等级: 新手上路
- 注册:
- 2023-1-5
- 曾用名:
|
我用DEEPSEEK设计了一段程序，deepseek修改了多次都不行，请老师帮忙修改一下。
from PythonApi import *
import numpy as np
import pandas as pd
from sklearn.preprocessing import MinMaxScaler
from sklearn.ensemble import RandomForestRegressor
# 全局变量
symbol = 'IF00' # 沪深300主力合约
model = None
scaler = None
# 1. 初始化函数
def init(context):
"""
初始化函数，策略启动时调用一次
"""
global model, scaler
# 定义可优化参数
context.lookback = 60 # 回看周期
context.threshold = 0.01 # 交易阈值
# 获取当前 K 线日期
end_date = context.current_bar['date'] # 当前 K 线日期（假设是字符串格式）
# 如果 end_date 是字符串，转换为 datetime 对象
if isinstance(end_date, str):
end_date = pd.to_datetime(end_date)
elif isinstance(end_date, (int, float)): # 如果是时间戳
end_date = pd.to_datetime(end_date, unit='s') # 假设时间戳单位为秒
# 计算一年前的日期
start_date = end_date - pd.Timedelta(days=365) # 一年前
start_date = start_date.strftime('%Y%m%d') # 转换为字符串格式
# 获取历史数据
data = get_history_data(symbol, start_date, end_date.strftime('%Y%m%d'), '1d')
# 数据预处理
X, y, scaler = preprocess_data(data, context.lookback)
# 构建和训练模型
model = build_random_forest_model()
model.fit(X.reshape(X.shape[0], -1), y)
print("策略初始化完成，模型已训练")
# 2. 数据预处理
def preprocess_data(data, lookback=60):
"""
数据预处理：归一化、创建特征和目标变量
"""
# 使用收盘价作为目标变量
prices = data['Close'].values.reshape(-1, 1)
# 归一化
scaler = MinMaxScaler(feature_range=(0, 1))
scaled_prices = scaler.fit_transform(prices)
# 创建特征和目标变量
X, y = [], []
for i in range(lookback, len(scaled_prices)):
X.append(scaled_prices[i-lookback:i, 0])
y.append(scaled_prices[i, 0])
X, y = np.array(X), np.array(y)
return X, y, scaler
# 3. 构建随机森林模型
def build_random_forest_model():
"""
构建随机森林模型
"""
model = RandomForestRegressor(n_estimators=100, random_state=42)
return model
# 4. 交易策略
def trading_strategy(predictions, actual_prices, threshold=0.01):
"""
基于预测结果的交易策略
"""
actions = []
for i in range(len(predictions)):
if predictions[i] > actual_prices[i] * (1 + threshold): # 预测价格上涨
actions.append('buy')
elif predictions[i] < actual_prices[i] * (1 - threshold): # 预测价格下跌
actions.append('sell')
else:
actions.append('hold')
return actions
# 5. 执行交易
def execute_trade(symbol, action):
"""
在金字塔系统中执行交易
"""
if action == 'buy':
print(f"买入 {symbol}")
order_id = buy_open(symbol, 1) # 买入 1 手
elif action == 'sell':
print(f"卖出 {symbol}")
order_id = sell_open(symbol, 1) # 卖出 1 手
else:
print(f"持有 {symbol}")
# 6. 核心函数
def handle_bar(context):
"""
每个 K 线周期调用一次
"""
global model, scaler
# 获取当前 K 线日期
end_date = context.current_bar['date'] # 当前 K 线日期（假设是字符串格式）
# 如果 end_date 是字符串，转换为 datetime 对象
if isinstance(end_date, str):
end_date = pd.to_datetime(end_date)
elif isinstance(end_date, (int, float)): # 如果是时间戳
end_date = pd.to_datetime(end_date, unit='s') # 假设时间戳单位为秒
# 计算过去 N 天的日期
start_date = end_date - pd.Timedelta(days=context.lookback) # 过去 N 天
start_date = start_date.strftime('%Y%m%d') # 转换为字符串格式
# 获取最新数据
data = get_history_data(symbol, start_date, end_date.strftime('%Y%m%d'), '1d')
# 数据预处理
X, y, _ = preprocess_data(data, context.lookback)
# 预测最新价格
latest_data = X[-1].reshape(1, -1) # 取最新的 N 天数据
prediction = model.predict(latest_data)
prediction = scaler.inverse_transform(prediction.reshape(-1, 1))[0][0] # 反归一化
# 获取当前价格
current_price = data['Close'].iloc[-1]
# 生成交易信号
if prediction > current_price * (1 + context.threshold):
action = 'buy'
elif prediction < current_price * (1 - context.threshold):
action = 'sell'
else:
action = 'hold'
# 执行交易
execute_trade(symbol, action)
上述程序一直提示无参数用于优化和24或26行出错。
谢谢
|
|
发表于 2025-2-15 10:45
发表于 2025-2-17 09:07