<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[OlqCommon_Lisp的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/OlqCommon_Lisp</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; OlqCommon_Lisp]]></copyright><item><title><![CDATA[使用backtrader编写代码注释]]></title><link>https://blog.csdn.net/OlqCommon_Lisp/article/details/133256012</link><guid>https://blog.csdn.net/OlqCommon_Lisp/article/details/133256012</guid><author>OlqCommon_Lisp</author><pubDate>Sun, 24 Sep 2023 23:40:13 +0800</pubDate><description><![CDATA[方法中，我们通过比较当前收盘价与移动平均线的值来生成交易信号。backtrader是一个功能丰富的交易框架，可以帮助开发者快速开发和测试量化交易策略。通过合理编写代码注释，可以提高代码的可读性和可维护性，从而更好地进行策略回测和优化。backtrader是一个功能强大的Python交易框架，可以帮助开发者进行量化交易和回测策略的开发。在本文中，我们将介绍如何使用backtrader编写代码注释。在注释中，我们对每个关键部分进行了简要的说明。对象，并向其添加了我们定义的策略。方法中，我们使用内置指标。]]></description><category></category></item><item><title><![CDATA[基本概念：市价止损单与限价止损单的创建和撮合逻辑]]></title><link>https://blog.csdn.net/OlqCommon_Lisp/article/details/133255431</link><guid>https://blog.csdn.net/OlqCommon_Lisp/article/details/133255431</guid><author>OlqCommon_Lisp</author><pubDate>Sun, 24 Sep 2023 23:01:44 +0800</pubDate><description><![CDATA[止损单是一种常用的风险控制工具，用于在市场价格达到特定水平时触发交易操作。本文将介绍backtrader框架中市价止损单和限价止损单的创建和撮合逻辑，并提供相应的源代码和描述。当市场价格达到或低于止损价格时，系统会按照设定的价格进行成交。和市价止损单类似，我们需要在策略类中初始化止损价格，并在适当的时机创建限价止损单。首先，我们需要定义一个策略类，并在其中初始化止损价格和触发条件。方法中，我们通过比较当前价格和止损价格来触发市价止损单的创建。会创建一个市价卖出订单，并在当前价格处成交。表示当前是否有持仓。]]></description><category></category></item><item><title><![CDATA[Backtrader的元编程技术解析]]></title><link>https://blog.csdn.net/OlqCommon_Lisp/article/details/133251541</link><guid>https://blog.csdn.net/OlqCommon_Lisp/article/details/133251541</guid><author>OlqCommon_Lisp</author><pubDate>Sun, 24 Sep 2023 20:47:14 +0800</pubDate><description><![CDATA[综上所述，Backtrader 采用了丰富的元编程技术，以提供更灵活和可扩展的交易策略开发环境。通过动态创建策略类、运行时参数配置以及策略组合和自定义指标等元编程技术，Backtrader 能够满足不同交易策略的需求，同时提供更高的灵活性和定制化能力。作为一款功能强大的量化交易框架，Backtrader 采用了丰富的元编程技术，以提供更加灵活和可扩展的交易策略开发环境。Backtrader 的元编程技术还允许用户通过组合现有的策略和指标来创建新的组合策略或自定义指标。的值，我们可以动态地改变策略的参数值。]]></description><category></category></item><item><title><![CDATA[如何使用Backtrader连接IB进行实盘交易？]]></title><link>https://blog.csdn.net/OlqCommon_Lisp/article/details/133249697</link><guid>https://blog.csdn.net/OlqCommon_Lisp/article/details/133249697</guid><author>OlqCommon_Lisp</author><pubDate>Sun, 24 Sep 2023 19:49:38 +0800</pubDate><description><![CDATA[Backtrader是一款强大的Python开源交易框架，它提供了连接多个经纪商进行实盘交易的功能。本文将介绍如何使用Backtrader连接Interactive Brokers（IB）进行实盘交易，并提供相应的源代码和描述。