Оптимизация стратегий

Обзор

StockSharp предоставляет встроенный механизм оптимизации параметров стратегий на исторических данных. Оптимизация позволяет автоматически перебирать различные комбинации параметров стратегии (длины индикаторов, таймфреймы, пороговые значения и т.д.) и находить наилучшие с точки зрения выбранного критерия (прибыль, просадка, количество сделок и т.д.).

Доступны два режима оптимизации:

Полный перебор (Brute Force) -- класс BruteForceOptimizer. Перебирает все возможные комбинации параметров или случайную выборку из них.
Генетический алгоритм -- класс GeneticOptimizer. Использует эволюционный подход для поиска оптимальных параметров, что значительно эффективнее при большом пространстве параметров.

Оба оптимизатора наследуют от BaseOptimizer и работают асинхронно, возвращая IAsyncEnumerable с результатами по мере завершения каждой итерации.

Подготовка стратегии

Определение параметров с диапазонами оптимизации

Для оптимизации параметры стратегии должны быть объявлены через StrategyParam<T> с указанием диапазона значений. Метод SetOptimize(from, to, step) задает диапазон перебора, а SetCanOptimize(true) разрешает оптимизацию параметра:

class SmaStrategy : Strategy
{
    private bool? _isShortLessThenLong;

    public SmaStrategy()
    {
        _longSma = Param(nameof(LongSma), 80)
            .SetCanOptimize(true)
            .SetOptimize(50, 100, 5);      // от 50 до 100 с шагом 5

        _shortSma = Param(nameof(ShortSma), 30)
            .SetCanOptimize(true)
            .SetOptimize(20, 40, 1);        // от 20 до 40 с шагом 1

        _candleTimeFrame = Param<TimeSpan?>(nameof(CandleTimeFrame))
            .SetCanOptimize(true)
            .SetOptimize(
                TimeSpan.FromMinutes(5),    // от 5 минут
                TimeSpan.FromMinutes(15),   // до 15 минут
                TimeSpan.FromMinutes(5));   // с шагом 5 минут

        _candleType = Param(nameof(CandleType),
            TimeSpan.FromMinutes(1).TimeFrame()).SetRequired();
    }

    private readonly StrategyParam<int> _longSma;
    public int LongSma
    {
        get => _longSma.Value;
        set => _longSma.Value = value;
    }

    private readonly StrategyParam<int> _shortSma;
    public int ShortSma
    {
        get => _shortSma.Value;
        set => _shortSma.Value = value;
    }

    private readonly StrategyParam<TimeSpan?> _candleTimeFrame;
    public TimeSpan? CandleTimeFrame
    {
        get => _candleTimeFrame.Value;
        set => _candleTimeFrame.Value = value;
    }

    private readonly StrategyParam<DataType> _candleType;
    public DataType CandleType
    {
        get => _candleType.Value;
        set => _candleType.Value = value;
    }

    protected override void OnStarted2(DateTime time)
    {
        base.OnStarted2(time);

        var dt = CandleTimeFrame is null
            ? CandleType
            : DataType.Create(CandleType.MessageType, CandleTimeFrame);

        var subscription = new Subscription(dt, Security)
        {
            MarketData =
            {
                IsFinishedOnly = true,
            }
        };

        var longSma = new SMA { Length = LongSma };
        var shortSma = new SMA { Length = ShortSma };

        SubscribeCandles(subscription)
            .Bind(longSma, shortSma, OnProcess)
            .Start();
    }

    private void OnProcess(ICandleMessage candle, decimal longValue, decimal shortValue)
    {
        if (candle.State != CandleStates.Finished)
            return;

        var isShortLessThenLong = shortValue < longValue;

        if (_isShortLessThenLong == null)
        {
            _isShortLessThenLong = isShortLessThenLong;
        }
        else if (_isShortLessThenLong != isShortLessThenLong)
        {
            var direction = isShortLessThenLong ? Sides.Sell : Sides.Buy;
            var volume = Position == 0 ? Volume : Position.Abs().Min(Volume) * 2;
            var price = candle.ClosePrice;

            if (direction == Sides.Buy)
                BuyLimit(price, volume);
            else
                SellLimit(price, volume);

            _isShortLessThenLong = isShortLessThenLong;
        }
    }

    protected override void OnReseted()
    {
        base.OnReseted();
        _isShortLessThenLong = null;
    }
}

Поддерживаемые типы параметров

Оптимизация поддерживает следующие типы параметров:

