这几天学习了backtrader做股票数据的回测，先用快线慢线交叉的sma金叉策略对工商银行进行回测。
数据源来自baostock.com，由于数据没有复权，因此跳过2020年6月的分红日，取了2020年7月1日-
2021年3月31日的数据进行回测。
回测代码如下
import datetime
import pandas as pd
import backtrader as bt
import matplotlib
class SmaCross(bt.Strategy):
# 全局设定交易策略的参数
params = (('pfast', 5), ('pslow', 20),)
def __init__(self):
sma1 = bt.ind.SMA(period=self.p.pfast) # fast moving average
sma2 = bt.ind.SMA(period=self.p.pslow) # slow moving average
self.crossover = bt.ind.CrossOver(sma1, sma2) # crossover signal
def next(self):
if self.crossover > 0: # if fast crosses slow to the upside
self.close()
print(self.position)
self.buy(size=1500) # enter long
print("Buy {} shares".format( self.data.close[0]))
print(self.position)
elif self.crossover < 0: # in the market & cross to the downside
self.close()# close long position
print(self.position)
self.sell(size=1500)
print("Sale {} shares".format(self.data.close[0]))
print(self.position)
def bt1():
#从文件gsyh.csv读取数据
dataframe = pd.read_csv('C:/gsyh.csv', index_col=0, parse_dates=True)
dataframe['openinterest'] = 0
data = bt.feeds.PandasData(dataname=dataframe,
fromdate = datetime.datetime(2020, 7, 1),
todate = datetime.datetime(2021, 3, 31))
# 初始化cerebro回测系统设置
cerebro = bt.Cerebro()
# 将数据传入回测系统
cerebro.adddata(data)
# 将交易策略加载到回测系统中
cerebro.addstrategy(SmaCross)
# 设置初始资本为10,000
startcash = 10000
cerebro.broker.setcash(startcash)
# 设置交易手续费为 0.1%
cerebro.broker.setcommission(commission=0.001)
# 运行回测系统
cerebro.run()
# 获取回测结束后的总资金
portvalue = cerebro.broker.getvalue()
pnl = portvalue - startcash
print(f'净收益: {round(pnl,2)}')
# 打印结果
print(f'总资金: {round(portvalue,2)}')
cerebro.plot(style='candlestick')
if __name__ == '__main__':
bt1()
运行结果如下：
净收益: -729.04
总资金: 9270.96
最后看结果，还是出现了亏损。说明经典sma金叉策略过于简单了，很难赚钱。