最后，我们需要在主程序中实例化策略对象和IBConnector对象，并将它们关联起来。接下来，我们需要创建一个Backtrader策略类。你可以根据自己的需要对策略进行更进一步的定义。的类，并实现一些必要的方法。类中，我们需要实现几个关键的方法。在这个例子中，我们首先创建了一个。]]></description><category></category></item><item><title><![CDATA[vwr.py和sqn.py 文件源代码解读]]></title><link>https://blog.csdn.net/OlqCommon_Lisp/article/details/133244084</link><guid>https://blog.csdn.net/OlqCommon_Lisp/article/details/133244084</guid><author>OlqCommon_Lisp</author><pubDate>Sun, 24 Sep 2023 16:41:13 +0800</pubDate><description><![CDATA[vwr.py文件定义了一个名为VWR的分析器类，该类继承自backtrader的Analyzer类。sqn.py文件定义了一个名为SQN的分析器类，也继承自backtrader的Analyzer类。通过解读vwr.py和sqn.py的源代码，我们了解了这两个文件的功能和实现细节。vwr.py用于计算投资组合的价值加权回报率，而sqn.py用于计算交易系统的系统质量指数。请注意，以上是对vwr.py和sqn.py文件源代码的简要解读。在本文中，我们将详细解读vwr.py和sqn.py两个文件的源代码。]]></description><category></category></item><item><title><![CDATA[backtrader框架中的跟踪止损订单创建与撮合机制]]></title><link>https://blog.csdn.net/OlqCommon_Lisp/article/details/133242305</link><guid>https://blog.csdn.net/OlqCommon_Lisp/article/details/133242305</guid><author>OlqCommon_Lisp</author><pubDate>Sun, 24 Sep 2023 15:47:30 +0800</pubDate><description><![CDATA[在该框架中，跟踪止损订单是一种常见的交易策略，可帮助投资者在价格下跌时保护其投资，并在价格回升时实现利润最大化。本文将介绍backtrader中跟踪止损订单的创建与撮合机制，并提供相应的源代码。当价格触及止损价位时，会生成一个停止订单，并在接下来的交易日执行撮合操作。注意：以上代码和示例仅用于演示backtrader框架中跟踪止损订单的概念，并不能作为实际交易策略的依据。然后，在每个时间步长中，我们检查是否需要触发止损，如果当日最低价低于止损价位，则执行止损订单；对象，并添加我们的策略。]]></description><category></category></item><item><title><![CDATA[backtrader的收盘价订单创建和撮合逻辑]]></title><link>https://blog.csdn.net/OlqCommon_Lisp/article/details/133239694</link><guid>https://blog.csdn.net/OlqCommon_Lisp/article/details/133239694</guid><author>OlqCommon_Lisp</author><pubDate>Sun, 24 Sep 2023 14:20:08 +0800</pubDate><description><![CDATA[本文将介绍如何使用backtrader创建和撮合基于收盘价的订单，并提供相应的源代码示例。方法中，我们首先判断当前是否已经有订单存在，如果是，则直接返回；backtrader提供了丰富的功能和灵活的接口，可以满足各种交易策略的需求。在这个策略类中，我们将实现创建和撮合基于收盘价的订单的逻辑。在上述代码中，我们首先使用pandas模块加载历史数据，并将其设置为backtrader所需的格式。方法是backtrader框架要求实现的策略方法，每次新的交易周期（例如日线、分钟线）时会被调用一次。]]></description><category></category></item><item><title><![CDATA[Backtrader是一款非常受欢迎的量化交易框架，它提供了丰富的功能和灵活的扩展性]]></title><link>https://blog.csdn.net/OlqCommon_Lisp/article/details/133235497</link><guid>https://blog.csdn.net/OlqCommon_Lisp/article/details/133235497</guid><author>OlqCommon_Lisp</author><pubDate>Sun, 24 Sep 2023 11:24:06 +0800</pubDate><description><![CDATA[Backtrader是一款非常受欢迎的量化交易框架，它提供了丰富的功能和灵活的扩展性。在使用Backtrader进行策略回测时，我们经常需要添加自定义的数据集，并设置相应的参数。通过编写上述工具函数，我们能够更加方便地添加自定义数据集，并且提高了代码的可读性和复用性。以上就是关于使用Backtrader快捷添加自定义数据集lines与params参数的工具函数的介绍，希望对你有所帮助！