forked from jasonweiyi/XAPI2
-
Notifications
You must be signed in to change notification settings - Fork 0
Expand file tree
/
Copy pathutils.py
More file actions
364 lines (314 loc) · 11.6 KB
/
utils.py
File metadata and controls
364 lines (314 loc) · 11.6 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import numpy as np
import pandas as pd
from itertools import *
from xapi.symbol import get_product
def get_fields_columns_formats(struct):
# 想转成DataFrame
# 对于单个的C，在转换的时候是看不出来的，这种应当转换成数字方便
columns = []
formats = []
for f in struct._fields_:
columns.append(f[0])
t = f[1]._type_
if isinstance(t, str):
formats.append(t)
else:
l = 'S' + str(f[1]._length_)
formats.append(l)
return columns, formats
def decode_dataframe(df, ctypes_struct=None):
"""
将DataFrame中的b字符串，转成str字符串
默认要object当成是字符串，如果中间出现别的也成字符串就会出错，这时就得原始ctypes来指明了
字符串转换后与从其它源如csv中进行相互处理时比较方便，但再要下单时又得转回成byte比较麻烦
:param df:
:param ctypes_struct:
:return:
"""
if ctypes_struct is None:
for i, f in enumerate(df.dtypes):
# 以object类型做判断可能有误
if f == object:
df.iloc[:, i] = df.iloc[:, i].str.decode('gbk')
else:
for f in ctypes_struct._fields_:
t = f[1]._type_
if isinstance(t, str):
pass
else:
name = f[0]
df[name] = df[name].str.decode('gbk')
return df
def encode_dataframe(df, ctypes_struct=None):
"""
将DataFrame中的b字符串，转成str字符串
默认要object当成是字符串，如果中间出现别的也成字符串就会出错，这时就得原始ctypes来指明了
字符串转换后与从其它源如csv中进行相互处理时比较方便，但再要下单时又得转回成byte比较麻烦
:param df:
:param ctypes_struct:
:return:
"""
if ctypes_struct is None:
for i, f in enumerate(df.dtypes):
# 以object类型做判断可能有误
if f == object:
df.iloc[:, i] = df.iloc[:, i].str.encode('gbk')
else:
for f in ctypes_struct._fields_:
t = f[1]._type_
if isinstance(t, str):
pass
else:
name = f[0]
df[name] = df[name].str.encode('gbk')
return df
def ctypes_dict_2_array(dict, dtype):
"""
将特殊的字典转成数组
:param dict:
:param dtype:
:return:
"""
values = []
keys = []
for k, v in dict.items():
d = np.frombuffer(v, dtype=dtype)
values.extend(d)
keys.extend(k)
return keys, values
def ctypes_dict_2_dataframe(dict, dtype):
"""
将ctypes字典转换成dataframe
:param dict:
:param dtype:
:return:
"""
keys, values = ctypes_dict_2_array(dict, dtype)
df = pd.DataFrame.from_records(values, columns=dtype.names)
return df
def extend_dataframe_product(df, iterables, columns=['InstrumentID', 'Side', 'HedgeFlag']):
"""
将持仓列表按合约，方向，投保，进行扩展
扩展的目的是为了后期计算方便
最好能对上期所的单子进行扩展处理，因为上海的单子需要处理今昨指令
TODO: 如果没有指定今昨，统一用平仓
:param df:
:param symbols:
:param columns:
:return:
"""
# 生成叉乘序列
# x = product(symbols, [0, 1])
x = product(*iterables) # symbols, [0, 1]
y = pd.DataFrame(list(x), columns=columns)
if df is None:
return None
z = pd.merge(df, y, how='outer', on=columns)
# 因为很多na，做运算会出问题，所以要填充
z.fillna(0, inplace=True)
return z
def lock_positions(df, columns, input_position, output_position):
"""
锁仓，通过开仓的方式达到会计上的平仓，用于解决某些直接平仓导致的手续费过高等问题
如果两头都有持仓，都取最大那个
建议锁仓记录存盘，然后由人来核对一下
:param df:
:param columns:
:param input_position:
:param output_position:
:return:
"""
# 先分组，对组里取最大值
grp = df.groupby(columns)
grp = grp.agg({input_position: 'max'})
# 由于两个字段完全一样，合并时会出错，所以得另行处理
grp.columns = [output_position]
grp = grp.reset_index()
x = pd.merge(df, grp, how='outer', on=columns)
return x
def close_one_row(series, close_today_first):
"""
平当前一行
对今昨按指定要求先后平仓
:param series:
:param close_today_first: 是否先平今
:return:
"""
ss = []
# 选择先平今还是平昨，先平的放循环前面
if close_today_first:
fields = ['TodayPosition', 'HistoryPosition']
else:
fields = ['HistoryPosition', 'TodayPosition']
leave = series['Open_Amount']
for i in range(len(fields)):
# 标记是否平今
series['CloseToday_Flag'] = int(fields[i] == 'TodayPosition')
if leave == 0:
# 没有要平的了，可以退了
break
sum_ = series[fields[i]] + leave
if sum_ < 0:
series['Open_Amount'] = - series[fields[i]]
if series['Open_Amount'] != 0:
ss.append(series.copy())
else:
series['Open_Amount'] = leave
ss.append(series.copy())
leave = sum_
return ss
def calc_target_orders(df, target_position, init_position, dont_close_today, shares_per_lot):
