backtrader的策略回测初尝
前言
backtrader作为能够在自己的python环境运行的回测程序之一，不得不说很好用。今天进行了初步的学习，稍微进行分享。
一、回测基础步骤
应用backtrader进行回测，首先需要了解backtrader的基础步骤
# 基础步骤
from __future__ import print_function, absolute_import
import backtrader as bt
if __name__== '__main__':
cerebro=bt.Cerebro() #实例化了Cerebro引擎，Cerebro引擎在后台创建了一个Broker (代理)实例
cerebro.broker.setcash(100000.0) #设置broker的金额
print(f'组合开始时的价值:%.2f'%cerebro.broker.getvalue())
cerebro.run() #调用 了cerebro 实例的 run 方法（里面会遍历数据）
print(f'组合运行结束后的价值:%.2f'%cerebro.broker.getvalue())
组合开始时的价值:100000.00
组合运行结束后的价值:100000.00
回测的基础步骤比较简单
二、加载交易数据
backtrader默认使用的雅虎财经的数据，但是国内现在好像也用不了雅虎财经数据库，但是不要紧，可以采用自己喜欢的数据集进行数据导入，步骤如下：
# 打印出每天的”收盘价”
# 新建一个策略
class TestStrategy(bt.Strategy):
def log(self,txt,dt=None): #此策略的日志记录功能
dt=dt or self.datas[0].datetime.date(0)
print('%s,%s'%(dt.isoformat(),txt))
def __init__(self): #保留对 data[0] 数据系列中“close”行的引用
self.dataclose= self.datas[0].close
def next(self): #只需从参考记录该系列的收盘价
self.log('Close,%.2f'% self.dataclose[0])
if __name__== '__main__':
cerebro=bt.Cerebro()
# Add a strategy
cerebro.addstrategy(TestStrategy)
# 引入数据
modpath=os.path.dirname(os.path.abspath(sys.argv[0]))
datapath=os.path.join(modpath,'C:/Users/gws/Desktop/OPTIONS_DATA/600519.csv')
# 将数据放入Data Feeds,默认的数据集是yahoo的股票数据
# 载入自己的数据也是可以的，只不过你需要设定每个列的含义
data=bt.feeds.GenericCSVData(
dataname=datapath,
datetime=0,
open=1,
high=3,
low=4,
close=2,
volume=5,
dtformat=('%Y%m%d'),
# 使用datetime来过滤价格数据 的起止范围
fromdate=datetime.datetime(2010,1,1), #不传递此日期之前的数值
todate=datetime.datetime(2022,11,1) #不传递此日期之后的数值
)
# 将数据 Feed到Cerebro
cerebro.adddata(data)
# 设置投资金额
cerebro.broker.setcash(100000.0)
print(f'组合初始价值:%.2f'%cerebro.broker.getvalue())
# 运行broker
cerebro.run()
print(f'组合期末价值:%.2f'%cerebro.broker.getvalue())
导出的数据如下所示（部分）：
组合初始价值:100000.00
2010-01-04,Close,104.59
2010-01-05,Close,104.29
2010-01-06,Close,102.64
2010-01-07,Close,100.77
2010-01-08,Close,99.71
2010-11-01,Close,99.27
2010-11-02,Close,101.95
2010-11-03,Close,99.36
2010-11-04,Close,103.73
2010-11-05,Close,104.55
2010-11-08,Close,105.23
2010-11-09,Close,104.49
2010-01-20,Close,102.12
2010-12-01,Close,102.62
2010-12-02,Close,101.02
.......
