VNPY参数优化功能v1版本中的更新参数批量生成方法是什么

本篇文章给大家分享的是有关VNPY参数优化功能v1版本中的更新参数批量生成方法是什么，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。

VNPY的参数优化功能，是策略优化的重要功能。主要就是按照范围生成批量的参数组合，然后成批跑完，选出最优的方法的。

在ctaBaclesting.py中的addParameter方法提供了批量导入参数的方法。就是这样一个参数一个参数填入。addParameter会按照1为初始，5为结束，2为步进，生成[1，3，5]参数队列

setting.addParameter('barMins', 1,5,2)

但是有时候参数比较多，如果参数是已经维护list这样情况，就不好支持。我写了个v2版本。传入的是key，和一个参数定义，可以是tuple元祖，队列list，或者单个值。

#----------------------------------------------------------------------def addParameterV2(self, key, value):    """增加优化参数"""    if isinstance(value, tuple):        if len(value) == 4:            if value[3] == "int":                self.paramDict[key] = np.linspace(value[0], value[1], value[2]).astype(int).tolist()            else:                self.paramDict[key] = np.linspace(value[0], value[1], value[2]).tolist()        elif len(value) ==  3:            l = []            param = value[0]            while param <= value[1]:                l.append(param)                param += value[2]            self.paramDict[key] = l    elif isinstance(value, list):        self.paramDict[key] = value    else:        self.paramDict[key] = [value]

使用方法：

1，起始点，终结点，和步进 比如，那么就和之前一样的返回

setting.addParameterV2('barMins', (1,5,2))

setting.addParameterV2('barMins', (0,5,0.2))

2, 起始点，终结点，参数个数和是否int 比如

setting.addParameterV2('barMins', 1,5,3, "int") 会生成有3个整数参数的参数队列[1, 3, 5];setting.addParameterV2('barMins', 1,5,4, "float")会生成浮点数参数组[1.0, 2.333333333333333, 3.6666666666666665, 5.0] 3，数列,就直接使用数列setting.addParameterV2('barMins', [3.5.6])
4，单个数字，就直接使用单个数字
setting.addParameterV2('barMins',4) 这样修改后，就可以不用一个一个加入,如下批量加入。

paradict = {    'lWindow':40,    'llDev': 8.0,    'MAWindows':(5,12,5,"int"),    'atrWindow':25,    'slMultiplier':(3.0,6.0,3),    'pRate':(0.002,0.010,5,"float"),    'bMins':[3,5,10],    'CDate':3,    'endsize':(1,4,1),    'endplus':(0,3,1)}for key,value in paradict.items():    setting.addParameterV2(key,value)

以上就是VNPY参数优化功能v1版本中的更新参数批量生成方法是什么，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注行业资讯频道。