加载中…
个人资料
微博
  • 博客等级：
  • 博客积分：
  • 博客访问：
  • 关注人气：
  • 获赠金笔：0支
  • 赠出金笔：0支
  • 荣誉徽章：
正文 字体大小：大 中 小

Backtrader量化平台教程（一）:backtrader的整体框架

(2017-06-06 18:52:42)
分类： 指标自动化

    前面两篇文章，讲了大致的框架，接下来涉及的更多的是细节。本文介绍了backtrader中的indicator，并讲述了一些别的细节的代码。所谓indicator就是技术指标，比如MA，RSI

1.预备

    在介绍backtrader的indicator之前，我们先配置一下我们的平台，也就是cerebro。

 

[python] view plain copy
  1. if __name__ == '__main__':  
  2.     # Create a cerebro entity  
  3.     cerebro = bt.Cerebro()  
  4.     # Add a strategy  
  5.     cerebro.addstrategy(TestStrategy)  
  6.     # 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。  
  7.     # 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  
  8.     # 注意，这里最后的pandas要符合backtrader的要求的格式  
  9.     dataframe = pd.read_csv('dfqc.csv', index_col=0, parse_dates=True)  
  10.     dataframe['openinterest'] = 0  
  11.     data = bt.feeds.PandasData(dataname=dataframe,  
  12.                             fromdate = datetime.datetime(2015, 1, 1),  
  13.                             todate = datetime.datetime(2016, 12, 31)  
  14.                             )  
  15.     # Add the Data Feed to Cerebro  
  16.     cerebro.adddata(data)  
  17.     # Set our desired cash start  
  18.     cerebro.broker.setcash(100.0)  
  19.     # 设置每笔交易交易的股票数量  
  20.     cerebro.addsizer(bt.sizers.FixedSize, stake=10)  
  21.     # Set the commission  
  22.     cerebro.broker.setcommission(commission=0.0)  
  23.     # Print out the starting conditions  
  24.     print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())  
  25.     # Run over everything  
  26.     cerebro.run()  
  27.     # Print out the final result  
  28.     print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())  
  29.     cerebro.plot()  
    这里出现了

 

 

[python] view plain copy
  1. # 设置每笔交易交易的股票数量  
  2.     cerebro.addsizer(bt.sizers.FixedSize, stake=10)  
    这个函数，用来设置每次下单的时候买卖的股票数量。
[python] view plain copy
  1. bt.sizers.FixedSize  
    就告诉平台，我们是每次买卖股票数量固定的，stake=10就是10股。当然，实际过程中，我们不可能如此简单的制定买卖的数目，而是要根据一定的规则，这就需要自己写一个sizers，这是后话。

 

2.我们的策略

2.1策略的生命周期

策略的完整生命周期如下：

0.__init__

    这个是肯定的，任何类在生成的时候都是先调用这一初始化构造函数。也就是说，在实例生成的时候，这个函数将被调用。

1.Birth: start

    start方法在cerebro告诉strategy，是时候开始行动了，也就是说，通知策略激活的时候被调用。

2.Childhood: prenext

    有些技术指标，比如我们提到的MA，存在一个窗口，也就是说，需要n天的数据才能产生指标，那么在没有产生之前呢？这个prenext方法就会被自动调用。
3.Adulthood: next
这个方法是最核心的，就是每次移动到下一的时间点，策略将会调用这个方法，所以，策略的核心往往都是写在这个方法里的。

4.Death: stop

    策略的生命周期结束，cerebro把这一策略退出。

2.2策略当中的回调函数

    Strategy 类就像真实世界的交易员一样，当交易执行的时候，他会得到一些消息，譬如order是否执行，一笔trader赚了多少钱，等等。这些消息都将在Strategy类中通过回调函数被得以知晓。这些回调函数如下：

notify_order(order)：下的单子，order的任何状态变化都将引起这一方法的调用

notify_trade(trade)：任何一笔交易头寸的改变都将调用这一方法

notify_cashvalue(cash, value)：任何现金和资产组合的变化都将调用这一方法 
notify_store(msg, *args, **kwargs)：可以结合cerebro类进行自定义方法的调用

