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
4.2 Strategy with Signals
【手把手教你】入门量化回测最强神器backtrader（三）
量化交易回测框架Backtrader策略Strategy
backtrader绘图运行出matplotlib错的原因
数字货币期权策略回测初探
量化交易回测框架Backtrader给策略增加买卖逻辑
backtrader如何加载股票因子数据？以换手率、市盈率为例进
2.1 Cerebro
量化交易回测框架Backtrader初识

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...
4.2 Strategy with Signals
除了Strategy之外，Backtrader还提供了Siganls这种方式用于策略回测。用户通过add Siga...
【手把手教你】入门量化回测最强神器backtrader（三）
1 引言关于backtrader，前两篇推文《手把手教你】入门量化回测最强神器backtrader（一）》和...
量化交易回测框架Backtrader策略Strategy
简介在前一篇已经实现了数据的本土化，能自定义喂数据了。下一步就跟着BackTrader官方的quickstart...
backtrader绘图运行出matplotlib错的原因
运行backtrader回测程序，调用cerebro.plot()命令时，会出如下错误 cannot import...
数字货币期权策略回测初探
最近发明者量化交易平台升级了回测系统，支持了数字货币期权回测，本次支持了Deribit交易所的一些期权数据。因此我...
量化交易回测框架Backtrader给策略增加买卖逻辑
简介前面只增加了一个简单的展示每天收盘价的逻辑。这次在策略里面增加卖和买的逻辑。具体可以参看Backtrader...
backtrader如何加载股票因子数据？以换手率、市盈率为例进
1 引言关于backtrader，公众号已连续发布了三篇推文：《【手把手教你】入门量化回测最强神器backtra...
2.1 Cerebro
Cerebro 是BackTrader的核心，将各个元素聚集到一起，执行回测，返回结果，并提供可视化界面 Gath...
量化交易回测框架Backtrader初识
Backtrader知识储备框架的概念还挺多：Cerebro，Data Feeds，Strategy，Indic...

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

Backtrader 策略回测初探

4.2 Strategy with Signals

【手把手教你】入门量化回测最强神器backtrader（三）

量化交易回测框架Backtrader策略Strategy

backtrader绘图运行出matplotlib错的原因

数字货币期权策略回测初探

量化交易回测框架Backtrader给策略增加买卖逻辑

backtrader如何加载股票因子数据？以换手率、市盈率为例进

2.1 Cerebro

量化交易回测框架Backtrader初识

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读