Тип	Пример `SetOptimize`
`int`, `long` и другие целочисленные	`.SetOptimize(10, 100, 5)`
`decimal`, `double`, `float`	`.SetOptimize(0.01m, 0.10m, 0.01m)`
`TimeSpan`	`.SetOptimize(TimeSpan.FromMinutes(1), TimeSpan.FromMinutes(30), TimeSpan.FromMinutes(1))`
`Unit`	`.SetOptimize(new Unit(1, UnitTypes.Percent), new Unit(5, UnitTypes.Percent), new Unit(0.5m, UnitTypes.Percent))`
`bool`	`.SetOptimize(false, true)`

Для параметров с дискретным набором значений (например, DataType) используйте SetOptimizeValues:

_candleType = Param(nameof(CandleType), TimeSpan.FromMinutes(5).TimeFrame())
    .SetCanOptimize(true)
    .SetOptimizeValues(new[]
    {
        TimeSpan.FromMinutes(5).TimeFrame(),
        TimeSpan.FromMinutes(15).TimeFrame(),
        TimeSpan.FromMinutes(30).TimeFrame(),
    });

Полный перебор (Brute Force)

Класс BruteForceOptimizer перебирает все возможные комбинации значений параметров. Подходит для небольших пространств параметров.

Создание и настройка

// Инструмент и портфель
var security = new Security
{
    Id = "SBER@TQBR",
    PriceStep = 0.01m,
};

var portfolio = Portfolio.CreateSimulator();

// Хранилище исторических данных
var storageRegistry = new StorageRegistry
{
    DefaultDrive = new LocalMarketDataDrive(folder)
};

// Создание оптимизатора
var optimizer = new BruteForceOptimizer(
    new CollectionSecurityProvider(new[] { security }),
    new CollectionPortfolioProvider(new[] { portfolio }),
    storageRegistry);

// Настройка параметров эмуляции
var settings = optimizer.EmulationSettings;
settings.MaxIterations = 100;                          // макс. кол-во итераций (0 = без ограничения)
settings.CommissionRules = new[]                       // комиссия
{
    new CommissionTradeRule { Value = 0.01m },
};
// settings.BatchSize = 8;                             // кол-во параллельных потоков
                                                       // по умолчанию = CPU * 2

// Кэширование рыночных данных между итерациями (ускоряет работу)
optimizer.AdapterCache = new();

Запуск полного перебора

// Базовая стратегия с диапазонами оптимизации
var strategy = new SmaStrategy
{
    Volume = 1,
    Security = security,
    Portfolio = portfolio,
};

// Выбрать параметры для оптимизации
var longParam = (StrategyParam<int>)strategy.Parameters[nameof(strategy.LongSma)];
var shortParam = (StrategyParam<int>)strategy.Parameters[nameof(strategy.ShortSma)];
var tfParam = (StrategyParam<TimeSpan?>)strategy.Parameters[nameof(strategy.CandleTimeFrame)];

var optimizeParams = new IStrategyParam[] { longParam, shortParam, tfParam };

// Сгенерировать все комбинации параметров
var strategies = strategy.ToBruteForce(optimizeParams, out _, out var totalCount);

// Запустить оптимизацию
var startTime = new DateTime(2020, 1, 1);
var stopTime = new DateTime(2020, 12, 31);
var cts = new CancellationTokenSource();

await foreach (var (s, parameters) in optimizer.RunAsync(startTime, stopTime, strategies, cts.Token))
{
    // s -- стратегия с результатами после бэктеста
    Console.WriteLine($"PnL={s.PnL}, LongSma={s.Parameters["LongSma"].Value}, " +
                      $"ShortSma={s.Parameters["ShortSma"].Value}");
}

Случайная выборка

Если полный перебор всех комбинаций занимает слишком много времени, можно использовать случайную выборку. Метод ToBruteForceRandom генерирует заданное количество случайных комбинаций:

var randomCount = 50; // количество случайных комбинаций

var strategies = strategy.ToBruteForceRandom(
    optimizeParams,
    randomCount,
    out _,
    out var totalCount);

await foreach (var (s, parameters) in optimizer.RunAsync(startTime, stopTime, strategies, cts.Token))
{
    Console.WriteLine($"PnL={s.PnL}");
}

Генетическая оптимизация

Класс GeneticOptimizer реализует генетический алгоритм, который значительно эффективнее полного перебора при большом количестве параметров. Алгоритм автоматически сходится к оптимальным значениям за меньшее число итераций.

