Backtrader 策略回测初探

作者: 醉卧梦星河 | 来源:发表于2022-10-23 10:44 被阅读0次

Backtrader 策略回测初探

这篇介绍简单的回测流程，主要的内容如下：

回测函数介绍
单股回测
多股回测

回测函数

回测策略类很简洁，直接继承 bt.Strategy ，复写父类的方法，最后把回测策略类添加到大脑即可。

回测参数
回测类参数添加通过属性变量 params 记录，可以是元组形式，也可以是字典形式。

定义参数

# 元组形式，注意最后一个，逗号别删除
params = (
        ('maperiod', 20),
    )

或
# 字典形式
params = {'maperiod': 20}

使用

通过 self.p.maperiod 访问提取。

bt.ind.SMA(self.data, period=self.p.maperiod)

传参

将策略类传入大脑时，传入参数

cerebro.addstrategy(TestStrategy, maperiod=5)

函数

因为继承了策略类 bt.Strategy ，运行策略时会回调这些函数，需要搞的事情是在相应的函数调用买卖逻辑即可。

先说下 lines 线对象概念，每个指标都是一条 line 线对象，贯穿所有的回测日期。bar 概念是每个日期对应所有的指标。简单理解就是 excel 表的中的列和行，line 线对象相当于 excel 的列，bar 概念相当于 excel 表的行。

函数名	函数说明	调用时机
`__init__()`	初始化时调用，只调用一次	初始化
next()	每条 bar 调用一次，直到所有 bar 回测完毕, 有效的bar	每条bar都回调
prenext()	不在next()函数调用的bar, 就调用到这函数	不在next()回调的bar
notify_order()	当执行 self.buy() 、self.order_target_percent()、 self.sell()等时触发回调	订单状态发生变化回调
notify_trade()	交易改变是	交易发生时回调
log()	日志打印函数，打印一些交易信息	自己调用

还有其他一些函数，这里不一一介绍了，不是很重要的。

指标简介

指标在代码层面上的表示形式就是以 line 线对象的方式存在，贯穿整个回测周期，一般在测类类的 __init__ 函数里面构建好

在数据篇，有展示过在 feeds.Data 上直接扩展指标，下面介绍的是通过 backtrader 的指标对象来构建新的指标，新的指标也是 line 对象，贯穿整个回测周期。

下面例子构建 20 日移动平均线 SMA：

def __init__(self):
    self.sma = bt.ind.SMA(self.data, period=20)

注意： 这种形式构建的指标是基于数据篇里面所说的第一个表数据的指标，并不是针对所有表的。而且会影响到 next 回调时机。20 日移动平均线的指标，前 20 日个回测 bar 是无效的，不会在 next() 函数回调，但回调到 prenext() 函数。

下图所示：

关于指标在这里不细说，后面会写一篇详细点的介绍。

回测简易配置

只是做一个简单回测测试，所以简易配置下经纪商，setcash() 配置了一小目标资产 1亿，设置佣金 setcommission() 千分之一，addstrategy() 添加策略并设置自定义的参数。

# 设置资产
cerebro.broker.setcash(100000000.0)
# 设置佣金
cerebro.broker.setcommission(commission=0.001)
# 添加回测策略，设置自定义参数数值
cerebro.addstrategy(SingleTestStrategy, maperiod=20)
# 执行策略
cerebro.run()
# 画图
cerebro.plot()

这里不细说这配置了，后面再详细说一篇。

单股回测

下面进入主题，搞一个策略，回测下能不能赚钱，这里只是介绍使用方法，实际应用肯定不能只靠一个指标。

策略
这策略很简单，当当日收盘价高于 20 日平均线时买买买！当当日收盘价低于 20 日移动平均线时卖卖卖。

注意：

该策略是以收盘价下单，以下单后的下一日开盘价作为交割价。
最后一日不做任何的买卖。所以在回测的最后一日的前一天必须下单卖出股票，以便在最后一根 bar 的开盘价做为交割价卖出，不然出现未来函数。

买卖常用函数：

self.order_target_percent(secu_data, target_pct, name=secu)
self.order_target_value(secu_data, target_val, name=secu)
self.buy(secu_data, order_amount, name=secu)
self.sell(secu_data, order_amount, name=secu)

代码胜过千言万语，直接上完整代码：

import datetime

import backtrader as bt
import pandas as pd

import stock_db as sdb


class SingleTestStrategy(bt.Strategy):
    params = (
        ('maperiod', 20),
    )

    def __init__(self):
        self.order = None
        self.sma = bt.ind.SMA(self.data, period=self.p.maperiod)
        pass

    def downcast(self, amount, lot):
        return abs(amount // lot * lot)

