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。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
#----------------------------------------------------------------------
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。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
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)
