Backtrader量化平台教程(一):backtrader的整体框架
AD:(本人录制的backtrader视频课程,大家多多支持哦~ https://edu.csdn.net/course/detail/9040)
无意中发现了一个巨牛的人工智能教程,忍不住分享一下给大家。教程不仅是零基础,通俗易懂,而且非常风趣幽默,像看小说一样!觉得太牛了,所以分享给大家。教程链接:https://www.cbedai.net/qtlyx
backtrader是一个量化策略的回测分析平台,功能还是很强大的。
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] dataseriesself.dataclose = self.datas[0].close# To keep track of pending ordersself.order = Nonedef notify(self, order):if order.status in [order.Submitted, order.Accepted]:# Buy/Sell order submitted/accepted to/by broker - Nothing to doreturn# Check if an order has been completed# Attention: broker could reject order if not enougth cashif 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 orderself.order = Nonedef next(self):# Simply log the closing price of the series from the referenceself.log('Close, %.2f' % self.dataclose[0])# Check if an order is pending ... if yes, we cannot send a 2nd oneif self.order:return# Check if we are in the marketif not self.position:# Not yet ... we MIGHT BUY if ...if self.dataclose[0] < self.dataclose[-1]:# current close less than previous closeif 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 orderself.order = self.buy()else:# Already in the market ... we might sellif 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 orderself.order = self.sell()if __name__ == '__main__':# Create a cerebro entitycerebro = bt.Cerebro()# Add a strategycerebro.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'] = 0data = bt.feeds.PandasData(dataname=dataframe,fromdate = datetime.datetime(2015, 1, 1),todate = datetime.datetime(2016, 12, 31))# Add the Data Feed to Cerebrocerebro.adddata(data)# Set our desired cash startcerebro.broker.setcash(100000.0)# Print out the starting conditionsprint('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())# Run over everythingcerebro.run()# Print out the final resultprint('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())# Plot the resultcerebro.plot()
上面这段代码整个框架来自于backtrader的官网(https://www.backtrader.com),笔者自己修改了获取数据的方式。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(数据文件下文有提到)。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 entitycerebro = bt.Cerebro()
然后把之前的数据喂给大脑:
# Add the Data Feed to Cerebrocerebro.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 strategycerebro.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 startcerebro.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 resultcerebro.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!
Backtrader量化平台教程(一):backtrader的整体框架相关推荐
- backtrader量化平台教程(二)第一个可用的策略
第一个可用的策略 指数基金的收益率怎么样? 写一个实用的策略,验证指数基金的收益情况. 获取回测数据 我们从证券宝baostock免费获取中证500(000905)指数数据. 这里我们写了一个工具ge ...
- 浅谈opencl之整体框架
结合四大模型,以CPU和GPU平台为例子,opencl整体框架如下: CPU为host端, GPU为device端, host和device端的交互是以context为主.context贯穿到整个op ...
- Backtrader 基本使用教程 — 量化投资实战教程(1)
都说Python可以用于量化投资,但是很多人都不知道该怎么做,甚至觉得是非常高深的知识,其实并非如此,任何人都可以在只有一点Python的基础上回测一个简单的策略. Backtrader是一个基于Py ...
- backtrader量化回测,基础篇,附MACD交易回测代码
backtrader由德国工程师开发,拥有股票的回测,检测交易策略,支持期货实时交易,对于股票交易还在完善,我尝试了pylagotrade,vn.py,发现backtrader功能强大,交易策略全面, ...
- 扫地僧AI量化平台Qlib给力教程系列一:核心篇
自从去年微软发表Qlib以来,Qlib经历重大升级修订,许多以往的技术介绍文章已经过时.不少学习了Qlib的小伙伴还是经常有疑问: Qlib中怎样使用自己的行情数据? Qlib中怎样自定义因子? In ...
- zipline量化平台----本地化(上)
无意中发现了一个巨牛的人工智能教程,忍不住分享一下给大家.教程不仅是零基础,通俗易懂,而且非常风趣幽默,像看小说一样!觉得太牛了,所以分享给大家.教程链接:https://www.cbedai.net ...
- 国外量化平台-quantopian体验
文章目录 整体感觉 开始(Getting Started) https://www.quantopian.com 整体感觉 优点: 1,功能较全,现在还没有太多感触.但国内的量化平台都是仿照国外的,很 ...
- 如何使用ricequant量化平台进行落单和回测
如何使用ricequant量化平台进行落单和回测: def init(context): : context.s1 = "000001.XSHE" update_ ...
- python量化平台怎么搭建_Python_量化投资领域, 平台, 交易策略, 项目全覆盖
Python在量化领域的现状 就跟Java在web领域无可撼动的地位一样,Python也已经在金融量化投资领域占据了重要位置,从各个业务链条都能找到相应的框架实现. 在量化投资(证券和比特币)开源项目 ...
- Java在Quant应用_BigQuant人工智能量化平台使用
BigQuant人工智能量化平台使用 BigQuant人工智能量化平台使用 @Author : By Runsen 在2020年一月初,也是我大三上的寒假,我开始写书,为什么呢?因为化工原理和化工热力 ...
最新文章
- mac 中 Mach-O
- Windows Phone:如何检查WMAppManifest中的Capability属性
- 组合数据类型练习,英文词频统计实例9-21
- linux apt-get 安装 根目录,技术|apt-get 和 apt-cache 命令实例展示
- React中的CSS——styled-components
- Tensorflow中使用tfrecord,队列方式读取数据
- 经典排序算法 - 归并排序Merge sort
- mysql创建用户navicat_14MYSQL创建用户和授权、15Navicat的使用、16-pymysql模块的使用、17-索引...
- 计算机网络管理的应用,计算机网络管理技术及应用
- 2019最烂密码榜单出炉,教你设置神级密码!
- 日志管理工具 journalctl用法
- python制作简单网页_用python制作简单网页
- 什么是TorchScript
- 微服务是银弹还是焦油坑?
- [摘录]第一部分 掌舵领航(2)
- html游戏手柄,纯CSS3实现的游戏控制手柄
- 完成对靓号号码的筛选
- HTML---下拉框、列表框使用详解(select 与 option)
- 【PS-海报】地产海报学习笔记
- 【Python虚拟环境】Windows环境下Python虚拟环境的创建与激活