VNPY的参数优化功能，是策略优化的重要功能。主要就是按照范围生成批量的参数组合，然后成批跑完，选出最优的方法的。
在ctaBaclesting.py中的addParameter方法提供了批量导入参数的方法。就是这样一个参数一个参数填入。addParameter会按照1为初始，5为结束，2为步进，生成[1，3，5]参数队列
setting.addParameter(‘barMins‘, 1,5,2)
但是有时候参数比较多，如果参数是已经维护list这样情况，就不好支持。我写了个v2版本。传入的是key，和一个参数定义，可以是tuple元祖，队列list，或者单个值。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
#----------------------------------------------------------------------def addParameterV2(self, key, value): """增加优化参数""" if isinstance(value, tuple): if len(value) == 4: if value[3] == "int": self.paramDict[key] = np.linspace(value[0], value[1], value[2]).astype(int).tolist() else: self.paramDict[key] = np.linspace(value[0], value[1], value[2]).tolist() elif len(value) == 3: l = [] param = value[0] while param <= value[1]: l.append(param) param += value[2] self.paramDict[key] = l elif isinstance(value, list): self.paramDict[key] = value else: self.paramDict[key] = [value] |
使用方法：
1，起始点，终结点，和步进 比如，那么就和之前一样的返回
setting.addParameterV2(‘barMins‘, (1,5,2))
setting.addParameterV2(‘barMins‘, (0,5,0.2))
2, 起始点，终结点，参数个数和是否int 比如
setting.addParameterV2(‘barMins‘, 1,5,3, "int") 会生成有3个整数参数的参数队列 [1, 3, 5]; setting.addParameterV2(‘barMins‘, 1,5,4, "float")会生成浮点数参数组 [1.0, 2.333333333333333, 3.6666666666666665, 5.0] 3，数列,就直接使用数列 setting.addParameterV2(‘barMins‘, [3.5.6])
4，单个数字，就直接使用单个数字
setting.addParameterV2(‘barMins‘,4)
这样修改后，就可以不用一个一个加入,如下批量加入。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
paradict = { ‘lWindow‘:40, ‘llDev‘: 8.0, ‘MAWindows‘:(5,12,5,"int"), ‘atrWindow‘:25, ‘slMultiplier‘:(3.0,6.0,3), ‘pRate‘:(0.002,0.010,5,"float"), ‘bMins‘:[3,5,10], ‘CDate‘:3, ‘endsize‘:(1,4,1), ‘endplus‘:(0,3,1)}for key,value in paradict.items(): setting.addParameterV2(key,value) |
原文：https://www.cnblogs.com/chenguopa/p/15240068.html