vnpy / vnpy_ctastrategy Goto Github PK

strategy_engine.remove_strategy("xxxxx")
调用remove_strategy以后，只有cta_strategy_setting.json里的相应的数据被清理了，但是保存变量的cta_strategy_data.json里的数据没被清理。
这会导致下次如果新建一样名字的策略，会加载之前的数据。这是故意这么设计的吗？为什么呢
从语义来说，既然是删除了策略，就应该把保存的变量也清理干净，就像删除了文件，总不能创建新的同名文件还会残留之前老文件的内容吧？

论坛帖子URL：https://www.vnpy.com/forum/topic/31619-shan-chu-ce-lue-yi-hou-zhi-hui-shan-chu-cta-strategy-setting-jsoner-bu-hui-shan-chu-cta-strategy-data-jsonli-de-shu-ju

在左侧面板中，现在只有“添加策略”一个按钮。最好有一个“查找策略”或者“定位策略”的按钮，能通过策略的名字或者关键字，快速查找或者定位到某个具体的策略，这样使用者就可以继续对该策略做停止或者参数修改的动作了。

在Python中，可变对象在类实例化时不会重复创建，这意味着它们在类的多次实例化中是共享的。这与不可变对象（如整数、字符串等）的行为不同，不可变对象在每次实例化时都会创建一个新的对象。

以下是一个简单的例子，说明了可变对象在类实例化中的共享特性：

class MutableObject:
    shared_list = []

    def add_item(self, item):
        self.shared_list.append(item)

# 实例化两个对象
obj1 = MutableObject()
obj2 = MutableObject()

# 在第一个对象上添加一个元素
obj1.add_item(1)

# 第二个对象也会受到影响，因为它们共享同一个可变对象
print(obj2.shared_list)  # 输出 [1]

在这个例子中，shared_list 是一个可变的类级别属性。当我们在 obj1 上添加一个元素时，shared_list 发生了变化，而 obj2 也受到了影响，因为它们都共享同一个列表对象。

这种共享特性对于某些用途可能是有用的，但在某些情况下，它也可能导致上述提到的问题，如内存占用过高、重复初始化和对象状态混乱。因此，在设计类时，我们需要注意对象的可变性，并确保适当地使用可变和不可变对象，以避免潜在的问题。

上面这里是不是重复了？下面有append。
如果去掉上面的，图形界面里变量会正常显示target_pos吗？

一个在特定数据场景下出现的 am.boll 计算的错误，这个 bug 应该是 talib 的，代码如下所示：

import numpy as np
import talib as ta

close = np.array([
    0.06357,0.06359,0.06369,0.06356,0.06364,0.06358,0.06354,0.06345,0.0634,
    0.06345,0.0634 ,0.06346,0.06345,0.06372,0.06349,0.06378,0.06375,0.06381,
    0.06377,0.06364,0.06377,0.06361,0.06365,0.06379,0.06385,0.06381,0.06371,
    0.0637 ,0.06369,0.06369,0.06369,0.0638 ,0.06396,0.06392,0.06389,0.06382,
    0.06395,0.06393,0.064  ,0.06394,0.06387,0.0638 ,0.06385,0.06391,0.06389,
    0.06392,0.06395,0.06392,0.064  ,0.064  ,0.06411,0.06408,0.06405,0.06408,
    0.06403,0.06403,0.064  ,0.06401,0.06395,0.06395
])

sma = ta.SMA(close, 30)[-1]
std = ta.STDDEV(close, 30, 1)[-1]

up = sma + 2.8 * std
down = sma - 2.8 * std

print("原有方式：", sma, std, up, down)

bbands = ta.BBANDS(close, 30, 2.8, 2.8)
print("自带的 bbands：", bbands[0][-1], bbands[2][-1])

std = close[-30:].std()
up = sma + 2.8 * std
down = sma - 2.8 * std

print("使用 np 计算 std：", sma, std, up, down)

输出如下：

原有方式： 0.06394333333333334 0.0 0.06394333333333334 0.06394333333333334
自带的 bbands： 0.06394333333333334 0.06394333333333334
使用 np 计算 std： 0.06394333333333334 9.17363371601224e-05 0.06420019507738169 0.06368647158928499

talib 的 STDDEV 计算的标准差不知道为什么在这个数据集的计算结果为 0，估计要看 talib 源码了，但是 github 上没有找到，建议换成 numpy 的 std 计算标准。

