Backtrader量化平台教程(一):backtrader的整体框架

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/qtlyx/article/details/61927006

AD:(本人录制的backtrader视频课程,大家多多支持哦~ https://edu.csdn.net/course/detail/9040) 

backtrader是一个量化策略的回测分析平台,功能还是很强大的。

1.安装backtrader

安装很简单,和别的lib安装一模一样,pip install backtrader。

2.从代码开始

from __future__ import (absolute_import, division, print_function,
                        unicode_literals)

import datetime  # For datetime objects
import os.path  # To manage paths
import sys  # To find out the script name (in argv[0])
import pandas as pd
from WindPy import w
# Import the backtrader platform
import backtrader as bt


# Create a Stratey
class TestStrategy(bt.Strategy):

    def log(self, txt, dt=None):
        ''' Logging function fot this strategy'''
        dt = dt or self.datas[0].datetime.date(0)
        print('%s, %s' % (dt.isoformat(), txt))

    def __init__(self):
        # Keep a reference to the "close" line in the data[0] dataseries
        self.dataclose = self.datas[0].close
        # To keep track of pending orders
        self.order = None

    def notify(self, order):
        if order.status in [order.Submitted, order.Accepted]:
            # Buy/Sell order submitted/accepted to/by broker - Nothing to do
            return

        # Check if an order has been completed
        # Attention: broker could reject order if not enougth cash
        if order.status in [order.Completed, order.Canceled, order.Margin]:
            if order.isbuy():
                self.log('BUY EXECUTED, %.2f' % order.executed.price)
            elif order.issell():
                self.log('SELL EXECUTED, %.2f' % order.executed.price)

            self.bar_executed = len(self)

        # Write down: no pending order
        self.order = None

    def next(self):
        # Simply log the closing price of the series from the reference
        self.log('Close, %.2f' % self.dataclose[0])

        # Check if an order is pending ... if yes, we cannot send a 2nd one
        if self.order:
            return

        # Check if we are in the market
        if not self.position:

            # Not yet ... we MIGHT BUY if ...
            if self.dataclose[0] < self.dataclose[-1]:
                # current close less than previous close

                if self.dataclose[-1] < self.dataclose[-2]:
                    # previous close less than the previous close

                    # BUY, BUY, BUY!!! (with default parameters)
                    self.log('BUY CREATE, %.2f' % self.dataclose[0])

                    # Keep track of the created order to avoid a 2nd order
                    self.order = self.buy()

        else:

            # Already in the market ... we might sell
            if len(self) >= (self.bar_executed + 5):
                # SELL, SELL, SELL!!! (with all possible default parameters)
                self.log('SELL CREATE, %.2f' % self.dataclose[0])

                # Keep track of the created order to avoid a 2nd order
                self.order = self.sell()


if __name__ == '__main__':
    # Create a cerebro entity
    cerebro = bt.Cerebro()

    # Add a strategy
    cerebro.addstrategy(TestStrategy)

    # Create a Data Feed
    # 本地数据,笔者用Wind获取的东风汽车数据以csv形式存储在本地。
    # parase_dates = True是为了读取csv为dataframe的时候能够自动识别datetime格式的字符串,big作为index
    # 注意,这里最后的pandas要符合backtrader的要求的格式
    dataframe = pd.read_csv('dfqc.csv', index_col=0, parse_dates=True)
    dataframe['openinterest'] = 0
    data = bt.feeds.PandasData(dataname=dataframe,
                        fromdate = datetime.datetime(2015, 1, 1),
                        todate = datetime.datetime(2016, 12, 31)
                        )
    # Add the Data Feed to Cerebro
    cerebro.adddata(data)

    # Set our desired cash start
    cerebro.broker.setcash(100000.0)

    # Print out the starting conditions
    print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())

    # Run over everything
    cerebro.run()

    # Print out the final result
    print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())
    # Plot the result
    cerebro.plot()

上面这段代码整个框架来自于backtrader的官网(https://www.backtrader.com),笔者自己修改了获取数据的方式。大家安装完backtrader之后可以复制过去运行一样,一般来说,运行通过就说明环境没有问题(数据文件下文有提到)。接下来我们就分析一下这个不赚钱的策略。

我们想想,量化回测,首先得有数据。

在backtrader里面,DataFeed就是这样一个数据的概念。

dataframe = pd.read_csv('dfqc.csv', index_col=0, parse_dates=True)
dataframe['openinterest'] = 0
data = bt.feeds.PandasData(dataname=dataframe,
                        fromdate = datetime.datetime(2015, 1, 1),
                        todate = datetime.datetime(2016, 12, 31)
                        )

这一段代码从本地csv文件获得某一个股票的交易数据,包括open,close,high,low,volume。大家注意到,这里我们的存储形式的pandas。backtrader是支持pandas这样的一种数据格式的,无形中方便了很多

