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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
618
795
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
433
395
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++
1.01 K
1.01 K
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.18 K
152
deepin linux kernel
C
29
16
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
暂无简介
Dart
983
252
昇腾LLM分布式训练框架
Python
166
198
🎉 (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
1.68 K
989