Создание и настройка

var optimizer = new GeneticOptimizer(
    new CollectionSecurityProvider(new[] { security }),
    new CollectionPortfolioProvider(new[] { portfolio }),
    storageRegistry,
    Paths.FileSystem);    // файловая система для формулы фитнеса

optimizer.AdapterCache = new();

// Настройка генетического алгоритма
optimizer.Settings.Population = 8;            // размер популяции
optimizer.Settings.PopulationMax = 16;        // максимальный размер популяции
optimizer.Settings.GenerationsMax = 20;       // макс. кол-во поколений
optimizer.Settings.GenerationsStagnation = 5; // остановка при стагнации (кол-во поколений без улучшения)
optimizer.Settings.MutationProbability = 0.1m;
optimizer.Settings.CrossoverProbability = 0.75m;
optimizer.Settings.Fitness = "PnL";           // формула фитнеса (по умолчанию PnL)

optimizer.EmulationSettings.MaxIterations = 100;

Параметры генетического алгоритма

Свойство	Описание	По умолчанию
`Population`	Начальный размер популяции	8
`PopulationMax`	Максимальный размер популяции	16
`GenerationsMax`	Максимальное кол-во поколений (0 = без ограничения)	20
`GenerationsStagnation`	Остановка при стагнации N поколений (0 = отключено)	5
`MutationProbability`	Вероятность мутации (0..1)	0.1
`CrossoverProbability`	Вероятность скрещивания (0..1)	0.75
`Fitness`	Формула фитнес-функции	`"PnL"`
`Selection`	Оператор отбора	`TournamentSelection`
`Crossover`	Оператор скрещивания	`OnePointCrossover`
`Mutation`	Оператор мутации	`UniformMutation`
`Reinsertion`	Стратегия замены поколений	`ElitistReinsertion`

Формула фитнес-функции

Свойство Fitness задает формулу для оценки стратегии. Поддерживаются статистические параметры стратегии в виде сокращений:

Сокращение	Статистический параметр
`PnL`	Чистая прибыль
`MaxDD`	Максимальная просадка
`MaxRelDD`	Максимальная относительная просадка
`WinTrades`	Выигрышные сделки
`LosTrades`	Убыточные сделки
`Recovery`	Коэффициент восстановления
`Ret`	Доходность
`TCount`	Количество сделок
`AvgTPnL`	Средняя прибыль на сделку

Можно комбинировать формулы, например: "PnL - MaxDD" или "Recovery".

Запуск генетической оптимизации

var strategy = new SmaStrategy
{
    Volume = 1,
    Security = security,
    Portfolio = portfolio,
};

// Подготовить параметры для генетического оптимизатора
var longParam = (StrategyParam<int>)strategy.Parameters[nameof(strategy.LongSma)];
var shortParam = (StrategyParam<int>)strategy.Parameters[nameof(strategy.ShortSma)];
var tfParam = (StrategyParam<TimeSpan?>)strategy.Parameters[nameof(strategy.CandleTimeFrame)];

// Метод ToGeneticParameters конвертирует параметры стратегии в формат генетического оптимизатора.
// Для параметров с дискретным набором значений (например, TimeSpan?) можно передать
// явный список через кортеж (param, values):
var geneticParams = strategy.ToGeneticParameters(new (IStrategyParam, IEnumerable)[]
{
    (tfParam, new[] { TimeSpan.FromMinutes(5), TimeSpan.FromMinutes(15) }),
    (longParam, null),   // null = использовать диапазон из SetOptimize
    (shortParam, null),
});

// Запуск
var cts = new CancellationTokenSource();

await foreach (var (s, parameters) in optimizer.RunAsync(
    startTime, stopTime, strategy, geneticParams, cancellationToken: cts.Token))
{
    Console.WriteLine($"PnL={s.PnL}");
}

Общие настройки оптимизатора

Класс OptimizerSettings (доступен через optimizer.EmulationSettings) содержит настройки, общие для обоих типов оптимизации:

Свойство	Описание	По умолчанию
`BatchSize`	Количество параллельно тестируемых стратегий	`CPU * 2`
`MaxIterations`	Максимальное количество итераций (0 = без ограничения)	0
`MaxMessageCount`	Максимальное количество обработанных сообщений (-1 = без ограничения)	-1
`CommissionRules`	Правила расчета комиссии	`null`

Кэширование данных

Свойство AdapterCache позволяет кэшировать рыночные данные между итерациями, что значительно ускоряет оптимизацию, так как данные загружаются из хранилища только один раз:

optimizer.AdapterCache = new MarketDataStorageCache();