    # 可以不要，但如果你数据未对齐，需要在这里检验
    def prenext(self):
        print('prenext 执行 ', self.datetime.date(), self.getdatabyname('300015')._name
              , self.getdatabyname('300015').close[0])
        pass

    def next(self):
        # 检查是否有指令执行，如果有则不执行这bar
        if self.order:
            return
        # 回测如果是最后一天，则不进行买卖
        if pd.Timestamp(self.data.datetime.date(0)) == end_date:
            return
        if not self.position:  # 没有持仓
            # 执行买入条件判断：收盘价格上涨突破20日均线；
            # 不要在股票剔除日前一天进行买入
            if self.datas[0].close > self.sma and pd.Timestamp(self.data.datetime.date(1)) < end_date:
                # 永远不要满仓买入某只股票
                order_value = self.broker.getvalue() * 0.98
                order_amount = self.downcast(order_value / self.datas[0].close[0], 100)
                self.order = self.buy(self.datas[0], order_amount, name=self.datas[0]._name)

        else:
            # 执行卖出条件判断：收盘价格跌破20日均线，或者股票剔除
            if self.datas[0].close < self.sma or pd.Timestamp(self.data.datetime.date(1)) >= end_date:
                # 执行卖出
                self.order = self.order_target_percent(self.datas[0], 0, name=self.datas[0]._name)
                self.log(f'卖{self.datas[0]._name},price:{self.datas[0].close[0]:.2f},pct: 0')
        pass

    def notify_order(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 enough cash
        if order.status in [order.Completed, order.Canceled, order.Margin]:
            if order.isbuy():
                self.log(
                    f"买入{order.info['name']}, 成交量{order.executed.size}，成交价{order.executed.price:.2f} 订单状态：{order.status}")
                self.log('买入后当前资产：%.2f 元' % self.broker.getvalue())
            elif order.issell():
                self.log(
                    f"卖出{order.info['name']}, 成交量{order.executed.size}，成交价{order.executed.price:.2f} 订单状态：{order.status}")
                self.log('卖出后当前资产：%.2f 元' % self.broker.getvalue())
            self.bar_executed = len(self)

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

    def log(self, txt, dt=None):
        """
        输出日期
        :param txt:
        :param dt:
        :return:
        """
        dt = dt or self.datetime.date(0)  # 现在的日期
        print('%s , %s' % (dt.isoformat(), txt))

    pass

    def notify_trade(self, trade):
        '''可选，打印交易信息'''
        pass


# 开始查询时间
start_query = '2019-01-01'
end_query = '2022-09-01'

# 开始回测时间
from_date = datetime.datetime(2022, 1, 1)
to_date = datetime.datetime(2022, 10, 10)
cerebro = bt.Cerebro()
# 添加几个股票数据
codes = [
    '300015',
    # '300347',
    # '300760',
    # '603127',
    # '600438'
]

# 添加多个股票回测数据
end_date = 0
for code in codes:
    data = sdb.stock_daily(code, start_query, end_query)
    data.index.names = ['datetime']
    data_feed = bt.feeds.PandasData(dataname=data,
                                    fromdate=from_date,
                                    todate=to_date)
    cerebro.adddata(data_feed, name=code)
    end_date = data.index[-1]  # 股票剔除日
    print('添加股票数据：code: %s' % code)

cerebro.broker.setcash(100000000.0)
cerebro.broker.setcommission(commission=0.001)
cerebro.addstrategy(SingleTestStrategy, maperiod=20)
cerebro.run()
cerebro.plot()

if __name__ == '__main__':
    pass

结果：

em em ... 一个亿的资产，亏了接近 1000w，策略失败!!!!

来看看回测图，backtrader 的回测图的确有点丑哈，后面会有重构可视化篇的。

最上面是资产分析图，行情数据区域的绿色三角形是买入，红色三角形是卖出。

多股回测

单股回测，上面已经介绍了，那如何多个股同时回测呢？在这个问题上，我们首先要解决的是多个股的指标计算并存储起来。

策略逻辑和上面的相同。计算均线的时候用了dict循环计算每只股票的指标。

self.getdatanames()按顺序返回所有股票的名称list
self.getdatabyname(secu_name):返回该股票的data

所以，在给大脑塞数据时，需要指定 feedData 的 name ,统一用股票代码赋值，这样方便后面的索引。

直接上图说下整个流程逻辑：

代码只是再单股回测的基础下添加多股指标和多股持仓买卖判断，策略和单股相同。

代码如下：

import datetime

import backtrader as bt
import pandas as pd

import stock_db as sdb


class MultiTestStrategy(bt.Strategy):
    params = (
        ('maperiod', 20),
    )

    def prenext(self):
        pass

    def downcast(self, amount, lot):
        return abs(amount // lot * lot)

