pysystemtrade 项目中移除市场报告的逻辑优化
2025-06-28 08:59:58作者:冯梦姬Eddie
背景介绍
在量化交易系统pysystemtrade中,有一个重要的功能是定期生成"移除市场报告"(remove markets report)。这份报告的主要目的是识别那些由于流动性不足、波动性过高或交易成本过高等原因而应该从交易组合中移除的市场或交易品种。
问题发现
在系统实现过程中,发现了一个逻辑缺陷:当前的移除市场报告不仅包含了应该移除的市场,还包含了可以重新添加回交易组合的市场列表。问题在于,这个"可添加回"的列表中包含了那些被明确标记为stale_instruments(陈旧品种)或ignored_instruments(忽略品种)的交易品种。
技术分析
现有机制
- stale_instruments:标记那些由于外部原因(如下架、品种到期等)变得陈旧的交易品种
- ignored_instruments:标记那些由于特定原因需要被系统完全忽略的交易品种
- bad_markets:基于流动性、波动性和交易成本等量化指标自动识别的不良市场
问题本质
这三种标记虽然都可能导致品种被移除,但其背后的逻辑和含义完全不同:
stale_instruments和ignored_instruments代表的是外部强制因素或人为决策,这些品种不应该被系统自动重新添加bad_markets则是基于量化指标的动态判断,当市场条件改善后,这些品种可以重新考虑加入
解决方案
修复方案的核心思想是:将基于外部因素/人为决策的移除(stale_instruments和ignored_instruments)与基于量化指标的移除(bad_markets)明确区分开来。
具体实现上,在生成"可添加回"市场列表时,需要先过滤掉那些被标记为stale_instruments或ignored_instruments的品种。
技术实现细节
修复通过提交b264d6d9f2aa4ce8c9880b7c1abfe30629adc65d完成,主要修改了市场移除报告生成逻辑:
- 在生成可添加回市场列表前,先获取所有被标记为
stale_instruments和ignored_instruments的品种集合 - 将这些品种从可添加回候选列表中排除
- 确保只有那些单纯因为量化指标不佳而被移除的品种才会出现在可添加回列表中
系统设计思考
这一修复体现了良好的系统设计原则:
- 关注点分离:将不同原因的移除逻辑明确区分
- 最小意外原则:避免系统自动行为与用户明确意图冲突
- 可维护性:使系统行为更加可预测和可理解
对量化交易系统的启示
在量化交易系统设计中,正确处理不同类型的市场排除逻辑至关重要:
- 硬性排除:如规则变化、品种下架等,应该持久化且不被自动覆盖
- 软性排除:基于市场条件的动态评估,应该允许系统在条件改善后重新考虑
- 人工干预:交易员明确指定的排除应该得到尊重
这种分层处理方式既保证了系统的自动化程度,又保留了必要的人工控制权。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0100
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
478
3.57 K
React Native鸿蒙化仓库
JavaScript
287
340
暂无简介
Dart
728
175
Ascend Extension for PyTorch
Python
288
321
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
850
447
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
239
100
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
10
1
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
451
180
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.28 K
705