2021-10-27,Close,1819.00
2021-10-28,Close,1825.49
2021-10-29,Close,1826.08
2021-11-01,Close,1803.00
组合期末价值:100000.00
三、进行交易策略的回测
进行策略回测前，需要自定义自己的交易策略：
# 一个新的策略，如果价格三连跌的话,买入
class TestStrategy(bt.Strategy):
def log(self,txt,dt=None): #此策略的日志记录功能
dt=dt or self.datas[0].datetime.date(0)
print('%s,%s'%(dt.isoformat(),txt))
def __init__(self): #保留对 data[0] 数据系列中“close”行的引用
self.dataclose= self.datas[0].close
def next(self): #只需从参考记录该系列的收盘价
self.log('Close,%.2f'% self.dataclose[0])
if self.dataclose[0]<self.dataclose[-1]: #当前收盘价低于上一个收盘价
if self.dataclose[-1]<self.dataclose[-2]: #当前收盘价低于上一个收盘价
self.log('BUY CREATE,%.2f'%self.dataclose[0]) #创建买单
self.buy()
进行回测：
if __name__== '__main__':
cerebro=bt.Cerebro()
# Add a strategy
cerebro.addstrategy(TestStrategy)
# 引入数据
modpath=os.path.dirname(os.path.abspath(sys.argv[0]))
datapath=os.path.join(modpath,'C:/Users/gws/Desktop/OPTIONS_DATA/600519.csv')
# 将数据放入Data Feeds,默认的数据集是yahoo的股票数据
# 载入自己的数据也是可以的，只不过你需要设定每个列的含义
data=bt.feeds.GenericCSVData(
dataname=datapath,
datetime=0,
open=1,
high=3,
low=4,
close=2,
volume=5,
dtformat=('%Y%m%d'),
# 使用datetime来过滤价格数据 的起止范围
fromdate=datetime.datetime(2010,1,1), #不传递此日期之前的数值
todate=datetime.datetime(2021,12,1) #不传递此日期之后的数值
)
# 将数据 Feed到Cerebro
cerebro.adddata(data)
# 设置投资金额
cerebro.broker.setcash(100000.0)
print(f'组合初始价值:%.2f'%cerebro.broker.getvalue())
# 运行broker
cerebro.run()
print(f'组合期末价值:%.2f'%cerebro.broker.getvalue())
cerebro.plot()
回测文字结果：
组合初始价值:100000.00
2010-01-04,Close,104.59
2010-01-05,Close,104.29
2010-01-05,BUY CREATE,104.29
2010-01-06,Close,102.64
2010-01-06,BUY CREATE,102.64
2010-01-07,Close,100.77
2010-01-07,BUY CREATE,100.77
2010-01-08,Close,99.71
2010-01-08,BUY CREATE,99.71
2010-11-01,Close,99.27
2010-11-01,BUY CREATE,99.27
2010-11-02,Close,101.95
2010-11-03,Close,99.36
......
2021-11-05,BUY CREATE,2062.58
2021-11-08,Close,2043.76
2021-11-08,BUY CREATE,2043.76
2021-11-09,Close,1990.67
2021-11-09,BUY CREATE,1990.67
2021-01-20,Close,2021.60
组合期末价值:948494.55
回测结果图
可以看出，这个策略是盈利客观的，但是策略过于简单，在后几年的大涨行情中并没有触发。
继续进行策略的回测
# 不止买入，还要卖出
# Strategy 类有一个变量 position 保存当前持有的资产数量
# buy() 和 sell() 会返回 被创建的订单 (还未被执行的)
# 订单状态改变后将会通知 Strategy 实例的 notify() 方法
# 5个柱之后（在第6个时候执行）不管涨跌都卖
# 请注意，这里没有指定具体时间，而是指定的柱的数量。一个柱可能代表1分钟、1小时、1天、1星期等等，这取决于你价格数据文件里一条数据代表的周期。
# 创建一个新策略
class TestStrategy(bt.Strategy):
def log(self,txt,dt=None):
dt=dt or self.datas[0].datetime.date(0)
print('%s,%s'%(dt.isoformat(),txt))
def __init__(self):
self.dataclose=self.datas[0].close
self.order=None #跟踪挂单
self.buyprice = None
self.buycomm = None #加入手续费
def notify_order(self,order):
if order.status in [order.Submitted,order.Accepted]: #经纪商提交/接受/接受的买入/卖出订单
return
if order.status in [order.Completed]: ## 检查订单是否完成