关于该数据文件,大家可以去笔者的百度云下载。

链接:https://pan.baidu.com/s/1slnULbv 密码:wi3k

后面的很多教程案例,都会用到这一数据。

backtrader对每种数据的来源都有一定的标准,要不然咱们相信,不订立标准,框架怎么会知道每一列数据都是干嘛的呢。backtrader对于pandas的标准就是这些列的名字得是open,close,high,low,volume,openinterest。我们这里没有用到openinterest,所以把它设置为零就可以了,这里提示一下,backtrader要求pandas下的DataFeed,pandas的DataFrame的index是时间。

数据的问题解决了,那么数据要交给回测平台。这里整个回测功能的实现都是依赖于cercbro这个类实现的。这个单词的意思,在西班牙语里就是大脑。

我们创造一个大脑,

# Create a cerebro entity
    cerebro = bt.Cerebro()

然后把之前的数据喂给大脑:

# Add the Data Feed to Cerebro
    cerebro.adddata(data)

基础建设基本就完成了。

接下来就是技术性的较量,策略啦。

class TestStrategy(bt.Strategy):

每一个策略都是一个类,是一个继承bt.Strategy类的父类。具体里面的细节,下次再说。

假设我们写好了一个策略,换句话说,就是构造好了一个Strategy类,那么我们就应该把它喂给大脑。

# Add a strategy
    cerebro.addstrategy(TestStrategy)

好了,都齐全了。但是别忘了,我们还应该制定初始资金。

# Set our desired cash start
    cerebro.broker.setcash(100000.0)

cerebro里面的broker成员就是管这事的。我们给了他100000元。

到这里,该有的都有了,我们run就可以了。cerebro.run()方法就是把上述东西跑起来。

跑完之后,我们想看一下效果,人嘛,可视化的最好,所以:

 # Plot the result
    cerebro.plot()

就能把结果跑出来。

3.我的结果

很显然,亏钱了,但是不要紧,程序对了,万里长征第一步对了。

俗话说的好,万事开头难,中间也难,结尾更难。

4.总结

最后总结一下,一个策略,你需要的是数据,而且要让回测平台认识,所以是满足一定规则整理的数据。然后就是回测的“脑子”。这些基础设施有了,写好你的策略。策略其实就是一个类,重写类里的方法就实现了一个个策略。接下来,run就可以了。so easy!

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏FreeBuf

2019年五大网络威胁走势预测

临近2019,网络世界逐渐变得不太平起来,或许是黑客们开始冲业绩了,又或许是快发年终奖了安全人员们都松懈了?总的来说,大大小小的安全事件,瞬间刷爆了我们的屏幕。...

12130
来自专栏加米谷大数据

大数据发展的八大方向!

大数据的应用,目前集中体现在互联网与金融两个领域,当人们满足了物质层面的需求,可能会将目光转向更加贴近生活的层面,目前,“大数据”一词正在越来越频繁的出现,越来...

16830
来自专栏FreeBuf

思科全球产品管理高级总监Kevin Skahill | FIT2019独家专访

在FIT 2019「全球高峰会」现场,他带来了《数字化时代基于意图的自动化安全网络架构》主题演讲。

10940
来自专栏FreeBuf

在看不见的战场上,“国家力量”是这样的

十个月后的12月12日,以专业著称的网络安全行业媒体Freebuf的大众和专业评委们对此给予了一致认可,将“WitAwards 2018互联网安全年度评选”的“...

13130
来自专栏加米谷大数据

5G时代来了,你要换手机就吗?

12月8日中移动董事长尚冰在全球合作伙伴大会上透露,将会增加5G设备及网络建设的资金投放,计划于2019年开始5G预商用,并于明年上半年推出5G智能手机和首批中...

9520
来自专栏加米谷大数据

2018十大网络用语,你用过几个?

事情出现了意想不到的转折,我们可以用来突出它很调皮,常用于微博上具有反转性的搞笑内容

21320
来自专栏FreeBuf

使用HackCube-Special分析滚动码信号

所谓滚动码(Rolling code)是我们嗅探汽车遥控发射出来的射频信号,发现每一次的射频信号都是不一样的,并且每个信号只能被使用一次,这就是被称为滚动码的原...

36920
来自专栏高性能服务器开发

网络编程基础漫谈(一)之 bind 函数

其中 bind 的地址我们使用了一个宏叫 INADDR_ANY ,关于这个宏的解释如下:

46620
来自专栏FreeBuf

合规就代表安全了吗?那可以不一定

2018年,5G标准、中芯案件,使得技术博弈、话语权博弈持续发酵,深刻改变着数字经济的利益格局和安全格局。GDPR落地已经半年有余,我国《网络安全法》也正式实施...

14430
来自专栏华章科技

5G的未来投资机会在哪里?(附中国5G产业发展与投资报告全文)

导读:日前,为了更好地以资本助推5G产业发展,中国移动投资公司与中国移动研究院联合发布了《洞见5G,投资未来——中国5G产业发展与投资报告》,分析了5G对生产和...

19420

扫码关注云+社区

领取腾讯云代金券

年度创作总结 领取年终奖励