译文说明
注：本文为非官方翻译，可能存在疏漏；请以原文为准。
本文档说明如何选择要交易的品种（instrument），以及相关配置方式。
在阅读本文之前，你应该已经看过：
Table of Contents
Different instrument sets
不同的品种集合用于不同的目的：
- 所有“可能使用的品种”的超集在品种配置中定义；
- 在生产环境中采样价格时，会使用一个子集：即当前已经保存了 multiple prices 的品种列表；
- 在把调整价（back adjusted prices）导入回测环境或
update_systems 生产脚本时，会使用另一个子集：当前已经保存了调整价的品种列表（在数据库环境中，这个集合可能和上面不同；对于 .csv 来说，则是这里的价格文件）； - 在回测环境内部，我们还可以基于不同原因进一步排除若干品种。
The global superset of all instruments
“全局品种超集”包含现在或未来你可能想交易的所有品种。仓库中给出的默认列表已经非常全面。除非是为了避免未来命名冲突，否则纯粹“臆想新增”一些品种意义不大。
The list of instruments we are sampling
这个集合是以 multiple instruments 数据库为基准的。在时间和数据成本允许的前提下，这个集合应该尽量全面——“先把价格采起来”一般是值得的，而事后回补历史数据通常会非常麻烦。
Instruments we have adjusted prices for, used for simulation and production system backtest raw data
如果回测和生产都从数据库读取价格，那么这个集合原则上应该和上一节的集合完全一致；但如果你在回测中使用 CSV 调整价，那么集合可能会有所不同。尽量避免这种差异！（除非是刻意为之，比如你打算在部分品种上做一个“快而脏”的回测。）
1
2
3
4
5
6
| from systems.provided.futures_chapter15.basesystem import *
config = Config()
system = futures_system(config = config)
instruments_with_adj_prices = system.data.get_instrument_list()
"SP500" in instruments_with_adj_prices
>True
|
Instruments used for simulation and production system backtests
接下来是稍微复杂一点的部分 :-)
基本思路是：从“已经有调整价的品种集合”出发，继续构造三个子集：
- “全局品种列表”（在有定义的情况下）；
- 去掉“始终排除的品种”（always excluded）后的全局品种列表。在这个阶段我们会删除 duplicate_instruments 和 ignored_instruments；
- 再在此基础上，去掉“为优化目的而排除的品种”：即具有 trading_restrictions 和 bad_markets 标签的品种。
The global list of instruments, when defined
如果我们加载的默认配置中不包含任何品种信息，那么原则上，只要某个品种在当前数据源（模拟用 CSV 或数据库）里有调整价，我们就都能用：
1
2
3
4
5
6
| from systems.provided.futures_chapter15.basesystem import *
config = Config() # using a default config so we know we have all instruments there in principle
system = futures_system(config = config)
instruments_with_adj_prices = system.data.get_instrument_list()
"SP500" in instruments_with_adj_prices
>True
|
不过，一般我们不会用所有品种一起跑回测，因此可以用两种方式来缩小这个子集。第一种是显式指定标的权重：
1
2
3
4
| system.cache.delete_all_items()
system.config.instrument_weights = dict(BTP=.5, US2=.5)
system.get_instrument_list()
>['BTP', 'US2']
|
第二种方式是只传入一个“品种列表”（不带权重），这是做参数优化时常用的做法：
1
2
3
4
5
| del(system.config.instrument_weights)
system.cache.delete_all_items()
system.config.instruments = ['US5', 'US10']
system.get_instrument_list()
>['US5', 'US10']
|
上面的代码片段也顺便提醒了一点：如果你打算从“固定系统”（即使用固定的 instrument_weights）切换到“估计系统”（即由系统自行估计权重），那么配置里需要显式给出 instruments 列表。系统不会假设：你在固定系统里 instrument_weights 使用的那一批品种，就等同于你在估计系统里要用的那批品种；如果不显式指定，它会默认使用“所有有数据的品种”。因此你需要显式设置这一配置项，例如：
1
| system.config.instruments = list(system.config.instrument_weights.keys())
|
Always excluded