参数是一个字典，用于指定数据集的lines参数。参数是一个命名元组，用于指定数据集的参数。作为自定义数据集的类，并通过。]]></description><category></category></item><item><title><![CDATA[使用TWS API设置盈透证券的contract并获取contract信息]]></title><link>https://blog.csdn.net/OlqCommon_Lisp/article/details/133232711</link><guid>https://blog.csdn.net/OlqCommon_Lisp/article/details/133232711</guid><author>OlqCommon_Lisp</author><pubDate>Sun, 24 Sep 2023 09:52:08 +0800</pubDate><description><![CDATA[TWS（Trader Workstation）是盈透证券（Interactive Brokers）提供的一款强大的交易平台，通过它我们可以进行股票、期权、期货等金融产品的交易。在使用TWS API时，我们需要设置contract来指定我们感兴趣的金融产品，然后可以通过API获取该产品的相关信息。下面我们将介绍如何使用TWS API从盈透证券中设置contract并获取contract的信息，并附上相应的Python源代码。方法，在该方法中可以获取到contract的详细信息，并进行相应的处理。]]></description><category></category></item><item><title><![CDATA[使用backtrader实现股票回测狗股策略的升级版——基于股息率和市净率两个因子]]></title><link>https://blog.csdn.net/OlqCommon_Lisp/article/details/133230730</link><guid>https://blog.csdn.net/OlqCommon_Lisp/article/details/133230730</guid><author>OlqCommon_Lisp</author><pubDate>Sun, 24 Sep 2023 08:29:59 +0800</pubDate><description><![CDATA[首先，我们需要明确该策略的逻辑。该策略的目标是找到股息率高且市净率低的股票，以实现较好的长期投资回报。其中，基于股息率和市净率两个因子的策略是一种经典而有效的方法。在上述代码中，我们假设已经准备好了一个包含股票数据的CSV文件，并按照日期进行排序。在上述代码中，我们设置了起始资金为100,000美元，并设置手续费为每笔交易的千分之一。至此，我们完成了基于股息率和市净率的狗股策略的回测实现。然后，定义一个自定义的策略类，继承自backtrader的。在这个类中，我们将定义策略的逻辑和交易规则。]]></description><category></category></item><item><title><![CDATA[基于动量和价值因子的多因子策略框架backtrader]]></title><link>https://blog.csdn.net/OlqCommon_Lisp/article/details/133229761</link><guid>https://blog.csdn.net/OlqCommon_Lisp/article/details/133229761</guid><author>OlqCommon_Lisp</author><pubDate>Sun, 24 Sep 2023 07:39:03 +0800</pubDate><description><![CDATA[在MultiFactorStrategy类中，我们定义了两个窗口期参数：动量因子窗口期（momentum_window）和价值因子窗口期（value_window）。在每个时间步骤中，我们计算最近一段时间内的动量因子和价值因子，并使用排名方法对它们进行排序。首先，我们需要定义动量因子和价值因子。本文将介绍一个基于动量和价值因子的多因子策略框架，并使用backtrader来实现和回测策略。通过以上步骤，我们完成了一个基于动量和价值因子的多因子策略框架，并使用backtrader库来实现和回测策略。]]></description><category></category></item><item><title><![CDATA[影响我一生的20本关于期货投资的书籍（量化方向）——使用backtrader进行策略回测]]></title><link>https://blog.csdn.net/OlqCommon_Lisp/article/details/133227625</link><guid>https://blog.csdn.net/OlqCommon_Lisp/article/details/133227625</guid><author>OlqCommon_Lisp</author><pubDate>Sun, 24 Sep 2023 05:28:39 +0800</pubDate><description><![CDATA[在量化交易方面，backtrader是一种流行的Python库，提供了强大的功能来进行期货交易策略的回测和执行。同时，结合backtrader库的示例代码可以帮助读者更好地理解和应用所学知识，从而在期货投资中获得更好的效果。该书系统地介绍了Python在金融领域的应用，包括期货投资的策略开发和回测，同样也提供了使用backtrader的示例代码。