Backtrader 量化回测实践(1)—— 架构理解和MACD/KDJ混合指标

2024-02-21 07:44

本文主要是介绍Backtrader 量化回测实践(1)—— 架构理解和MACD/KDJ混合指标,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

Backtrader 量化回测实践(1)—— 架构理解和MACD/KDJ混合指标

按Backtrader的架构组织,整理了一个代码,包括了Backtrader所有的功能点,原来总是使用SMA最简单的指标,现在稍微增加了复杂性,用MACD和KDJ两个指标综合作为操作指标,因此买入卖出操作就比较少,还有就是买入的时候,采用了限价单,整个的交易频率不高,所以图示交易点比较少,也符合多看少动的交易理念。
通过代码结合架构图,可以充分去理解整个Backtrader的功能设计思路,前面一个功能一个功能学习理解,现在把所有的功能综合在一起进行展示,小有成就感。

回测的操作过程 :

  • #1.实例初始化
  • #2.加载数据 Data feeds
  • #3.加载策略 Strategy
  • #4.加载分析器 Analyzers
  • #5.加载观察者 Observers
  • #6.设置仓位管理 Sizers
  • #7.设置佣金管理 Commission
  • #8.设置初始资金
  • #9.启动回测
  • #10.回测结果

1. Backtrader的架构

在这里插入图片描述

2. 代码

import pandas as pd
import numpy as npimport common # get data
import datetime
import backtrader as bt# 定义Observer
class OrderObserver(bt.observer.Observer):lines = ('created', 'expired',)# 做图参数设置plotinfo = dict(plot=True, subplot=True, plotlinelabels=True)# 创建工单 * 标识,过期工单 方块 标识plotlines = dict(created=dict(marker='*', markersize=8.0, color='lime', fillstyle='full'),expired=dict(marker='s', markersize=8.0, color='red', fillstyle='full'))# 处理 Linesdef next(self):for order in self._owner._orderspending:if order.data is not self.data:continueif not order.isbuy():continue# Only interested in "buy" orders, because the sell orders# in the strategy are Market orders and will be immediately# executedif order.status in [bt.Order.Accepted, bt.Order.Submitted]:self.lines.created[0] = order.created.priceelif order.status in [bt.Order.Expired]:self.lines.expired[0] = order.created.price# 定义策略
class MACD_KDJStrategy(bt.Strategy):# 策略参数params = (('highperiod', 9),('lowperiod', 9),('kperiod', 3),('dperiod', 3),('me1period', 12),('me2period', 26),('signalperiod', 9),('limitperc', 1.0), # 限价比例 ,下跌1个百分点才买入,目的可以展示Observer的过期单('valid', 7), # 限价周期('print', False),('counter', 0),  # 计数器)def log(self, txt, dt=None):""" Logging function fot this strategy"""dt = dt or self.datas[0].datetime.date(0)if self.params.print:print("%s, %s" % (dt.isoformat(), txt))def __init__(self):# 初始化全局变量,备用self.dataclose = self.datas[0].closeself.dataopen = self.datas[0].openself.datahigh = self.datas[0].highself.datalow = self.datas[0].lowself.volume = self.datas[0].volumeself.order = Noneself.buyprice = Noneself.buycomm = None# N个交易日内最高价self.highest = bt.indicators.Highest(self.data.high, period=self.p.highperiod)# N个交易日内最低价self.lowest = bt.indicators.Lowest(self.data.low, period=self.p.lowperiod)# 计算rsv值 RSV=(CLOSE- LOW) / (HIGH-LOW) * 100# 如果被除数0 ,为Noneself.rsv = 100 * bt.DivByZero(self.data_close - self.lowest, self.highest - self.lowest, zero=None)# 计算rsv的N个周期加权平均值,即K值self.K = bt.indicators.EMA(self.rsv, period=self.p.kperiod, plot=False)# D值=K值 的N个周期加权平均值self.D = bt.indicators.EMA(self.K, period=self.p.dperiod, plot=False)# J=3*K-2*Dself.J = 3 * self.K - 2 * self.D# MACD策略参数me1 = bt.indicators.EMA(self.data, period=self.p.me1period, plot=True)me2 = bt.indicators.EMA(self.data, period=self.p.me2period, plot=True)self.macd = me1 - me2self.signal = bt.indicators.EMA(self.macd, period=self.p.signalperiod)bt.indicators.MACDHisto(self.data)# 订单通知处理def notify_order(self, order):if order.status in [order.Submitted, order.Accepted]:returnif 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.priceself.buycomm = order.executed.commself.bar_executed_close = self.dataclose[0]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# 交易通知处理def notify_trade(self, trade):if not trade.isclosed:returnself.log("OPERATION PROFIT, GROSS %.2f, NET %.2f" % (trade.pnl, trade.pnlcomm))# 策略执行def next(self):self.log("Close, %.2f" % self.dataclose[0])if self.order:return# 空仓中,开仓买入if not self.position:# 买入基于MACD策略condition1 = self.macd[-1] - self.signal[-1] # 昨天低于signalcondition2 = self.macd[0] - self.signal[0] # 今天高于signal# 买入基于KDJ策略 K值大于D值,K线向上突破D线时,为买进信号。