现在我们来讨论“始终排除的品种”，这些品种在后续的回测和优化中都不会使用。
在默认配置中，有两类品种会被自动排除：
- duplicated_instruments：重复品种（例如同一指数对应的多种合约规格）；
- ignored_instruments：被明确标记为需要忽略的品种。
当我们调用：
1
| system.get_instrument_list()
|
时，返回值已经在 system.data.get_instrument_list() 的基础上，扣除了这两类品种。
Duplicated instruments
标普 500 是一个典型的 duplicated instrument 示例。这里的 SP500 是 e-mini 合约（在我最初交易时它是唯一使用的合约，所以没有特别加标注），但实际上我们更希望使用 micro 合约。两者的价格数据几乎一模一样。
保留重复数据既没有意义，甚至在某些场景下是危险的——例如在做参数优化或校准时，我们经常对“跨品种平均”或估计相关矩阵，如果把高度相关的两个合约都算进去，就会扭曲结果。
1
2
| "SP500_micro" in system.get_instrument_list()
> True
|
我们可以查看哪些重复品种会被排除：
1
2
| system.get_list_of_duplicate_instruments_to_remove()
> ['COPPER-mini', 'CORN_mini', 'CRUDE_W', 'GAS_US', 'GASOILINE_mini', 'GOLD', 'HEATOIL_mini', 'JGB_mini', 'JGB-SGX-mini', 'JPY_micro', 'JPY-SGX-TITAN', 'JPY-SGX', 'KOSPI_mini', 'KRWUSD_mini', 'NASDAQ', 'SILVER_mini', 'SOYBEAN_mini', 'SP500', 'TWD-mini', 'VIX_mini', 'WHEAT_mini']
|
这些是通过如下配置元素定义的（这里展示的是 defaults.yaml 中的值）：
1
2
3
4
| system.config.duplicate_instruments['exclude']
>{'copper': 'COPPER-mini', 'corn': 'CORN_mini', 'crude': 'CRUDE_W', 'gas_us': 'GAS_US', 'gasoiline': 'GASOILINE_mini', 'gold': 'GOLD', 'heatoil': 'HEATOIL_mini', 'jgb': ['JGB_mini', 'JGB-SGX-mini'], 'jpy': ['JPY_micro', 'JPY-SGX-TITAN', 'JPY-SGX'], 'kospi': 'KOSPI_mini', 'krwusd': 'KRWUSD_mini', 'nasdaq': 'NASDAQ', 'silver': 'SILVER_mini', 'soybean': 'SOYBEAN_mini', 'sp500': 'SP500', 'twd': 'TWD-mini', 'vix': 'VIX_mini', 'wheat': 'WHEAT_mini'}
system.config.duplicate_instruments['include']
>{'copper': 'COPPER', 'corn': 'CORN', 'crude': 'CRUDE_W_mini', 'gas_us': 'GAS_US_mini', 'gasoiline': 'GASOILINE', 'gold': 'GOLD_micro', 'heatoil': 'HEATOIL', 'jgb': 'JGB', 'jpy': 'JPY', 'kospi': 'KOSPI', 'krwusd': 'KRWUSD', 'nasdaq': 'NASDAQ_micro', 'silver': 'SILVER', 'soybean': 'SOYBEAN', 'sp500': 'SP500_micro', 'twd': 'TWD', 'vix': 'VIX', 'wheat': 'WHEAT'}
|
如果你愿意，完全可以把两个 S&P 合约的角色对调：
1
2
3
4
5
6
7
| system.cache.delete_all_items()
system.config.duplicate_instruments['exclude']['sp500']="SP500_micro"
system.config.duplicate_instruments['include']['sp500']="SP500"
"SP500" in system.get_instrument_list()
> True
"SP500_micro" in system.get_instrument_list()
> False
|
如果想让这类改动长期生效，可以修改回测配置和/或 private_config.yaml 文件（关于配置的更多说明见后文）。在文档最后部分，我会解释如何判断一对重复品种中哪个更“好”。
Ignored instruments
除了重复品种外，我们还可能有一些“完全不想碰”的品种。这些品种同样不会出现在 get_instrument_list() 的返回结果中。
1
2
3
4
5
6
7
8
| "EURIBOR" in system.data.get_instrument_list() ## 如果你使用 CSV 价格，这里可能不会是 True；我本地数据库里有 EURIBOR，但质量不太好
> True
system.config.exclude_instrument_lists['ignore_instruments'] # 来自默认配置
>['EURIBOR']