不想引入其他技术指标库了，写了一个完全用 numpy 实现的 bollinger bands。

如下代码：

import numpy as np
from numpy.lib.stride_tricks import sliding_window_view as rolling

def boll(source, window, ndev, array=False):
    rolling_source = rolling(source, window_shape=window)

    sma: np.ndarray = rolling_source.mean(axis=1)
    std: np.ndarray = rolling_source.std(axis=1)

    up: np.ndarray = sma + ndev * std
    down: np.ndarray = sma - ndev * std

    if array:
        return up, down
    return up[-1], down[-1]

bug说明：在文件template.py中
函数sell中
注释：Send sell order to close a long position.
代码：return self.send_order(
Direction.SHORT,
Offset.CLOSE,
price,
volume,
stop,
lock,
net
)
修改：这里的Direction.SHORT是不是应该改成Direction.LONG?
函数cover中
注释：Send cover order to close a short position.
代码：return self.send_order(
Direction.LONG,
Offset.CLOSE,
price,
volume,
stop,
lock,
net
)
修改：同上，这里Direction.LONG是不是应该改成Direction.SHORT？

bug说明：pathname没有区分windows及linux/Mac OS，导致非linux环境下，不能找到strategies目录下的策略文件
修正：pathname需要区分是否为windows环境
示例：
import platform
platform_name: str = platform.system().lower()
if platform_name == 'windows':
pathname: str = str(path) + f"\.{suffix}"
else:
pathname: str = str(path) + f"/.{suffix}"

策略参数优化时需要一个deap优化算法的进度，或者时间。

应该把backtesting.py在load_bar函数下的callback调用加回来，把template下load_bar函数下的callback调用删掉（导致elite版本重复调用）

原帖链接：
https://www.vnpy.com/forum/topic/30047-jian-yi-shi-yong-showqi-dong-yi-cang-zhu-shou-rollovertool?page=1#pid53416

环境

• 操作系统: Debian
• Python版本: 3.10
• VeighNa版本: V3.9.0

Issue类型

Bug

重现步骤

回测的时候，在用limit_order 开单成功后，在 on_trade() 里面新下一个止损的停止单。
这个停止单会被当前bar 触发成交，这是不合理的

问题分析

backtesting 的执行逻辑如下，cross_limit_order() 里面触发 on_trade(), 然后新发出一个止损的stop_order。
这个stop_order 会被下面的 cross_stop_order() 触发成交，当前bar 已经走完，这里触发成交是不合理的。

` def new_bar(self, bar: BarData) -> None:
""""""
self.bar = bar
self.datetime = bar.datetime

    self.cross_limit_order()
    self.cross_stop_order()
    self.strategy.on_bar(bar)

`

建议在backtesting.py中的calculate_result函数下进行results判断，没有results就输出日志，有results再给self.daily_df赋值

https://github.com/vnpy/vnpy_ctastrategy/blob/main/vnpy_ctastrategy/backtesting.py#L789

重复调用 callback(bar) 导致重复调用on_bar
vnpy_ctastrategy/template.py

    def load_bar(
        self,
        days: int,
        interval: Interval = Interval.MINUTE,
        callback: Callable = None,
        use_database: bool = False
    ) -> None:

        if not callback:
            callback: Callable = self.on_bar

        bars: List[BarData] = self.cta_engine.load_bar(
            self.vt_symbol,
            days,
            interval,
            callback,
            use_database
        )

        for bar in bars:
            callback(bar)

vnpy_ctastrategy/backtesting.py

    def load_bar(
        self,
        vt_symbol: str,
        days: int,
        interval: Interval,
        callback: Callable,
        use_database: bool
    ) -> List[BarData]:
        """"""
        self.callback = callback

        init_end = self.start - INTERVAL_DELTA_MAP[interval]
        init_start = self.start - timedelta(days=days)

        symbol, exchange = extract_vt_symbol(vt_symbol)

        bars: List[BarData] = load_bar_data(
            symbol,
            exchange,
            interval,
            init_start,
            init_end
        )

        for bar in bars:
            callback(bar)

        return bars

子线程使用roll_over中进行移仓，因为直接调用了 QTextEdit 的append函数，这个时候就会出现下面的错误：
QObject::connect: Cannot queue arguments of type 'QTextCursor'
(Make sure 'QTextCursor' is registered using qRegisterMetaType().)

代码：
def write_log(self, text: str) -> None:
""""""
now = datetime.now()
text = now.strftime("%H:%M:%S\t") + text
self.log_edit.append(text)

修改使用定义信号，改为信号槽
log_signal: QtCore.pyqtSignal = QtCore.pyqtSignal(str)

    def __init__
    ...
    self.log_signal.connect(self.log_txt_append)
    ...

def write_log(self, text: str) -> None:
	""""""
	now = datetime.now()
	text = now.strftime("%H:%M:%S\t") + text
	self.main_engine.write_log(text)
	self.log_signal.emit(text)

def log_txt_append(self,text):
	self.log_edit.append(text)
	self.log_edit.moveCursor(QtGui.QTextCursor.End)

在ctaEngine 中 的process_trade_event，如在开盘时候挂单成交策略较多，挂单成交信息返回较多且散时，其中的sync_strategy_data 写入variables到json文件会卡住，没有报错信息，但是有策略没有更新，虽然内存中pos持仓正确，如果突然重启发现variables错误。

可以考虑使用更新到数据库，有缓冲机制；或者thread写入json file使用单独线程

TargetPosTemplate只是一个模板，按道理不应该加载为策略
同时，我自己也封装了一些Template作为某些策略的基类，按道理这些都只是模板，而不应该直接当作策略使用。