点击上方卡片关注我

设置星标 学习更多技能

zvt是一个专为量化交易设计的Python开源库，主要面向中国A股市场的数据获取、分析和策略回测。该库由国内开发者创建，旨在为量化交易者提供一个统一的数据接口和分析框架。

安装

1、基础安装

使用pip进行安装：

pip install zvt

2、验证安装

安装完成后，可以通过以下代码验证是否安装成功：

import zvtprint(zvt.__version__)

如果能够正常输出版本号，说明安装成功。

核心特性：

• 统一的数据模型：提供标准化的数据结构，支持股票、指数、财务数据等多种数据类型
• 多数据源支持：整合东方财富、新浪财经等多个数据源，确保数据的完整性和准确性
• 因子系统：内置丰富的技术指标和因子计算功能，支持自定义因子开发
• 回测框架：提供完整的策略回测系统，支持多种交易策略的验证
• 数据持久化：基于SQLAlchemy实现数据本地存储，提高数据访问效率
• 可视化支持：集成plotly等可视化工具，方便数据分析和结果展示

基本功能

1、股票数据获取

zvt提供了简洁的API来获取股票基本信息和行情数据。通过recorder机制，可以自动从多个数据源抓取并存储股票数据到本地数据库。数据获取后会自动保存到本地，避免重复请求，大大提高了数据处理效率。

from zvt.domain import Stock, Stock1dHfqKdatafrom zvt.api import get_kdata# 获取股票列表stocks = Stock.query_data(filters=[Stock.code == '000001'])print(stocks)# 获取K线数据df = get_kdata(entity_id='stock_sz_000001',               start_timestamp='2023-01-01',               end_timestamp='2023-12-31')print(df.head())

2、技术指标计算

zvt内置了丰富的技术指标计算功能，包括MACD、KDJ、RSI、布林带等常用指标，技术指标的计算结果会自动添加到数据框中，方便后续的策略开发和信号判断。

from zvt.factors.ma_factor import MaFactorfrom zvt.domain import Stock1dHfqKdata# 计算移动平均线factor = MaFactor(entity_ids=['stock_sz_000001'],                  start_timestamp='2023-01-01',                  end_timestamp='2023-12-31',                  windows=[5, 10, 20])# 获取计算结果df = factor.get_result_df()print(df[['ma5', 'ma10', 'ma20']].tail())

3、数据查询与筛选

zvt提供了强大的数据查询功能，支持多种条件筛选和排序操作。通过类似ORM的查询接口，可以轻松实现复杂的数据筛选需求，查询结果以DataFrame格式返回，可以直接用于后续的数据分析和可视化。

from zvt.domain import Stock# 查询市值大于100亿的股票stocks = Stock.query_data(    filters=[Stock.market_cap > 10000000000],    order=Stock.market_cap.desc(),    limit=10)print(stocks[['code', 'name', 'market_cap']])

高级功能

1、自定义因子开发

zvt提供了灵活的因子框架，允许用户根据自己的交易逻辑开发自定义因子。通过继承Factor基类并实现compute方法，可以创建任意复杂的因子计算逻辑，自定义因子可以组合多个数据源和技术指标，实现更加精细化的选股策略。

from zvt.factors import Factorfrom zvt.domain import Stock1dHfqKdataclassCustomFactor(Factor):defcompute(self):# 获取K线数据        df = Stock1dHfqKdata.query_data(            entity_ids=self.entity_ids,            start_timestamp=self.start_timestamp,            end_timestamp=self.end_timestamp        )# 自定义计算逻辑        df['custom_signal'] = (df['close'] > df['open']) & (df['volume'] > df['volume'].rolling(5).mean())return df# 使用自定义因子factor = CustomFactor(entity_ids=['stock_sz_000001'],                      start_timestamp='2023-01-01')result = factor.get_result_df()

2、策略回测

zvt提供了完整的回测框架，支持多种交易策略的验证和绩效评估。回测系统可以模拟真实的交易环境，包括交易成本、滑点等因素。通过回测可以评估策略的收益率、最大回撤、夏普比率等关键指标，帮助交易者优化策略参数。

from zvt.trader import Traderfrom zvt.factors.ma_factor import MaFactor# 创建交易者实例trader = Trader(entity_ids=['stock_sz_000001'],                start_timestamp='2023-01-01',                end_timestamp='2023-12-31',                initial_capital=100000)# 定义交易信号factor = MaFactor(entity_ids=trader.entity_ids,                  start_timestamp=trader.start_timestamp,                  windows=[5, 20])# 执行回测trader.run()# 查看回测结果print(trader.get_performance())

总结

zvt是一个功能强大且易于使用的Python量化交易库，为A股市场的量化分析提供了完整的解决方案。从数据获取、指标计算到策略回测，zvt都提供了简洁高效的API接口，统一的数据模型和灵活的因子系统，使得复杂的量化策略开发变得简单直观。