system.get_list_of_ignored_instruments_to_remove()
>['EURIBOR']
"EURIBOR" in system.get_instrument_list()
False
|
Excluded for optimisation
在应用上述“始终排除的品种”规则之后得到的品种集合，将在整个回测过程中使用。此时我们仍然可以：
- 为这些品种生成预测（forecasts）；
- 甚至计算子系统账户曲线（subsystem account curves）。
1
2
3
4
5
6
7
8
9
10
11
| from systems.provided.futures_chapter15.estimatedsystem import *
system = futures_system()
system.config.instruments
>['SOFR', 'US10', 'EUROSTX', 'MXP', 'CORN', 'V2X']
system.get_instrument_list()
>['CORN', 'SOFR', 'EUROSTX', 'MXP', 'US10', 'V2X'] ## 此时还没有为优化目的排除任何品种
system.portfolio.get_subsystem_position("V2X")
> ....
2021-10-05 -33.749026
2021-10-06 -34.279859
Freq: B, Length: 2314, dtype: float64
|
不过，V2X 实际上是一个“bad market”，应该在优化中被排除：
1
2
3
4
| "V2X" in system.get_list_of_bad_markets()
>True
"V2X" in system.get_list_of_markets_not_trading_but_with_data()
>True
|
1
2
3
4
5
6
| system.portfolio.get_instrument_list(for_instrument_weights=True)
>*** Following instruments are listed as trading_restrictions and/or bad_markets but still included in instrument weight optimisation: ***
['V2X']
This is fine for dynamic systems where we remove them in later optimisation, but may be problematic for static systems
Consider adding to config element allocate_zero_instrument_weights_to_these_instruments
['CORN', 'SOFR', 'EUROSTX', 'MXP', 'US10', 'V2X']
|
那我们就按提示操作：
1
2
3
4
5
6
7
8
9
| system.cache.delete_all_items()
system.config.allocate_zero_instrument_weights_to_these_instruments= ['V2X']
system.portfolio.get_instrument_list(for_instrument_weights=True)
['CORN', 'SOFR', 'EUROSTX', 'MXP', 'US10']
system.portfolio.get_instrument_weights().tail(1)
> CORN SOFR EUROSTX MXP US10 V2X
index
2021-10-06 0.260899 0.188551 0.181449 0.18055 0.188551 0.0
|
顺带一提，如果我们在使用 1/n 固定标的权重（fixed instrument weights），这个设置同样会让相关品种的权重变成 0：
1
2
3
4
5
| system.portfolio.get_raw_fixed_instrument_weights()
>WARNING: No instrument weights - using equal weights of 0.2000 over all 5 instruments in data
CORN SOFR EUROSTX MXP US10 V2X
1972-10-18 0.2 0.2 0.2 0.2 0.2 0.0
2021-10-06 0.2 0.2 0.2 0.2 0.2 0.0
|
如果你是手工传入一组“显式标的权重”，那就需要自行把对应的 bad market 权重设为 0。
在使用“动态优化”（dynamic optimisation）时，这个过程发生在更靠后的阶段：系统会自动把这些品种作为 reduce_only 约束加入动态优化（这样也就和生产环境保持一致——在生产中相同逻辑是由策略下单器应用的）。一般来说，我们希望：
- 在“标的权重优化”阶段，仍然把这些品种包括进去（即参与权重估计、发出目标头寸）；
- 但在最终的动态优化阶段，不再给这些品种分配真实交易。
1
2
3
4
5
6
7
8
9
10
11
| from sysproduction.strategy_code.run_dynamic_optimised_system import *
data =csvFuturesSimData()
config = Config()
system = futures_system(data, config)
>Following instruments are 'duplicate_markets' and will be excluded from sim ...
