最近50条1分钟线(dataframe对象)
theCode = code
if self.__is_stk__:
theCode = theCode + "Q"
df_bars = context.stra_get_bars(theCode, self.__period__, self.__bar_cnt__)
#把策略参数读进来，作为临时变量，方便引用
days = self.__days__
k1 = self.__k1__
k2 = self.__k2__
#平仓价序列、最高价序列、最低价序列
closes = df_bars.closes
highs = df_bars.highs
lows = df_bars.lows
#读取days天之前到上一个交易日位置的数据
hh = np.amax(highs[-days:-1])
hc = np.amax(closes[-days:-1])
ll = np.amin(lows[-days:-1])
lc = np.amin(closes[-days:-1])
#读取今天的开盘价、最高价和最低价
# lastBar = df_bars.get_last_bar()
openpx = df_bars.opens[-1]
highpx = df_bars.highs[-1]
lowpx = df_bars.lows[-1]
'''
!!!!!这里是重点
1、首先根据最后一条K线的时间，计算当前的日期
2、根据当前的日期，对日线进行切片,并截取所需条数
3、最后在最终切片内计算所需数据
'''
#确定上轨和下轨
upper_bound = openpx + k1* max(hh-lc,hc-ll)
lower_bound = openpx - k2* max(hh-lc,hc-ll)
#读取当前仓位
curPos = context.stra_get_position(code)/trdUnit
if curPos == 0:
if highpx >= upper_bound:
context.stra_set_position(code, 1*trdUnit, 'enterlong')
context.stra_log_text("{} 向上突破{}>={}，多仓进场".format(code, highpx, upper_bound))
continue
if lowpx <= lower_bound and not self.__is_stk__:
context.stra_set_position(code, -1*trdUnit, 'entershort')
context.stra_log_text("{} 向下突破{}<={}，空仓进场".format(code, lowpx, lower_bound))
continue
elif curPos > 0:
if lowpx <= lower_bound:
context.stra_set_position(code, 0, 'exitlong')
context.stra_log_text("{} 向下突破{}<={}，多仓出场".format(code, lowpx, lower_bound))
#raise Exception("except on purpose")
continue
else:
if highpx >= upper_bound and not self.__is_stk__:
context.stra_set_position(code, 0, 'exitshort')
context.stra_log_text("{} 向上突破{}>={}，空仓出场".format(code, highpx, upper_bound))
continue
def on_tick(self, context:SelContext, code:str, newTick:dict):
return
def on_bar(self, context:SelContext, code:str, period:str, newBar:dict):
return
更多SEL相关信息可以参考wtpy/demos/sel_fut_bt。