"""
计算中间变动委托单的记录
:param df:
:param target_position:
:param init_position:
:return:
"""
# 先将Long/Short转成1/-1，可用于后面的计算
# 目前从XAPI中拿到的是0/1转成1/-1
df['Long_Flag'] = 1 - 2 * df['Side'] # 多空方向
# 正负就是开平仓，后面会对它进行修改
df['Open_Amount'] = df[target_position] - df[init_position]
df2 = df[df['Open_Amount'] != 0] # 只留下仓位有变化的
if df2.empty:
return None
df2 = df2.assign(CloseToday_Flag=0) # 换成这个后不再出现SettingWithCopy警告
# 对于要平仓的数据，可以试着用循环的方法生成两条进行处理
df3 = []
for i in range(len(df2)):
s = df2.iloc[i].copy() # copy一下，后再才不会再出SettingWithCopy警告
# 上海的平仓操作需要分解成两个
if s['IsSHFE'] and s['Open_Amount'] < 0:
# 扩展成两个，这里只做平仓，不做开仓，所以逻辑会简单一些
# 但是针对不同的产品，开平的先后是有区别的
# 如果平今与平昨的价格相差不大，先开先平是没有区别的
# 如果开仓钱不够，还是应当先平
df3.extend(close_one_row(s, False))
else:
# 不用扩展
df3.append(s)
pass
df4 = pd.DataFrame.from_records(df3)
# 重新计算买卖数量,正负就是买卖
df4.loc[:, 'Buy_Amount'] = df4['Long_Flag'] * df4['Open_Amount']
# 对于区分今昨的数据，不平今仓
# 这个可以给股票使用
if dont_close_today:
df4 = df4[df4['CloseToday_Flag'] == 0]
# 股票买入时，需要按100的整数倍买
if shares_per_lot is not None:
# 由于负数调整成100时会导致下单数过多，所以转一下
# df4.ix[df4['Buy_Amount'] < 0, 'Buy_Amount'] = -(-df4['Buy_Amount'] // shares_per_lot * shares_per_lot)
df4.ix[df4['Buy_Amount'] > 0, 'Buy_Amount'] = df4['Buy_Amount'] // shares_per_lot * shares_per_lot
df4 = df4[df4['Buy_Amount'] != 0] # 只留下仓位有变化的
if df4.empty:
return None
return df4
def calc_target_orders_for_stock(df, target_position, init_position):
"""
计算中间变动委托单的记录
:param df:
:param target_position:
:param init_position:
:return:
"""
# 先将Long/Short转成1/-1，可用于后面的计算
# 目前从XAPI中拿到的是0/1转成1/-1
df['Long_Flag'] = 1 - 2 * df['Side'] # 多空方向
# 正负就是开平仓，后面会对它进行修改
df['Open_Amount'] = df[target_position] - df[init_position]
df2 = df[df['Open_Amount'] != 0] # 只留下仓位有变化的
if df2.empty:
return None
df2 = df2.assign(CloseToday_Flag=0) # 换成这个后不再出现SettingWithCopy警告
# 对于要平仓的数据，可以试着用循环的方法生成两条进行处理
df3 = []
for i in range(len(df2)):
s = df2.iloc[i].copy() # copy一下，后再才不会再出SettingWithCopy警告
# 上海的平仓操作需要分解成两个
if s['IsSSE'] and s['Open_Amount'] < 0:
# 扩展成两个，这里只做平仓，不做开仓，所以逻辑会简单一些
# 但是针对不同的产品，开平的先后是有区别的
# 如果平今与平昨的价格相差不大，先开先平是没有区别的
# 如果开仓钱不够，还是应当先平
df3.extend(close_one_row(s, False))
else:
# 不用扩展
df3.append(s)
pass
df4 = pd.DataFrame.from_records(df3)
# 重新计算买卖数量,正负就是买卖
df4.loc[:, 'Buy_Amount'] = df4['Long_Flag'] * df4['Open_Amount']
df4 = df4[df4['CloseToday_Flag'] == 0]
return df4
def merge_hedge_positions(df, hedge):
"""
将一个表中的多条记录进行合并，然后对冲
:param self:
:param df:
:return:
"""
# 临时使用，主要是因为i1709.与i1709一类在分组时会出问题，i1709.是由api中查询得到
if df.empty:
return df
df['Symbol'] = df['InstrumentID']
# 合并
df = df.groupby(by=['Symbol', 'InstrumentID', 'HedgeFlag', 'Side'])[
'Position'].sum().to_frame().reset_index()
# print(df)
# 对冲
if hedge:
df['Net'] = df['Side'] * df['Position']
df = df.groupby(by=['Symbol', 'InstrumentID', 'HedgeFlag'])['Net'].sum().to_frame().reset_index()
df['Position'] = abs(df['Net'])
df['Side'] = df['Net'] / df['Position']
df = df[df['Position'] != 0]
df = df[['Symbol', 'InstrumentID', 'HedgeFlag', 'Side', 'Position']]
# print(df)
return df
def get_market_data(marketdata_dict_symbol, marketdata_dict_instrument, symbol, instrument):
"""
返回行情
:param marketdata_dict:
:param symbol:
:param instrument:
:return:
"""
marketdata = None
try:
marketdata = marketdata_dict_symbol[symbol]
except:
try:
marketdata = marketdata_dict_instrument[instrument]
except:
pass
return marketdata
def get_tick_size(instrument_dict3, symbol, instrument):
"""
先按symbol找，再按instrumentid找，最后按product找
:param instrument_dict3:
:param symbol:
:param instrument:
:return:
"""
_tick_size = 1
try:
# 直接存在，立即查找
_tick_size = instrument_dict3[symbol].PriceTick
except:
try:
# 不存在，查找同产品名的
_tick_size = instrument_dict3[instrument].PriceTick
except:
print('-' * 30, '有[新合约]出现，请抽空更新合约列表', '-' * 30)
try:
# 不存在，查找同产品名的
_product = get_product(instrument)
_tick_size = instrument_dict3[_product].PriceTick
except:
print('+' * 30, '有[新产品]出现，请立即更新合约列表', '+' * 30)
_tick_size = 1
return _tick_size