>Following instruments are marked as 'ignore_instruments': not included: ['EURIBOR']
>Following instruments have restricted trading: optimisation will not trade them ...
>Following instruments are marked as 'bad_markets': optimisation will not trade them ['ALUMINIUM', .... 'V2X']
system.optimisedPositions.get_reduce_only_instruments()
>['US-STAPLES',... 'EU-CHEM']
|
Untradeable
不可交易的品种通常是因为监管或合规限制。例如对我来说，某些美国股指期货是不能交易的：
1
2
3
4
5
6
7
| from systems.provided.futures_chapter15.basesystem import *
config = Config() # 使用默认配置，这样我们知道理论上所有品种都在里面
system = futures_system(config = config)
system.config.exclude_instrument_lists['trading_restrictions']
>['US-DISCRETE', 'US-ENERGY', 'US-FINANCE', 'US-HEALTH', 'US-INDUSTRY', 'US-MATERIAL', 'US-PROPERTY', 'US-REALESTATE', 'US-STAPLES', 'US-TECH', 'US-UTILS']
system.get_list_of_markets_with_trading_restrictions()
>['US-DISCRETE', 'US-ENERGY', 'US-FINANCE', 'US-HEALTH', 'US-INDUSTRY', 'US-MATERIAL', 'US-PROPERTY', 'US-REALESTATE', 'US-STAPLES', 'US-TECH', 'US-UTILS']
|
Bad markets
所谓 “bad markets”，指的是成本太高或流动性太差的市场（直接叫 bad markets 会更顺口一些，不是吗？）。这些市场理论上可以交易，但我们选择不去碰它们。
1
2
3
4
| system.config.exclude_instrument_lists['bad_markets']
['ALUMINIUM', 'BBCOMM', 'CHEESE', 'DJSTX-SMALL', 'EU-BANKS', 'EU-CHEM', 'EU-CONSTRUCTION', 'EU-DIV30', 'EU-FOOD', 'EU-HEALTH', 'EU-INSURE', 'EU-TRAVEL', 'EURIBOR', 'FTSEINDO', 'INR', 'KOSPI_mini', 'KRWUSD', 'LUMBER', 'MILK', 'MILKDRY', 'MSCIASIA', 'NOK', 'OATIES', 'RICE', 'SGD', 'SHATZ', 'US-DISCRETE', 'US-REALESTATE', 'USIRS5', 'V2X']
system.get_list_of_bad_markets()
['ALUMINIUM', 'BBCOMM', 'CHEESE', 'DJSTX-SMALL', 'EU-BANKS', 'EU-CHEM', 'EU-CONSTRUCTION', 'EU-DIV30', 'EU-FOOD', 'EU-HEALTH', 'EU-INSURE', 'EU-TRAVEL', 'EURIBOR', 'FTSEINDO', 'INR', 'KOSPI_mini', 'KRWUSD', 'LUMBER', 'MILK', 'MILKDRY', 'MSCIASIA', 'NOK', 'OATIES', 'RICE', 'SGD', 'SHATZ', 'US-DISCRETE', 'US-REALESTATE', 'USIRS5', 'V2X']
|
Automatically excluded
还有一种情况：某些品种在整个样本期内持仓始终为 0。最常见的原因是：你在成本上设置了“速度限制”（speed limit），结果导致没有任何交易规则便宜到足以交易该品种。
这类品种会被自动加入“优化权重为 0 的市场”列表。
Customising the list of ‘all instruments’ and ’excluded for optimisation’
如果你在对系统做任何其他操作之前，先执行下面这两个方法调用，就可以精确控制哪些品种会包含在列表中，哪些不会。下面的调用组合会复现默认行为；如果需要定制，只要从这里修改即可。重要：如果你希望影响 instrument_list() 的结果，这两个方法必须按以下顺序调用。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
