Backtrader量化平台教程（六）Analyzer

1.什么是Anayzer        

        我们写了一个策略，跑了一下，看了一下图，觉得不错。但是，究竟我们的策略如何呢？譬如，Sharpe Ratio是多少，最大回撤是多少等等。这些指标我们如何获取呢？在backtrader中，给我们提供了获取这些指标的途径，就是Analyzer。顾名思义，就是分析师。

        这里我们要提一下，Analyzer与Lines这一类数据是不一样的。显然的，Analyzer是在你跑完策略之后给你一个结果，不会每时每刻都有一个数据产生。但是我们要说明的是在backtrader的内部，其实Analyzer也是一种Lines，这可能是出于代码后期兼容性和可扩展性的考虑吧，作为end user，其实不用考虑那么多。

2.如何使用Anayzer

        具体怎么使用Analyzer呢？和Strategy、Observe和Datas一样，我们把我们想要的Analyzer加入到cerebro中就可以了，具体使用的方法是：

        addanalyzer()

# -*- coding: utf-8 -*-

from __future__ import (absolute_import, division, print_function,
unicode_literals)

import datetime # For datetime objects
import pandas as pd
import backtrader as bt
import numpy as np

# Create a Stratey
class MyStrategy(bt.Strategy):
params = (
('ssa_window', 15),
('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

# To keep track of pending orders and buy price/commission
self.order = None
self.buyprice = None
self.buycomm = None

self.sma = bt.indicators.SimpleMovingAverage(
self.datas[0], period=self.params.maperiod)
def notify_order(self, order):
if order.status in [order.Submitted, order.Accepted]:
return

if order.status in [order.Completed]:
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: # Sell
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

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:
return
if not self.position:
if self.dataclose[0] > self.sma[0]:
self.log('BUY CREATE, %.2f' % self.dataclose[0])
self.order = self.buy()
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()
cerebro.addstrategy(MyStrategy)
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)
)
cerebro.adddata(data)
cerebro.broker.setcash(100.0)
cerebro.addsizer(bt.sizers.FixedSize, stake=10)
cerebro.broker.setcommission(commission=0.0)
print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())
cerebro.addanalyzer(bt.analyzers.SharpeRatio, _name = 'SharpeRatio')
cerebro.addanalyzer(bt.analyzers.DrawDown, _name='DW')
results = cerebro.run()
strat = results[0]
print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())
print('SR:', strat.analyzers.SharpeRatio.get_analysis())
print('DW:', strat.analyzers.DW.get_analysis())
cerebro.plot()
         用的还是我们之前SMA的例子。我们着重看一下我们的analyzer是怎么添加和使用的。
cerebro.addanalyzer(bt.analyzers.SharpeRatio, _name = 'SharpeRatio')
cerebro.addanalyzer(bt.analyzers.DrawDown, _name='DW')
results = cerebro.run()
strat = results[0]
print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())
print('SR:', strat.analyzers.SharpeRatio.get_analysis())
print('DW:', strat.analyzers.DW.get_analysis())
cerebro.plot()
        我们看一下，在rcerebro run之前，我们先添加了两个analyzer：SharpeRatio和DrawDown，在添加的时候，我们分别对这两个anayzer命令名，也就是

_name = 'SharpeRatio'与 _name='DW'

        为了使用这一anayzer，我们需要获取cerebro run之后的返回值，然后获取策略相关信息，

results = cerebro.run()
strat = results[0]        这一部分在后续解析cerebro时再展开。
print('SR:', strat.analyzers.SharpeRatio.get_analysis())
print('DW:', strat.analyzers.DW.get_analysis())        这里，我们就获取了这一策略的SharpeRatio与回撤的信息了。



        我们可以看到，回撤信息布置最大回撤，还有好多。

3.有哪些指标

        那么，具体，有哪些Analyzer呢？

        笔者大概列了一下：

AnnualReturn

Calmar

DrawDown

TimeDrawDown

GrossLeverage

PositionsValue

PyFolio

LogReturnsRolling

PeriodStats

Returns

SharpeRatio

SharpeRatio_A

SQN

TimeReturn

TradeAnalyzer

Transactions

VWR

        大概有这么些，具体后续用到了再详细讲解。