События оптимизатора

Событие	Описание
`SingleProgressChanged`	Вызывается при изменении прогресса отдельной итерации. Параметры: `(Strategy, IStrategyParam[], int progress)`. Прогресс 100 означает завершение итерации.
`StrategyInitialized`	Вызывается после инициализации стратегии перед запуском бэктеста.
`ConnectorInitialized`	Вызывается после создания коннектора перед подключением. Позволяет настроить параметры `HistoryEmulationConnector`.

optimizer.SingleProgressChanged += (strategy, parameters, progress) =>
{
    if (progress == 100)
        Console.WriteLine($"Итерация завершена: PnL={strategy.PnL}");
};

Пауза и остановка

Оптимизацию можно приостановить и возобновить:

// Приостановить (текущие итерации завершатся, новые не начнутся)
optimizer.Pause();

// Возобновить
optimizer.Resume();

// Проверить состояние
bool isPaused = optimizer.IsPaused;

Для полной остановки отмените CancellationToken:

cts.Cancel();

Полный пример (консольное приложение)

using System;
using System.Linq;
using System.Threading;

using StockSharp.Algo;
using StockSharp.Algo.Storages;
using StockSharp.Algo.Strategies;
using StockSharp.Algo.Strategies.Optimization;
using StockSharp.Algo.Commissions;
using StockSharp.BusinessEntities;
using StockSharp.Configuration;
using StockSharp.Messages;

// Настройка инструмента и портфеля
var security = new Security
{
    Id = "SBER@TQBR",
    PriceStep = 0.01m,
};

var portfolio = Portfolio.CreateSimulator();

// Хранилище данных
var storageRegistry = new StorageRegistry
{
    DefaultDrive = new LocalMarketDataDrive(Paths.HistoryDataPath)
};

// Создание оптимизатора (полный перебор)
var optimizer = new BruteForceOptimizer(
    new CollectionSecurityProvider(new[] { security }),
    new CollectionPortfolioProvider(new[] { portfolio }),
    storageRegistry);

optimizer.EmulationSettings.MaxIterations = 100;
optimizer.EmulationSettings.CommissionRules = new[]
{
    new CommissionTradeRule { Value = 0.01m },
};
optimizer.AdapterCache = new();

// Настройка стратегии
var strategy = new SmaStrategy
{
    Volume = 1,
    Security = security,
    Portfolio = portfolio,
};

// Параметры для оптимизации
var longParam = (StrategyParam<int>)strategy.Parameters[nameof(strategy.LongSma)];
var shortParam = (StrategyParam<int>)strategy.Parameters[nameof(strategy.ShortSma)];
var optimizeParams = new IStrategyParam[] { longParam, shortParam };

// Генерация комбинаций
var strategies = strategy.ToBruteForce(optimizeParams, out _, out var totalCount);

Console.WriteLine($"Всего итераций: {totalCount}");

// Запуск оптимизации
var startTime = Paths.HistoryBeginDate;
var stopTime = Paths.HistoryEndDate;
var cts = new CancellationTokenSource();

var bestPnL = decimal.MinValue;
Strategy bestStrategy = null;

await foreach (var (s, parameters) in optimizer.RunAsync(startTime, stopTime, strategies, cts.Token))
{
    var pnl = s.PnL;
    var paramStr = string.Join(", ", parameters.Select(p => $"{p.Id}={p.Value}"));
    Console.WriteLine($"[{paramStr}] PnL={pnl:F2}");

    if (pnl > bestPnL)
    {
        bestPnL = pnl;
        bestStrategy = s;
    }
}

if (bestStrategy != null)
{
    Console.WriteLine($"\nЛучший результат: PnL={bestPnL:F2}");
    foreach (var p in bestStrategy.Parameters)
        Console.WriteLine($"  {p.Id} = {p.Value}");
}

См. также

Тестирование на исторических данных
Пример: Samples/07_Testing/02_Optimization

Table of Contents

Оптимизация стратегий

Обзор

Подготовка стратегии

Определение параметров с диапазонами оптимизации

Поддерживаемые типы параметров

Полный перебор (Brute Force)

Создание и настройка

Запуск полного перебора

Случайная выборка

Генетическая оптимизация

Создание и настройка

Параметры генетического алгоритма

Формула фитнес-функции

Запуск генетической оптимизации

Общие настройки оптимизатора

Кэширование данных

События оптимизатора

Пауза и остановка

Полный пример (консольное приложение)

См. также