| ## days_required 参数用于在“删除历史太短的市场”时使用
system.get_instrument_list(
remove_duplicates=True,
remove_ignored=True,
remove_trading_restrictions=False,
remove_bad_markets=False,
remove_short_history=False,
days_required = 750)
system.get_list_of_markets_not_trading_but_with_data(
remove_duplicates=True,
remove_ignored=True,
remove_trading_restrictions=True,
remove_bad_markets=True,
remove_short_history=False,
days_required = 750)
|
在此基础上，你可以自由修改上述参数来定制：
- “回测用的全局品种集合”（
get_instrument_list）； - “有数据但不做交易的品种集合”（
get_list_of_markets_not_trading_but_with_data）。
Operating in production environment
在生产环境中运行会稍微复杂一些，因为会同时受到多层配置文件的作用、各种约束条件的具体实现方式，以及从数据库中拉取的附加约束等因素的影响。
A note about configuration
在纯回测环境里，配置相对简单：大部分配置项先在 defaults.yaml 中定义，可以被你的 private_config.yaml 覆盖，最后还可以被每个回测自己专用的 backtest.yaml 再次覆盖。
需要特别注意的是：一旦离开生产系统中的“回测阶段”，后续代码就看不到 backtest.yaml 了（毕竟 backtest 配置是针对单个系统的，而生产环境中我们通常只依赖全局参数）。因此在生产环境中，配置优先级是：defaults.yaml，再由 private_config.yaml 覆盖。
生产回测生成最优头寸之后，下游用来生成策略订单并实际执行交易的代码，只会基于 private_config.yaml 和 defaults.yaml 中的配置运行。
除此之外，生产环境还可以从数据库中读取一些额外的约束（例如手工设置的 override），这些约束会和 YAML 配置叠加使用。
Reduce only and other constraints in static systems
在生产环境里，重复品种和被忽略品种的处理方式与回测中完全相同：它们在回测阶段会被直接忽略。
在一个“静态系统”（static system）里，我们通常不会在每次生产回测时都重新做动态权重优化，而是使用事先保存好的标的权重。如果当初生成这些权重时，就已经把某些品种标记为不可交易（untradeable）或 bad markets，那么这些品种在当前权重里就会以 0 权重出现。我们仍然会为它们计算预测和子系统账户曲线，但最终的最优头寸是 0。
当策略订单生成器（strategy order generator）运行时，它会对所有生成出来的订单应用一层 override（覆盖约束）。override 可以按以下几种粒度生效：
- 针对某个策略；
- 针对某个品种（跨所有策略）；
- 针对“某个策略 + 某个品种”的组合。
一条 override 可以是下面三种类型之一：
- 一个介于 0 和 1 之间的乘数，用来乘以目标头寸；乘数为 1 表示“正常交易”，为 0 则表示“把头寸全部平掉”；
- 一个标志位，表示“只允许减仓”（reduce_only），即只允许使持仓绝对值减少的交易；
- 一个标志位，表示“完全禁止交易”（don’t trade）。
override 列表会包含：
- 记录在 override 数据库中的所有 override（可能是上述任意类型）；
- 对于在配置中被标记为 bad、duplicated、ignored 或 untradeable 的品种，系统会自动为其生成 override：通常是
reduce_only；对于 untradeable 品种，则会标记为 don't trade。
如果同一个品种同时受多条 override 影响，我们总是采用其中最保守的一条。
在实际使用中，这意味着：你只要修改各类品种分类（bad / duplicated / ignored / untradeable）的配置，系统就会自动做出相应调整。例如，要“逐步退出”某个 bad instrument，可以这样做：
- 把它加入配置里的 bad instruments 列表；
- 把该品种的标的权重设为 0（可以一次性设为 0，也可以随时间逐渐降到 0）；
- 生产系统会认为该品种有
reduce_only 标志，并允许执行那些能减小该品种头寸的交易。
反过来，如果想让某个原先的 bad instrument 重新开始交易：
- 把它从配置中的 bad instruments 列表里移除；
- 重新优化标的权重，让该品种获得一个正的权重；
- 生产系统将不再认为它是