那么问题接踵而至，这里我们只关注前2种方法中监测对象的可变化方式。

trade指的是一笔头寸，trdae是open的状态指当前时刻，这一标的的头寸从0变到某一非零值。trade是closed则刚好相反。
    trade大概有如下常用属性
ref: 唯一id
size (int): trade的当前头寸
price (float): trade资产的当前价格
value (float): trade的当前价值
commission (float): trade的累计手续费
pnl (float): trade的当前pnl
pnlcomm (float): trade的当前pnl减去手续费
isclosed (bool): 当前时刻trade头寸是否归零
isopen (bool): 新的交易更新了trade
justopened (bool): 新开头寸
dtopen (float): trade open的datetime
dtclose (float): trade close的datetime

Orders

    order是strategy发出的指令，让cerebro去执行。
    strategy自身有buy, sell and close方法来生成order，cancel方法来取消一笔order。下单的方式有很多，后续会介绍，这里主要讲回调函数中，咱们可以获得哪些信息。
order.status可以返回order的当前状态

order.isbuy可以获得这笔order是否是buy

order.executed.price
order.executed.value
order.executed.comm

分别可以获得执行order的价格，总价，和手续费

2.3代码

 

[python] view plain copy
  1. class TestStrategy(bt.Strategy):  
  2.     params = (  
  3.         ('maperiod', 15),  
  4.     )  
  5.   
  6.     def log(self, txt, dt=None):  
  7.         ''''' Logging function fot this strategy'''  
  8.         dt = dt or self.datas[0].datetime.date(0)  
  9.         print('%s, %s' % (dt.isoformat(), txt))  
  10.   
  11.     def __init__(self):  
  12.         # Keep a reference to the "close" line in the data[0] dataseries  
  13.         self.dataclose = self.datas[0].close  
  14.   
  15.         # To keep track of pending orders and buy price/commission  
  16.         self.order = None  
  17.         self.buyprice = None  
  18.         self.buycomm = None  
  19.   
  20.         # Add a MovingAverageSimple indicator  
  21.         self.sma = bt.indicators.SimpleMovingAverage(  
  22.             self.datas[0], period=self.params.maperiod)  
  23.     def start(self):  
  24.         print("the world call me!")  
  25.   
  26.     def prenext(self):  
  27.         print("not mature")  
  28.   
  29.     def notify_order(self, order):  
  30.         if order.status in [order.Submitted, order.Accepted]:  
  31.             # Buy/Sell order submitted/accepted to/by broker - Nothing to do  
  32.             return  
  33.   
  34.         # Check if an order has been completed  
  35.         # Attention: broker could reject order if not enougth cash  
  36.         if order.status in [order.Completed]:  
  37.             if order.isbuy():  
  38.                 self.log(  
  39.                     'BUY EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' %  
  40.                     (order.executed.price,  
  41.                      order.executed.value,  
  42.                      order.executed.comm))  
  43.   
  44.                 self.buyprice = order.executed.price  
  45.                 self.buycomm = order.executed.comm  
  46.             else:  # Sell  
  47.                 self.log('SELL EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' %  
  48.                          (order.executed.price,  
  49.                           order.executed.value,  
  50.                           order.executed.comm))  
  51.   
  52.             self.bar_executed = len(self)  
  53.   
  54.         elif order.status in [order.Canceled, order.Margin, order.Rejected]:  
  55.             self.log('Order Canceled/Margin/Rejected')  
  56.   
  57.         self.order = None  
    大家可以看到打印出来的结果中，有start和prenext，最后当然也有death

 

http://img.blog.csdn.net/20170421110826650?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXRseXg=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center

3.Backtrader的indicator

    上面的代码中，我们单独拿出init这一部分，因为这里涉及了一个新的东西，indicator，也是本文想重点介绍的。

 

[python] view plain copy
  1. def __init__(self):  
  2.     # Keep a reference to the "close" line in the data[0] dataseries  
  3.     self.dataclose = self.datas[0].close  
  4.   
  5.     # To keep track of pending orders and buy price/commission  
  6.     self.order = None  
  7.     self.buyprice = None  
  8.     self.buycomm = None  
  9.   
  10.     # Add a MovingAverageSimple indicator  
  11.     self.sma = bt.indicators.SimpleMovingAverage(  
  12.         self.datas[0], period=self.params.maperiod)  
    这里的最后，我们使用了一个backtrader内置的indicator，后续我们将尝试自己编写一个indicator。


喜欢

0

阅读┊ 收藏 ┊ 喜欢▼ ┊打印┊举报/Report
  

新浪BLOG意见反馈留言板　欢迎批评指正

新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 产品答疑

Copyright © 1996 - 2022 SINA Corporation, All Rights Reserved

新浪公司 版权所有