backtrader簡介
backtrader是基於Python的量化回測框架，優點是運行速度快，支持pandas的矢量運算；支持參數自動尋優運算，內置了talib股票分析技術指標庫；支持多品種、多策略、多周期的回測和交易；支持pyflio、empyrica分析模塊庫、alphalens多因子分析模塊庫等；擴展靈活，可以集成TensorFlow、PyTorch和Keras等機器學習、神經網絡分析模塊。
如果將backtrader包分解為核心組件，主要包括以下組成部分：
（1）數據加載（Data Feed）：將交易策略的數據加載到回測框架中。
（2）交易策略（Strategy）：該模塊是編程過程中最復雜的部分，需要設計交易決策，得出買入/賣出信號。
（3）回測框架設置（ Cerebro）：需要設置（i）初始資金（ii）佣金（iii）數據饋送（iv）交易策略（v）交易頭寸大小。
（4）運行回測：運行Cerebro回測並打印出所有已執行的交易。
（5）評估性能（Analyzers）:以圖形和風險收益等指標對交易策略的回測結果進行評價。
“Lines”是backtrader回測的數據，由一系列的點組成，通常包括以下類別的數據：Open（開盤價）, High（最高價）, Low（最低價）, Close（收盤價）, Volume（成交量）, OpenInterest（無的話設置為0）。Data Feeds（數據加載）、Indicators（技術指標）和Strategies（策略）都會生成 Lines。價格數據中的所有”Open” (開盤價)按時間組成一條 Line。所以，一組含有以上6個類別的價格數據，共有6條 Lines。如果算上“DateTime”（時間，可以看作是一組數據的主鍵），一共有7條 Lines。當訪問一條 Line 的數據時，會默認指向下標為 0 的數據。最后一個數據通過下標 -1 來訪問，在-1之后是索引0，用於訪問當前時刻。因此，在回測過程中，無需知道已經處理了多少條/分鍾/天/月，”0”一直指向當前值，下標 -1 來訪問最后一個值。
編寫回測應用
構建策略（Strategy）
每一個策略都是一個類，是一個繼承bt.Strategy類的父類。
策略類代碼包含重要的參數和用於執行策略的功能，要定義的參數或函數名如下：
（1）params-全局參數，可選：更改交易策略中變量/參數的值，可用於參數調優。
（2）log：日志，可選：記錄策略的執行日志，可以打印出該函數提供的日期時間和txt變量。
（3） __init__：用於初始化交易策略的類實例的代碼。
（4）notify_order，可選：跟蹤交易指令（order）的狀態。order具有提交，接受，買入/賣出執行和價格，已取消/拒絕等狀態。
（5）notify_trade，可選：跟蹤交易的狀態，任何已平倉的交易都將報告毛利和凈利潤。
（6）next，必選：制定交易策略的函數，策略模塊最核心的部分。
下面以一個簡單的單均線策略為例，展示backtrader策略的編寫過程，即當收盤價上漲突破20日均線買入（做多），當收盤價下跌跌穿20日均線賣出（做空）。為簡單起見，不報告交易回測的日志，因此log、notify_order和notify_trade函數省略不寫。
class my_strategy1(bt.Strategy): #全局設定交易策略的參數 params=( ('maperiod',20), ) def __init__(self): #指定價格序列 self.dataclose=self.datas[0].close # 初始化交易指令、買賣價格和手續費 self.order = None self.buyprice = None self.buycomm = None #添加移動均線指標，內置了talib模塊 self.sma = bt.indicators.SimpleMovingAverage( self.datas[0], period=self.params.maperiod) def next(self): if self.order: # 檢查是否有指令等待執行, return # 檢查是否持倉 if not self.position: # 沒有持倉 #執行買入條件判斷：收盤價格上漲突破20日均線 if self.dataclose[0] > self.sma[0]: #執行買入 self.order = self.buy(size=500) else: #執行賣出條件判斷：收盤價格跌破20日均線 if self.dataclose[0] < self.sma[0]: #執行賣出 self.order = self.sell(size=500)
self.dataclose[0] # 當日的收盤價 self.dataclose[-1] # 昨天的收盤價 self.dataclose[-2] # 前天的收盤價
獲取數據加載數據
#使用tushare舊版接口獲取數據 import tushare as ts def get_data(code,start='2010-01-01',end='2020-03-31'): df=ts.get_k_data(code,autype='qfq',start=start,end=end) df.index=pd.to_datetime(df.date) df['openinterest']=0 df=df[['open','high','low','close','volume','openinterest']] return df dataframe=get_data('600000') #回測期間 start=datetime(2010, 3, 31) end=datetime(2020, 3, 31) # 加載數據 data = bt.feeds.PandasData(dataname=dataframe,fromdate=start,todate=end)
這里需要注意backtrader對每種數據的來源都有一定的標准。backtrader對於pandas的標准就是這些列的名字是open，close，high，low，volume，openinterest。
我們通過ts獲取數據的列為：open close high low volume code，我們還需要在此基礎上添加一列openinterest，我們這里沒有用到openinterest，所以把它設置為零就可以了：df['openinterest']=0。