reduce_only，并开始为它生成新的交易； - 如果是逐步提高权重，我们也会逐步交易到目标持仓。
类似的逻辑同样适用于 ignored 和 duplicated 品种。
需要注意的是：如果你把某个品种标记为 untradeable，而账户里已经持有该品种的仓位，这个仓位会继续保留；同时，系统对“单日最大交易数量”等限制依然有效，因此如果你希望“今天就关掉”一个品种的所有仓位，很可能需要通过交互式订单处理工具手工下单完成。
负责应用这些约束的代码是“策略无关”的：它不会加载具体策略的配置 YAML。也就是说，如果你想修改 bad / duplicated / ignored / untradeable 这些类别的默认定义，需要修改的是 private_config.yaml，而不是某个具体策略的 backtest 配置。
你可以通过 interactive_controls 脚本查看当前所有 override（包括来自配置和数据库的）：
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
| ~/pysystemtrade/sysproduction/linux/scripts$ . interactive_controls
0: Trade limits
1: Position limits
2: Trade control (override)
3: Broker client IDS
4: Process control and monitoring
5: Update configuration
Your choice? <RETURN for EXIT> 2
20: View overrides (configured, and database)
21: Update / add / remove override for strategy in database
22: Update / add / remove override for instrument in database
23: Update / add / remove override for strategy & instrument in database
24: Delete all overrides in database
Your choice? <RETURN for Back> 20
All overrides:
ALUMINIUM Override Reduce only because bad_instrument in config
BBCOMM Override Reduce only because bad_instrument in config
CHEESE Override Reduce only because bad_instrument in config
COPPER-mini Override Reduce only because duplicate_instrument in config
....
V2X Override Reduce only because bad_instrument in config
VIX_mini Override Reduce only because duplicate_instrument in config
WHEAT_mini Override Reduce only because duplicate_instrument in config
|
你也可以在同一个菜单下新增 / 更新 / 删除数据库中的 trade override。
Reduce only and other constraints in dynamic systems
在“动态系统”（dynamic systems）中，我们会在生产回测给出最优头寸之后，再做一次动态优化，然后才生成订单。这个优化器需要知道哪些品种当前处于 reduce_only 状态，哪些处于 dont_trade 状态；这些信息会从两处合并而来：
- 配置 YAML（同样不包含 backtest YAML，只看
defaults.yaml 和 private_config.yaml）； - 数据库中记录的各种 override。
理论上，优化器生成的订单在提交给订单生成 / 交易模块时，还会再经过一遍和静态系统相同的约束检查；但由于这些约束已经在优化器阶段被处理过了，这一步通常不会再改变订单。
这种设计还有一个好处：当你把一个品种新标记为 bad / ignored / duplicate，或者把某个品种从这些列表里“赎回”出来时，头寸会通过优化器的成本感知模型逐步调整，而不是一下子跳变。如果你希望“今天就平掉”某个品种的所有头寸，仍然需要手工下单完成。
Deciding which are ‘bad’ markets
接下来讨论：如何判断哪些市场应该被标记为“bad markets”（高成本或低流动性市场）。
在这里，我对 “bad market” 给出一个操作性定义：
- 每笔交易成本 > 0.01 个 Sharpe 比率单位（SR units）；
- 日均成交量 < 100 手；
- 日均成交的“风险名义市值”（risk units） < 150 万美元。