下跌趋势中,K值小于D值,K线向下跌破D线时,为卖出信号。condition3 = self.K[-1] - self.D[-1] # 昨天J低于Dcondition4 = self.K[0] - self.D[0]   # 今天J高于Dif condition1 < 0 and condition2 > 0 and condition3 < 0 and condition4 > 0 :self.log('BUY CREATE, %.2f' % self.dataclose[0])plimit = self.data.close[0] * (1.0 - self.p.limitperc / 100.0)valid = self.data.datetime.date(0) + datetime.timedelta(days=self.p.valid)self.log('BUY CREATE, %.2f' % plimit)# 限价购买self.buy(exectype=bt.Order.Limit, price=plimit, valid=valid)else:# 卖出基于MACD策略condition1 = self.macd[-1] - self.signal[-1]condition2 = self.macd[0] - self.signal[0]# 卖出基于KDJ策略condition3 = self.K[-1] - self.D[-1]condition4 = self.D[0] - self.D[0]if condition1 > 0 and condition2 < 0 and (condition3 > 0 or condition4 < 0):self.log("SELL CREATE, %.2f" % self.dataclose[0])self.order = self.sell()def start(self):# 从0 开始# self.params.counter += 1self.log('Strategy start %s' % self.params.counter)def nextstart(self):self.params.counter += 1self.log('Strategy nextstart %s' % self.params.counter)def prenext(self):self.params.counter += 1self.log('Strategy prenext  %s' % self.params.counter)def stop(self):self.params.counter += 1self.log('Strategy stop  %s' % self.params.counter)self.log('Ending Value %.2f' % ( self.broker.getvalue()))if __name__ == "__main__":tframes = dict(days=bt.TimeFrame.Days,weeks=bt.TimeFrame.Weeks,months=bt.TimeFrame.Months,years=bt.TimeFrame.Years)#1.实例初始化cerebro = bt.Cerebro()# 2.加载数据 Data feeds# 加载数据到模型中,由dataframe 到 Lines 数据类型,查询10年数据到dataframestock_df = common.get_data('000858.SZ','2010-01-01','2021-01-01')# 加载5年数据进行分析start_date = datetime.datetime(2016, 1, 1)  # 回测开始时间end_date = datetime.datetime(2020, 12, 31)  # 回测结束时间# bt数据转换data = bt.feeds.PandasData(dataname=stock_df, fromdate=start_date, todate=end_date)# bt加载数据cerebro.adddata(data)#3.加载策略 Strategycerebro.addstrategy(MACD_KDJStrategy)#4.加载分析器 Analyzerscerebro.addanalyzer(bt.analyzers.SharpeRatio, _name='mysharpe')cerebro.addanalyzer(bt.analyzers.DrawDown,_name = 'mydrawdown')cerebro.addanalyzer(bt.analyzers.AnnualReturn,_name = 'myannualreturn')#5.加载观察者 Observerscerebro.addobserver(OrderObserver)#6.设置仓位管理 Sizerscerebro.addsizer(bt.sizers.FixedSize, stake=100)#7.设置佣金管理 Commissioncerebro.broker.setcommission(commission=0.002)#8.设置初始资金cerebro.broker.setcash(100000)print("Starting Portfolio Value: %.2f" % cerebro.broker.getvalue())#9.启动回测checkstrats = cerebro.run()#数据源0 返回值处理checkstrat = checkstrats[0]#10.回测结果print("Final Portfolio Value: %.2f" % cerebro.broker.getvalue())print('夏普率:')for k, v in checkstrat.analyzers.mysharpe.get_analysis().items():print(k, ':', v)print('最大回测:')for k, v in checkstrat.analyzers.mydrawdown.get_analysis()['max'].items():print('max ', k, ':', v)print('年化收益率:')for year, ann_ret in checkstrat.analyzers.myannualreturn.get_analysis().items():print(year, ':', ann_ret)#11.回测图示cerebro.plot()