    def __init__(self):
        # 初始化交易指令
        self.order = None
        self.buy_list = []
        # 添加移动平均线指标，循环计算每个股票的指标
        self.sma = {x: bt.ind.SMA(self.getdatabyname(x), period=self.p.maperiod) for x in self.getdatanames()}

    def next(self):
        if self.order:  # 检查是否有指令等待执行
            return
        # 如果是最后一天，不进行买卖
        if pd.Timestamp(self.datas[0].datetime.date(0)) == end_dates[self.datas[0]._name]:
            return
        # 是否持仓
        if len(self.buy_list) < 2:  # 没有持仓
            # 没有购买的票
            for secu in set(self.getdatanames()) - set(self.buy_list):
                data = self.getdatabyname(secu)
                # 如果突破 20 日均线买买买，不要在最后一根bar的前一天买
                if data.close > self.sma[secu] and pd.Timestamp(data.datetime.date(1)) < end_dates[secu]:
                    # 买买买
                    order_value = self.broker.getvalue() * 0.48
                    order_amount = self.downcast(order_value / data.close[0], 100)
                    self.order = self.buy(data, size=order_amount, name=secu)
                    self.log(f"买{secu}, price:{data.close[0]:.2f}, amout: {order_amount}")
                    self.buy_list.append(secu)
        elif self.position:
            now_lst = []
            for secu in self.buy_list:
                data = self.getdatabyname(secu)
                # 执行卖出条件判断：收盘价格跌破20日均线，或者股票最后一根bar 的前一天之剔除日
                if data.close[0] < self.sma[secu] or pd.Timestamp(data.datetime.date(1)) >= end_dates[secu]:
                    # 卖卖卖
                    self.order = self.order_target_percent(data, 0, name=secu)
                    self.log(f"卖{secu}, price:{data.close[0]:.2f}, pct: 0")
                    continue
                now_lst.append(secu)
            self.buy_list = now_lst

    def notify_order(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 enough cash
        if order.status in [order.Completed, order.Canceled, order.Margin]:
            if order.isbuy():
                self.log(f"""买入{order.info['name']}, 成交量{order.executed.size}，成交价{order.executed.price:.2f}""")
                self.log(
                    f'资产：{self.broker.getvalue():.2f} 持仓：{[(x, self.getpositionbyname(x).size) for x in self.buy_list]}')
            elif order.issell():
                self.log(f"""卖出{order.info['name']}, 成交量{order.executed.size}，成交价{order.executed.price:.2f}""")
                self.log(
                    f'资产：{self.broker.getvalue():.2f} 持仓：{[(x, self.getpositionbyname(x).size) for x in self.buy_list]}')
            self.bar_executed = len(self)

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

    def log(self, txt, dt=None):
        """
        输出日期
        :param txt:
        :param dt:
        :return:
        """
        dt = dt or self.datetime.date(0)  # 现在的日期
        print('%s , %s' % (dt.isoformat(), txt))


# 开始查询时间
start_query = '2019-01-01'
end_query = '2022-09-01'

# 开始回测时间
from_date = datetime.datetime(2022, 1, 1)
to_date = datetime.datetime(2022, 10, 10)
cerebro = bt.Cerebro()
# 添加几个股票数据
codes = [
    '300015',
    '300347',
    # '300760',
    # '603127',
    # '600438'
]

# 添加多个股票回测数据
end_dates = {}
end_date = 0
for code in codes:
    data = sdb.stock_daily(code, start_query, end_query)
    data.index.names = ['datetime']
    data_feed = bt.feeds.PandasData(dataname=data,
                                    fromdate=from_date,
                                    todate=to_date)
    cerebro.adddata(data_feed, name=code)
    end_dates[code] = data.index[-1]  # 股票剔除日
    end_date = data.index[-1]  # 股票剔除日
    print('添加股票数据：code: %s' % code)

cerebro.broker.setcash(100000000.0)
cerebro.broker.setcommission(commission=0.001)
cerebro.addstrategy(MultiTestStrategy, maperiod=20)
cerebro.run()
# 获取回测结束后的总资金
portvalue = cerebro.broker.getvalue()
# 打印结果
print(f'结束资金: {round(portvalue, 2)}')
cerebro.plot()

if __name__ == '__main__':
    pass

看下日志：

enen ，居然赚钱了，小赚接近 1000w.

看下 backtracder 的买卖点：

后面日期好像没触发买卖逻辑，这后面再看看是咋回事。

写于 2022 年 10 月 23 日 10:27:29

本文由mdnice多平台发布

Backtrader 策略回测初探

Backtrader 策略回测初探

回测函数

指标简介

回测简易配置

单股回测

多股回测

相关文章

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读