我们可以通过交互式控制脚本，生成一份“建议的 bad markets 列表”。
Check slippage costs are accurate
首先要确保滑点成本（slippage costs）的估计是合理的。我们可以利用生产中的真实成交数据和采样到的 bid/ask 价差，对滑点配置做一个“事后校验和更新”。
在交互式控制脚本中，有一个菜单项可以自动更新点差成本配置：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
| ~/pysystemtrade/sysproduction/linux/scripts$ . interactive_controls
1: Position limits
2: Trade control (override)
3: Broker client IDS
4: Process control and monitoring
5: Update configuration
Your choice? <RETURN for EXIT> 5
50: Auto update spread cost configuration based on sampling and trades
51: Suggest 'bad' markets (illiquid or costly)
52: Suggest which duplicate market to use
Your choice? <RETURN for Back> 50
|
选择 50 之后，系统会基于实际交易与采样数据，对当前配置的点差成本做一个建议更新，并打印出类似下面的摘要（这里省略了大部分输出，只保留关键片段）：
1
2
3
4
5
6
7
8
9
10
11
12
13
| New configured slippage value (current 0.172000, default is estimate 0.117354) <RETURN for default 0.11735449352746953>
ALL VALUES MULTIPLIED BY 1000000.000000 INCLUDING INPUTS!!!!
bid_ask_trades 1.500000
total_trades -0.100000
bid_ask_sampled 0.179167
weight_trades 97192.224622
weight_samples 578833.693305
weight_config 323974.082073
estimate 0.476278
Configured 0.700000
% Difference -319603.003188
Name: KRWUSD, dtype: float64
New configured slippage value (current 0.700000, default is estimate 0.476278) <RETURN for default 0.47627789776817986>
|
唯一需要留意的小“坑”是：对于点差极小的品种，我们会把所有数值按某个 10 的幂进行缩放，以便打印出更“可读”的数字（懒一点的做法是连 weight_* 字段也一起乘上同样的倍数）。
Get list of bad markets
在确认滑点配置大致合理之后，就可以获取“坏市场”列表了：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
| ~/pysystemtrade/sysproduction/linux/scripts$ . interactive_controls
1: Position limits
2: Trade control (override)
3: Broker client IDS
4: Process control and monitoring
5: Update configuration
Your choice? <RETURN for EXIT> 5
50: Auto update spread cost configuration based on sampling and trades
51: Suggest 'bad' markets (illiquid or costly)
52: Suggest which duplicate market to use
Your choice? <RETURN for Back> 51
Maximum SR cost? <RETURN for default 0.01>
Minimum contracts traded per day? <RETURN for default 100>
Min risk $m traded per day? <RETURN for default 1.5>
|
这个过程会花一点时间来收集相关数据，最后会给出类似这样的输出：
1
2
3
4
5
6
7
8
9
10
11
12
| Add the following to YAML .config under bad_markets heading:
bad_markets:
- ALUMINIUM
- BBCOMM
- CHEESE
- DJSTX-SMALL
....