3.输出

Starting Portfolio Value: 100000.00
Final Portfolio Value: 109320.46
夏普率:
sharperatio : 0.24167200140493122
最大回测:
max  len : 323
max  drawdown : 4.220391363516371
max  moneydown : 4426.0
年化收益率:
2016 : 0.0
2017 : 0.03684790760000012
2018 : -0.027969386625977366
2019 : 0.07656254422728326
2020 : 0.007551367384477592

4.图示

在这里插入图片描述
做个有趣的猜测,如果对市场上所有的stock代码按程序的遍历一遍,不知道盈亏情况,比例如何?另外一个关心的就是消耗时间?

如果大家有兴趣知道结果,点赞收藏超过100 ,就做个Excel ,给大家看看效果。

仅供学习参考,不做交易操作依据。

这篇关于Backtrader 量化回测实践(1)—— 架构理解和MACD/KDJ混合指标的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/731035

相关文章

Spring Boot 配置文件之类型、加载顺序与最佳实践记录

《SpringBoot配置文件之类型、加载顺序与最佳实践记录》SpringBoot的配置文件是灵活且强大的工具,通过合理的配置管理,可以让应用开发和部署更加高效,无论是简单的属性配置,还是复杂... 目录Spring Boot 配置文件详解一、Spring Boot 配置文件类型1.1 applicatio

tomcat多实例部署的项目实践

《tomcat多实例部署的项目实践》Tomcat多实例是指在一台设备上运行多个Tomcat服务,这些Tomcat相互独立,本文主要介绍了tomcat多实例部署的项目实践,具有一定的参考价值,感兴趣的可... 目录1.创建项目目录,测试文China编程件2js.创建实例的安装目录3.准备实例的配置文件4.编辑实例的

Python 中的异步与同步深度解析(实践记录)

《Python中的异步与同步深度解析(实践记录)》在Python编程世界里,异步和同步的概念是理解程序执行流程和性能优化的关键,这篇文章将带你深入了解它们的差异,以及阻塞和非阻塞的特性,同时通过实际... 目录python中的异步与同步:深度解析与实践异步与同步的定义异步同步阻塞与非阻塞的概念阻塞非阻塞同步

Java异常架构Exception(异常)详解

《Java异常架构Exception(异常)详解》:本文主要介绍Java异常架构Exception(异常),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1. Exception 类的概述Exception的分类2. 受检异常(Checked Exception)

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

springboot集成Deepseek4j的项目实践

《springboot集成Deepseek4j的项目实践》本文主要介绍了springboot集成Deepseek4j的项目实践,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价... 目录Deepseek4j快速开始Maven 依js赖基础配置基础使用示例1. 流式返回示例2. 进阶

Android App安装列表获取方法(实践方案)

《AndroidApp安装列表获取方法(实践方案)》文章介绍了Android11及以上版本获取应用列表的方案调整,包括权限配置、白名单配置和action配置三种方式,并提供了相应的Java和Kotl... 目录前言实现方案         方案概述一、 androidManifest 三种配置方式

Spring Boot中定时任务Cron表达式的终极指南最佳实践记录

《SpringBoot中定时任务Cron表达式的终极指南最佳实践记录》本文详细介绍了SpringBoot中定时任务的实现方法,特别是Cron表达式的使用技巧和高级用法,从基础语法到复杂场景,从快速启... 目录一、Cron表达式基础1.1 Cron表达式结构1.2 核心语法规则二、Spring Boot中定

Ubuntu中Nginx虚拟主机设置的项目实践

《Ubuntu中Nginx虚拟主机设置的项目实践》通过配置虚拟主机,可以在同一台服务器上运行多个独立的网站,本文主要介绍了Ubuntu中Nginx虚拟主机设置的项目实践,具有一定的参考价值,感兴趣的可... 目录简介安装 Nginx创建虚拟主机1. 创建网站目录2. 创建默认索引文件3. 配置 Nginx4

Nginx实现高并发的项目实践

《Nginx实现高并发的项目实践》本文主要介绍了Nginx实现高并发的项目实践,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧... 目录使用最新稳定版本的Nginx合理配置工作进程(workers)配置工作进程连接数(worker_co