Backtrader量化平台教程(一):backtrader的整体框架
2017-03-13 21:15
2086 查看
backtrader是一个量化策略的回测分析平台,功能还是很强大的。
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。
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,
接下来就是技术性的较量,策略啦。
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。
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:
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。
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,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。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!相关文章推荐
- Backtrader量化平台教程(六)Analyzer
- Backtrader量化平台教程(五)Signal
- Backtrader量化平台教程(四)SSA策略实际案例
- Backtrader量化平台教程-Portfolio级别的回测(九)
- Backtrader量化平台教程(三)Indicator
- Backtrader量化平台教程(二):Strategy类
- Backtrader量化平台教程(八) TimeFrame
- Backtrader量化平台教程(七)Optimizer
- 在Heroku云平台上部署Python的Django框架的教程
- 一、MTK6580 平台 Camera 驱动整体框架
- Zend Framework教程-ZendFramework框架设计略谈-相关设计模式以及整体设计
- 一、MTK6580 平台 Camera 驱动整体框架
- 量化多因子策略回测框架Backtest
- 基于JavaEE平台实战WebService框架Xfire+Ajax框架DWR视频教程
- 微信第三方平台开发——整体框架示意图
- 基于.NET平台的Ocelot网关框架教程汇总
- 教程下载(Alpha)整体完成!
- Tomcat研究 -- 整体框架
- [《.net框架程序设计》]第一章 Microsoft .NET框架开发平台体系结构
- Microsoft .Net 框架 SDK 快速入门教程