这本书详细阐述了量化投资中常用的理论和方法，并提供了使用Python和backtrader进行策略开发和回测的示例代码。《Python金融大数据分析》（王同根）]]></description><category></category></item><item><title><![CDATA[backtrader的源代码解析 - ibdata.py]]></title><link>https://blog.csdn.net/OlqCommon_Lisp/article/details/133226077</link><guid>https://blog.csdn.net/OlqCommon_Lisp/article/details/133226077</guid><author>OlqCommon_Lisp</author><pubDate>Sun, 24 Sep 2023 03:46:06 +0800</pubDate><description><![CDATA[backtrader是一款功能强大的Python开源交易策略开发框架，而ibdata.py是其中一个核心模块，用于与Interactive Brokers（以下简称IB）交互并获取实时市场数据。在上述代码中，我们定义了一个名为IBData的类，它是backtrader的一个数据源扩展。方法用于更新数据，它接收实时行情的时间戳、开盘价、最高价、最低价、收盘价、成交量等参数，并将其赋值给。方法则记录了策略运行的结束时间，并取消对实时市场数据的订阅。方法中，我们记录了策略运行的起始时间，而。]]></description><category></category></item><item><title><![CDATA[使用backtrader自带的一些分析器（更新）]]></title><link>https://blog.csdn.net/OlqCommon_Lisp/article/details/133223517</link><guid>https://blog.csdn.net/OlqCommon_Lisp/article/details/133223517</guid><author>OlqCommon_Lisp</author><pubDate>Sun, 24 Sep 2023 00:41:41 +0800</pubDate><description><![CDATA[我们演示了如何计算夏普比率、年化收益率和最大回撤，并提供了相应的示例代码。通过深入理解和使用这些分析器，我们可以对交易策略的风险和回报进行更准确的评估，并作出更明智的决策。Backtrader是一个强大的开源交易策略开发框架，它提供了许多内置的分析器，用于评估和监视交易策略的性能。本文将介绍如何使用backtrader自带的一些分析器，并提供相应的示例代码。年化收益率是衡量交易策略相对于初始资本的回报率的指标，可以用来评估策略的长期盈利能力。安装完成后，我们可以开始使用backtrader自带的分析器。]]></description><category></category></item><item><title><![CDATA[收益动量策略：基于backtrader的交易策略回测]]></title><link>https://blog.csdn.net/OlqCommon_Lisp/article/details/133221000</link><guid>https://blog.csdn.net/OlqCommon_Lisp/article/details/133221000</guid><author>OlqCommon_Lisp</author><pubDate>Sat, 23 Sep 2023 23:02:06 +0800</pubDate><description><![CDATA[通过该框架，我们可以方便地实现和优化交易策略，并通过回测结果评估其有效性。当然，在实际应用中，我们还需要考虑更多因素，如手续费、滑点等，以更准确地模拟真实的交易情况。收益动量策略是一种基于价格走势和市场趋势的策略，通过追逐赢家和避开输家的原则来实现投资组合的优化。backtrader是一个开源的Python回测框架，具有灵活和强大的功能，可以用于实现多种交易策略的回测和优化。收益动量策略基于市场上股票或证券的收益率表现，通常会追逐过去表现良好的股票，并避开表现较差的股票。backtrader简介。]]></description><category></category></item><item><title><![CDATA[backtrader绘图错误的处理方法：导入警告失败]]></title><link>https://blog.csdn.net/OlqCommon_Lisp/article/details/133220191</link><guid>https://blog.csdn.net/OlqCommon_Lisp/article/details/133220191</guid><author>OlqCommon_Lisp</author><pubDate>Sat, 23 Sep 2023 22:28:58 +0800</pubDate><description><![CDATA[当使用backtrader时，出现"ImportError: cannot import name ‘warnings’ from ‘matplotlib’"错误时，我们可以通过手动导入warnings模块并添加到matplotlib库中来解决这个问题。这个错误的原因是，在某些情况下，backtrader无法正确导入matplotlib库中的’warnings’模块。解决这个问题的方法是手动导入warnings模块，并将其添加到matplotlib库中。