【历史文档】高阶技巧-月度调仓_可视化编程示例

def schedule_function(func, date_rule=None, time_rule=None, half_days=True, calendar=None):
    """Schedule a function to be called repeatedly in the future.
    Parameters
    ----------
    func : callable
        The function to execute when the rule is triggered. ``func`` should
        have the same signature as ``handle_data``.
    date_rule : zipline.utils.events.EventRule, optional
        Rule for the dates on which to execute ``func``. If not
        passed, the function will run every trading day.
    time_rule : zipline.utils.events.EventRule, optional
        Rule for the time at which to execute ``func``. If not passed, the
        function will execute at the end of the first market minute of the
        day.
    half_days : bool, optional
        Should this rule fire on half days? Default is True.
    calendar : Sentinel, optional
        Calendar used to compute rules that depend on the trading calendar.
    See Also
    --------
    :class:`zipline.api.date_rules`
    :class:`zipline.api.time_rules`
    """

如上代码所示，schedule_function() 函数有5个参数，这里我们将解释如下：

fuc：回测主函数且函数名必须包含“handle_data”，当 date_rule 和 time_rule 的条件满足时，会执行该函数。
date_rule：自定义的一个 class date_rules(object) 类，可选函数如下：
1. every_day()：每天触发；
2. month_start(days_offset=0)：月初触发，days_offset 指月初后 N 天触发；
3. month_end(dats_offset=0)：月末触发，days_offset指月末前 N 天触发；
4. week_start(days_offset=0)：周初触发，days_offset指周一后 N 天触发；
5. week_end(days_offset=0)：周末触发，days_offset指周天前 N 天触发。
time_rule：自定义的一个 class time_rules(object) 类，可选函数如下：
1. market_open(offset=None, hours=None, minutes=None)：开盘时触发，其中参数解释如下：
  1. offset 为 datetime.timedelta 类型，指开盘后 N 时间戳后触发，最小必须为 1 分钟；
  2. hours 为 int 类型，指开盘后 N 小时后触发；
  3. minutes 为 int 类型，指开盘后 N 分钟后触发。
2. market_close(offset=None, hours=None, minutes=None)：收盘时触发，参数与上面类似，指收盘前前移的时间触发。
half_days：布尔类型，即触发条件生效的时间周期。
calendar：在计算触发规则的时期时，是否按照交易日历。

如上所示，schedule_function() 函数其实就是定义了回测主函数即 handle_data 类的执行周期。我们知道 handle_data 函数中主要处理每根 k 线来后的交易逻辑，因此通过 schedule_function 函数，我们可以调整我们的交易时间周期。

二、改进方法

在知道了 schedule_function() 函数的用法后，我们如何在平台上开发可视化的“月度调仓”策略呢？由于平台封装了回测模型，因此可视化模块中的函数都是以 bigquant_run() 命名，如下所示：

{w:100}{w:100}{w:100}

在后台运行时，平台会将回测的相关函数名与模块名结合自动转换，如下所示：

{w:100}{w:100}{w:100} 因此，我们需要在“主函数”中重新定义个 month_handle_data() 函数以供 schedule_function() 调用，具体步骤如下：

在回测引擎的初始化函数中：定义 schedule_function() 函数，并调用 month_handle_data() 函数
在回测引擎的主函数中：定义 month_handle_data() 函数，放入每一个交易日的交易逻辑
在回测引擎的主函数中：bigquant_run(context, data) 函数是回测引擎要求必须的，但我们已经有 month_handle_data() 回测主函数了，因此这里定义一个空函数

三、示例策略

策略思路如下所示，选择 pb_lf_0、pe_ttm_0、amount_0 三个因子，按照 PB 和 PE 两个因子进行排序，然后按照一系列的标准进行筛选后进回测，策略链接如下。

https://bigquant.com/experimentshare/8e0f26db30ea44f6aea12ec99b045af5

【历史文档】高阶技巧-月度调仓_可视化编程示例

更新

简介

一、schedule_function() 函数解释

二、改进方法

三、示例策略

标签