# 注意：如果没有足够的现金，经纪人可能会拒绝订单
if order.isbuy():
self.log(
'BUY EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' %
(order.executed.price,
order.executed.value,
order.executed.comm))
self.buyprice = order.executed.price
self.buycomm = order.executed.comm
else:
self.log('SELL EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' %
(order.executed.price,order.executed.value,order.executed.comm))
self.bar_executed=len(self)
elif order.status in [order.Canceled,order.Margin,order.Rejected]:
self.log('Order Canceled/Margin/Rejected')
self.order=None #写下：无挂单
def next(self):
self.log('Close,%.2f'%self.dataclose[0])
if self.order: ## 检查订单是否处于待处理状态...如果是，我们不能发送第二个
return
if not self.position: #检查我们是否在市场上
if self.dataclose[0]<self.dataclose[-1]:
if self.dataclose[-1]<self.dataclose[-2]:
self.log('BUY CREATE,%.2f'%self.dataclose[0])
self.order=self.buy() #跟踪创建的订单以避免第二个订单
else:
if len(self)>=(self.bar_executed+5):
self.log('SELL CREATE,%.2f'%self.dataclose[0])
self.order=self.sell()
if __name__== '__main__':
cerebro=bt.Cerebro()
# Add a strategy
cerebro.addstrategy(TestStrategy)
# 引入数据
modpath=os.path.dirname(os.path.abspath(sys.argv[0]))
datapath=os.path.join(modpath,'C:/Users/gws/Desktop/OPTIONS_DATA/600519.csv')
# 将数据放入Data Feeds,默认的数据集是yahoo的股票数据
# 载入自己的数据也是可以的，只不过你需要设定每个列的含义
data=bt.feeds.GenericCSVData(
dataname=datapath,
datetime=0,
open=1,
high=3,
low=4,
close=2,
volume=5,
dtformat=('%Y%m%d'),
# 使用datetime来过滤价格数据 的起止范围
fromdate=datetime.datetime(2010,1,1), #不传递此日期之前的数值
todate=datetime.datetime(2021,12,1) #不传递此日期之后的数值
)
# 将数据 Feed到Cerebro
cerebro.adddata(data)
# 设置投资金额
cerebro.broker.setcash(100000.0)
# 加入手续费
cerebro.broker.setcommission(commission=0.001) # 0.001 即是 0.1%
print(f'组合初始价值:%.2f'%cerebro.broker.getvalue())
# 运行broker
cerebro.run()
print(f'组合期末价值:%.2f'%cerebro.broker.getvalue())
cerebro.plot()
回测结果
扫描二维码关注公众号，回复：
14628069 查看本文章
2021-01-08,Close,2070.51
2021-11-01,Close,2080.14
2021-11-02,Close,2140.74
2021-11-03,Close,2143.82
2021-11-04,Close,2114.09
2021-11-05,Close,2062.58
2021-11-05,BUY CREATE,2062.58
2021-11-08,BUY EXECUTED, Price: 2041.84, Cost: 2041.84, Comm 2.04
2021-11-08,Close,2043.76
2021-11-09,Close,1990.67
2021-01-20,Close,2021.60
组合期末价值:100912.05
可以看出，策略盈利不多，而且没有第一种简单策略的收益高。
加入技术指标进行回测
# 添加技术指标
# 收盘价高于平均价的时候，以市价买入
# 持有仓位的时候，如果收盘价低于平均价，卖出
# 只有一个待执行的订单
# Create a Stratey
class TestStrategy(bt.Strategy):
params = (
('maperiod', 15),
)
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
self.order = None
self.buyprice = None
self.buycomm = None
# 添加技术指标
self.sma = bt.indicators.SimpleMovingAverage(self.datas[0], period=self.params.maperiod)
# 绘图显示的指标
bt.indicators.ExponentialMovingAverage(self.datas[0], period=25)