- USIRS5
- V2X
New bad markets ['FTSEINDO', 'V2X']
Removed bad markets ['US10']
|
底部的内容给出了“相对于当前配置，新建议加入和移除的 bad markets 列表”。更新配置需要你自己手工把上面的 YAML 片段复制到配置文件里 —— 系统不会自动写入。
虽然这里不会直接展示“为什么某个市场是 bad”，但用于生成这份报告的底层数据和“成本 / 流动性报告”是一致的。
Deciding which duplicate instruments to use
对于重复品种的选择，逻辑与 bad markets 的筛选非常类似：我们会先应用同样的一组过滤条件，确保不会选中一个成本巨高或流动性极差的合约。
同样在交互式脚本中，菜单 52 用于“建议使用哪个重复市场”：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
| ~/pysystemtrade/sysproduction/linux/scripts$ . interactive_controls
1: Position limits
2: Trade control (override)
3: Broker client IDS
4: Process control and monitoring
5: Update configuration
Your choice? <RETURN for EXIT> 5
50: Auto update spread cost configuration based on sampling and trades
51: Suggest 'bad' markets (illiquid or costly)
52: Suggest which duplicate market to use
Your choice? <RETURN for Back> 52
Maximum SR cost? <RETURN for default 0.01>
Minimum contracts traded per day? <RETURN for default 100>
Min risk $m traded per day? <RETURN for default 1.5>
|
然后会打印出“推荐使用的重复市场”列表。
在这个简单示例里，我们只对一个市场有数据，而且它不满足任何过滤条件：
1
2
3
4
5
| Current list of included markets ['KRWUSD'], excluded markets ['KRWUSD_mini']
SR_cost volume_contracts volume_risk contract_size
KRWUSD 0.025299 12.0 0.06 5017.0
KRWUSD_mini NaN NaN NaN NaN
Best market <No good markets>, current included market(s) ['KRWUSD']
|
下面这个例子中，我们同样只有一个市场有数据，但这次它通过了所有过滤条件，因此被推荐使用：
1
2
3
4
5
| Current list of included markets ['HEATOIL'], excluded markets ['HEATOIL_mini']
SR_cost volume_contracts volume_risk contract_size
HEATOIL 0.002312 18436.0 315.85 17133.0
HEATOIL_mini NaN NaN NaN NaN
Best market HEATOIL, current included market(s) ['HEATOIL']
|
再来看一个有两个市场的例子，但只有一个满足过滤条件：
1
2
3
4
5
| Current list of included markets ['KOSPI'], excluded markets ['KOSPI_mini']
SR_cost volume_contracts volume_risk contract_size
KOSPI_mini 0.015313 69366.0 128.40 1851.0
KOSPI 0.006080 209258.0 1944.95 9295.0
Best market KOSPI, current included market(s) ['KOSPI']
|
下面是几个“多个候选都通过过滤”的例子；我们会选择合约规模最小（contract_size 最小）的那个：
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
| Current list of included markets ['CRUDE_W_mini'], excluded markets ['CRUDE_W']
SR_cost volume_contracts volume_risk contract_size
CRUDE_W_mini 0.003753 8495.0 61.24 7208.0
CRUDE_W 0.001992 170167.0 1987.92 11682.0
Best market CRUDE_W_mini, current included market(s) ['CRUDE_W_mini']
Current list of included markets ['SP500_micro'], excluded markets ['SP500']
SR_cost volume_contracts volume_risk contract_size
SP500_micro 0.000858 545179.0 941.33 1727.0
SP500 0.000814 865522.0 14932.25 17252.0
Best market SP500_micro, current included market(s) ['SP500_micro']
Current list of included markets ['GAS_US_mini'], excluded markets ['GAS_US']
SR_cost volume_contracts volume_risk contract_size
GAS_US_mini 0.003782 4614.0 39.06 8467.0
GAS_US 0.000849 48674.0 1619.18 33266.0
Best market GAS_US_mini, current included market(s) ['GAS_US_mini']
Current list of included markets ['NASDAQ_micro'], excluded markets ['NASDAQ']
SR_cost volume_contracts volume_risk contract_size
NASDAQ 0.000452 361956.0 11287.52 31185.0
NASDAQ_micro 0.000436 577104.0 1740.20 3015.0
Best market NASDAQ_micro, current included market(s) ['NASDAQ_micro']
Current list of included markets ['GOLD_micro'], excluded markets ['GOLD']
SR_cost volume_contracts volume_risk contract_size
GOLD_micro 0.001062 22632.0 39.07 1726.0
GOLD 0.000950 84525.0 1457.25 17240.0
Best market GOLD_micro, current included market(s) ['GOLD_micro']
|