另外backtrader要求pandas下的DataFeed、DataFrame的index是時間，所以設置：df.index=pd.to_datetime(df.date)
最后：df=df[['open','high','low','close','volume','openinterest']]
創建並設置模型
#回測期間 start=datetime(2010, 3, 31) end=datetime(2020, 3, 31) # 加載數據 data = bt.feeds.PandasData(dataname=dataframe,fromdate=start,todate=end) # 初始化cerebro回測系統設置 cerebro = bt.Cerebro() #將數據傳入回測系統 cerebro.adddata(data) # 將交易策略加載到回測系統中 cerebro.addstrategy(my_strategy1) # 設置初始資本為10,0000 startcash = 100000 cerebro.broker.setcash(startcash) # 設置交易手續費為 0.2% cerebro.broker.setcommission(commission=0.002)
執行回測並可視化
d1=start.strftime('%Y%m%d') d2=end.strftime('%Y%m%d') print(f'初始資金: {startcash}\n回測期間：{d1}:{d2}') #運行回測系統 cerebro.run() #獲取回測結束后的總資金 portvalue = cerebro.broker.getvalue() pnl = portvalue - startcash #打印結果 print(f'總資金: {round(portvalue,2)}') cerebro.plot()
源碼
# -*- coding:utf-8 -*- #正常顯示畫圖時出現的中文和負號 from pylab import mpl mpl.rcParams['font.sans-serif']=['SimHei'] import pandas as pd from datetime import datetime import backtrader as bt import tushare as ts #策略 class my_strategy1(bt.Strategy): #全局設定交易策略的參數 params=( ('maperiod',20), ) def __init__(self): #指定價格序列 self.dataclose=self.datas[0].close # 初始化交易指令、買賣價格和手續費 self.order = None self.buyprice = None self.buycomm = None #添加移動均線指標，內置了talib模塊 self.sma = bt.indicators.SimpleMovingAverage( self.datas[0], period=self.params.maperiod) def next(self): if self.order: # 檢查是否有指令等待執行, return # 檢查是否持倉 if not self.position: # 沒有持倉 #執行買入條件判斷：收盤價格上漲突破20日均線 if self.dataclose[0] > self.sma[0]: #執行買入 self.order = self.buy(size=500) else: #執行賣出條件判斷：收盤價格跌破20日均線 if self.dataclose[0] < self.sma[0]: #執行賣出 self.order = self.sell(size=500) def get_data(code,start='2010-01-01',end='2020-03-31'): df=ts.get_k_data(code,autype='qfq',start=start,end=end) #獲取的數據格式： open close high low volume code #將date變成DataFrame的index df.index=pd.to_datetime(df.date) df['openinterest']=0 df=df[['open','high','low','close','volume','openinterest']] return df if __name__ == "__main__": #獲取數據 dataframe=get_data('600000') #回測期間 start=datetime(2010, 3, 31) end=datetime(2020, 3, 31) # 加載數據 data = bt.feeds.PandasData(dataname=dataframe,fromdate=start,todate=end) # 初始化cerebro回測系統設置 cerebro = bt.Cerebro() #將數據傳入回測系統 cerebro.adddata(data) # 將交易策略加載到回測系統中 cerebro.addstrategy(my_strategy1) # 設置初始資本為10,000 startcash = 100000 cerebro.broker.setcash(startcash) # 設置交易手續費為 0.2% cerebro.broker.setcommission(commission=0.002) d1=start.strftime('%Y%m%d') d2=end.strftime('%Y%m%d') print(f'初始資金: {startcash}\n回測期間：{d1}:{d2}') #運行回測系統 cerebro.run() #獲取回測結束后的總資金 portvalue = cerebro.broker.getvalue() pnl = portvalue - startcash #打印結果 print(f'總資金: {round(portvalue,2)}') cerebro.plot()
backtrader官方文檔：
https://www.backtrader.com/docu/
refer：
https://zhuanlan.zhihu.com/p/122183963