如果没有报错，说明warnings模块已经成功导入。]]></description><category></category></item><item><title><![CDATA[使用resample处理多周期数据的注意事项]]></title><link>https://blog.csdn.net/OlqCommon_Lisp/article/details/133217822</link><guid>https://blog.csdn.net/OlqCommon_Lisp/article/details/133217822</guid><author>OlqCommon_Lisp</author><pubDate>Sat, 23 Sep 2023 21:01:35 +0800</pubDate><description><![CDATA[resampler的选择：backtrader库提供了不同的resampler对象（例如：bt.TimeFrame，bt.TimeFrame.Days等），用于定义重采样的周期和时间间隔。例如，如果原始数据是按照交易日历生成的，那么在进行周线数据合成时，应该使用align_to='weeks’来确保每个周期的起始日期是根据周历计算的。总结起来，在使用backtrader库进行多周期数据合成时，我们需要注意数据源的有效性、选择合适的resampler对象以及确保数据对齐的准确性。]]></description><category></category></item><item><title><![CDATA[使用backtrader自带的分析器（更新）]]></title><link>https://blog.csdn.net/OlqCommon_Lisp/article/details/133215765</link><guid>https://blog.csdn.net/OlqCommon_Lisp/article/details/133215765</guid><author>OlqCommon_Lisp</author><pubDate>Sat, 23 Sep 2023 19:50:19 +0800</pubDate><description><![CDATA[它提供了多种内置的分析器，可以帮助我们对交易策略进行评估和优化。本文将介绍如何使用backtrader自带的一些分析器，并提供相应的代码示例。总结起来，backtrader自带了很多实用的分析器，可以帮助我们评估和优化交易策略。本文中的示例代码展示了如何使用backtrader自带的分析器进行简单的交易策略评估。接下来，我们将创建一个简单的交易策略，并使用backtrader自带的分析器进行评估。假设我们有一段历史价格数据，并且我们的交易策略是在价格上涨时买入，在价格下跌时卖出。运行回测，并通过分析器的。]]></description><category></category></item><item><title><![CDATA[backtrader源码注释与使用指南]]></title><link>https://blog.csdn.net/OlqCommon_Lisp/article/details/133212789</link><guid>https://blog.csdn.net/OlqCommon_Lisp/article/details/133212789</guid><author>OlqCommon_Lisp</author><pubDate>Sat, 23 Sep 2023 18:01:41 +0800</pubDate><description><![CDATA[通过backtrader这个强大的交易回测框架，开发者可以方便地进行策略回测和量化交易研究，并且可以根据需要自定义各种指标、观察者和分析器等组件。backtrader是一款功能强大的Python交易回测框架，它提供了丰富的功能和灵活的接口，供开发者进行策略回测和量化交易研究。在Observer模块中，开发者可以通过重写notify_data()、notify_order()和notify_trade()等方法，实现对数据、订单和交易等事件的监控和记录。开发者可以在该方法中编写策略逻辑和交易规则。]]></description><category></category></item><item><title><![CDATA[做A股时，波动率越低的股票是否能带来更高的收益？]]></title><link>https://blog.csdn.net/OlqCommon_Lisp/article/details/133211104</link><guid>https://blog.csdn.net/OlqCommon_Lisp/article/details/133211104</guid><author>OlqCommon_Lisp</author><pubDate>Sat, 23 Sep 2023 17:08:12 +0800</pubDate><description><![CDATA[首先，我们需要获取股票数据。通过上述代码，我们可以根据不同的波动率阈值来测试策略的表现，进而观察对应的收益情况。当然，在实际应用中，我们还需要考虑交易成本、市场流动性以及其他因素的影响，以得出更加准确的结论。其次，过去20天的价格波动率低于给定的阈值。然而，波动率越低的股票是否能带来更高的收益这一问题，并不存在一个简单的答案。在A股市场中，投资者常常关注股票的波动率，因为它能够提供一定的风险提示和预测。接下来，我们可以用backtrader来构建一个简单的策略，该策略将根据股票的波动率来决定是否买入。]]></description><category></category></item></channel></rss>