做这个项目，最初是为了学习python，因为工作是做硬件，没有太多机会在工作中被迫用python做个项目，所以在2021年中，工作有点空闲时间，实在也想不到做什么意义的开源项目，索性就搞搞俗气的量化交易，一是数据量比较大，可以有很多机会去搞数据处理，二是闲钱比较多，可以更快的亏掉
项目的github地址：https://github.com/zhouyousong/ZfinanceUI
安装说明和简介请到github查阅 https://github.com/zhouyousong/ZfinanceUI 本页面主要介绍使用方法，由于开发尚未完成，所以会不断更新，界面上也会有瑕疵，目前主要完成了数据下载，行业分析，历史数据回测三大模块
第一集：下载数据和分类分析（2022年5月8号）
安装完后第一步，下载数据，一定注意代理要指向你自己的代理地址和端口，我这里是我本机的
配置完成后，确定，或者保存下配置，保存为Default.ZFCfg 后缀名不要改，下次打开可直接加载之前的配置，接下来就可下载，点中止也可停止，下次开始可断点续传，但是由于当时多线程运用不熟练，所以重新下载前，会把全部数据扫描一遍，稍微有点慢，后续可能重写这部分
数据下载完成后，可以到行业分析里去玩玩儿
第一步，导入数据：由于每支股票都有一个独立的属性文件，几千支股票就是几千个文件，每个文件很小。导入数据时将几千个小文件合成一个大文件，方便分析加载内存，这个步骤只需要在新的一次下载完成后执行一下，不停读文件比较慢
数据导入完成后，就可以用分类，将属性中的信息提取出来，原理简单解释一下，比如10000支股票，属性里面有些是很容易分类的“注册地”，“所属行业”，“所属板块”；当然还有些属性是不能分类的，如“上市时间”，“市值”，“毛利率”，这些几乎每支股票都不一样，但是这些数据可以用于计算总和，平均值等！那么容易分类的，我会标注个C，适合于计算的，我会标注个O
在第一列右键，分析计算，刚才添加的算子的计算结果值就出现了；把上面的分布预览勾上，那就可以看到里分类出来后的这些股票集合的总市值走势
由于可以在分类下继续添加分类（注意继续添加分类前，需要选中要在哪个层次下继续分类），如上功能可以帮助各位分析师进行行业分析，比如： 香港上市的北京的通讯行业在，是个什么趋势，也可以简单的排序，如下，可以看到排除一些极小项，杭州在港股上市的公司平均市值最高（前提是我的数据源和算法没问题，欢迎大家帮我核算找出bug）
当然，有些属性拆解出来可能会是0，可以删除，方便查看
如果找到了一个很好的分类，比如北京的通讯业，那么可以把这个分类里的成分股全部添加到收藏（喜好）列表，我会自动生成个名字，比较长，建议你自己建个名字
当然，也可以将两个分类添加到右边的比较框里，进行简单对比，但对比啥，我还真的没有想好
接下来是回测（未完待续）
第二集：历史数据回测（2022年5月15号）
历史数据回测模块，目前做了一个固定策略，使用5分钟数据文件进行回测，这个策略的参数可调，但是策略本身不可调，后续打算把策略接口定义一下，然后可以开放给爱好者自己写自己的策略
目前策略的逻辑大致是这样，判断之前是不是处于下降趋势，如果有一段指定长度（参数TrendDnRatioLen）时间的下降趋势后，那么当开始上扬的时候，AMEA8穿过AMEA21，50，144，200，那么就出现了买入信号；当RSI大于设定值，或者AMEA8下穿 AMEA21，50 时，出现卖出信号。当然中间还有很多参数 （ 比如靠近率，我自己发明的）可以微调，这个策略很简单，因为目前不是我工作重点，我主要工作是把工具链打通，方便组参数群体股票自动回测，其实这也是我做这个工具的主要原因：我之前在thinkorswim上用它的脚本语言（thinkscript）写策略也可以回测，但是一次智能测一个股票，用一个参数，如果想好几个股票一起测，或者好几组参数一起测，只能手动，于是我才动了心思打造这个工具。
下面就来说说回测模块的使用方法
第一步，添加要回测的股票，当然添加的列表是从收藏清单里面添加，如果不在收藏清单里，那需要里先把自己想回测的股票添加到收藏清单里，编辑喜好列表按钮在下载配置页面里（后续要提出来在菜单你们去），也可以用上面分析分类后直接全添加到喜好清单
添加好回测的股票代码后，可以修改回测参数，回测参数主要的我解释一下，其他的我不一一解释了，后面可能出文档专题来讨论策略，这个话涉及与贪婪人性去博弈（2022.5.15写于上海），太难了
设置好参数后，点击”开始单回测”，回测随即开始。当然，回测完成后会生成csv格式的log到ZfinanceUI\Data\05_BackTestResult文件夹下
接下来说一下组参数，这个是我花了比较大的精力去设计的玩意儿。先说一下目的，比如一个策略里面可能有10个参数，那么相当于10个维度，调整第一个参数，其他参数不变（此时第二个参数假设是0.4），假定第一个参数在0.3的时候是最优（假如收益30%）；基于此再调整第二个参数，其他参数不变，第二个参数可能在0.5的时候收益最大（ 假如收益40% ），那是假如其他参数（3~10号）不调整，只调整第一个参数和第二个参数，是不是这个0.3配上0.5就是最大收益呢，显然不是，因为我们并没有尝试0.2配0.7。这个组参数测试，其实就是暴力尝试各种参数的排列组合，让计算机帮你遍历你指定参数组合，找到最大收益。
这样做很蠢，但是我当前还不会机器学习，这更像暴力破解密码的思路，下面就来说说，如何生成各种参数的排列组合，并进行暴力测试
如下图所示，再comment这一列，用“:”作为分割符号，按照图例，即刻生成该参数的序列值，如果有两个参数，则会生成两个参数交叉排列组合的参数，如下图，最终生成呢10*3*3=90组参数（这里应该有点>=,>的bug，细节后面处理）
生成完成参数有，那么就可以加载这些参数组，开始组测试
打开了组参数后，后面的开始组测试才可按下，否则时灰色不能按下的
接下来是个重点，组测试的结果如何呈现：如下图，排列出来了90个参数，那么每一个参数，测试20只股票，最后会用这些股票的收益率加总，然后得出一个结果，用这个结果，加上时间戳，命名一个文件夹，然后文件夹里面时测试结果，和用的参数文件，这样，可以通过文件夹排序找出最大收益率的参数，同时，当时测试用的什么参数也在里面
好了，以上就是回测的设计思路和使用说明，很简单粗暴，但我也不知道这个思路对不对对不对，欢迎讨论
大神啊