bt.indicators.WeightedMovingAverage(self.datas[0], period=25,
subplot=True)
bt.indicators.StochasticSlow(self.datas[0])
bt.indicators.MACDHisto(self.datas[0])
rsi = bt.indicators.RSI(self.datas[0])
bt.indicators.SmoothedMovingAverage(rsi, period=10)
bt.indicators.ATR(self.datas[0], plot=False)
def notify_order(self,order):
if order.status in [order.Submitted,order.Accepted]: #经纪商提交/接受/接受的买入/卖出订单
return
if order.status in [order.Completed]: ## 检查订单是否完成
# 注意：如果没有足够的现金，经纪人可能会拒绝订单
if order.isbuy():
self.log(
'BUY EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' %
(order.executed.price,
order.executed.value,
order.executed.comm))
self.buyprice = order.executed.price
self.buycomm = order.executed.comm
else:
self.log('SELL EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' %
(order.executed.price,order.executed.value,order.executed.comm))
self.bar_executed=len(self)
elif order.status in [order.Canceled,order.Margin,order.Rejected]:
self.log('Order Canceled/Margin/Rejected')
self.order=None #写下：无挂单
def notify_trade(self, trade):
if not trade.isclosed:
return
self.log('OPERATION PROFIT, GROSS %.2f, NET %.2f' %
(trade.pnl, trade.pnlcomm))
def next(self):
self.log('Close,%.2f'%self.dataclose[0])
if self.order: ## 检查订单是否处于待处理状态...如果是，我们不能发送第二个
return
if not self.position: #检查我们是否在市场上
if self.dataclose[0] > self.sma[0]:
self.log('BUY CREATE,%.2f'%self.dataclose[0])
self.order=self.buy() #跟踪创建的订单以避免第二个订单
else:
if self.dataclose[0] < self.sma[0]:
self.log('SELL CREATE,%.2f'%self.dataclose[0])
self.order=self.sell()
if __name__== '__main__':
cerebro=bt.Cerebro()
# Add a strategy
cerebro.addstrategy(TestStrategy)
# 引入数据
modpath=os.path.dirname(os.path.abspath(sys.argv[0]))
datapath=os.path.join(modpath,'C:/Users/gws/Desktop/OPTIONS_DATA/600519.csv')
# 将数据放入Data Feeds,默认的数据集是yahoo的股票数据
# 载入自己的数据也是可以的，只不过你需要设定每个列的含义
data=bt.feeds.GenericCSVData(
dataname=datapath,
datetime=0,
open=1,
high=3,
low=4,
close=2,
volume=5,
dtformat=('%Y%m%d'),
# 使用datetime来过滤价格数据 的起止范围
fromdate=datetime.datetime(2010,1,1), #不传递此日期之前的数值
todate=datetime.datetime(2021,12,1) #不传递此日期之后的数值
)
# 将数据 Feed到Cerebro
cerebro.adddata(data)
# 设置投资金额
cerebro.broker.setcash(100000.0)
# 加入手续费
cerebro.broker.setcommission(commission=0.001) # 0.001 即是 0.1%
print(f'组合初始价值:%.2f'%cerebro.broker.getvalue())
# 运行broker
cerebro.run()
print(f'组合期末价值:%.2f'%cerebro.broker.getvalue())
cerebro.plot()
回测结果
2021-11-05, Close,2062.58
2021-11-08, Close,2043.76
2021-11-09, Close,1990.67
2021-11-09, SELL CREATE,1990.67
2021-01-20, Close,2021.60
组合期末价值:100998.60
回测后的收益不高。
加入手续费后，后两者策略的表现都不好，从2020年到2021年的收益率还不如余额宝收益率，看来后两者策略在该标的上的表现不如意。
总结
本文简单介绍了backtrader的回测用法。有兴趣的可以在官网进行深入的学习。
Backtrader 官网：https://www.backtrader.com/docu/plotting/plotting/