Backtrader 策略回测初探
这篇介绍简单的回测流程，主要的内容如下：
-
回测函数介绍 -
单股回测 -
多股回测
回测函数
回测策略类很简洁，直接继承 bt.Strategy ，复写父类的方法，最后把回测策略类添加到大脑即可。
回测参数 回测类参数添加通过属性变量 params 记录，可以是元组形式，也可以是字典形式。
-
定义参数
# 元组形式，注意最后一个，逗号别删除
params = (
('maperiod', 20),
)
或
# 字典形式
params = {'maperiod': 20}
-
使用
通过 self.p.maperiod 访问提取。
bt.ind.SMA(self.data, period=self.p.maperiod)
-
传参
将策略类传入大脑时，传入参数
cerebro.addstrategy(TestStrategy, maperiod=5)
函数
因为继承了策略类 bt.Strategy ，运行策略时会回调这些函数，需要搞的事情是在相应的函数调用买卖逻辑即可。
先说下 lines 线对象概念，每个指标都是一条 line 线对象，贯穿所有的回测日期。bar 概念是每个日期对应所有的指标。简单理解就是 excel 表的中的列和行，line 线对象相当于 excel 的列，bar 概念相当于 excel 表的行。
| 函数名 | 函数说明 | 调用时机 |
|---|---|---|
__init__() | 初始化时调用，只调用一次 | 初始化 |
| next() | 每条 bar 调用一次， 直到所有 bar 回测完毕, 有效的bar | 每条bar都回调 |
| prenext() | 不在next()函数调用的bar, 就调用到这函数 | 不在next()回调的bar |
| notify_order() | 当执行 self.buy() 、self.order_target_percent()、 self.sell()等时触发回调 | 订单状态发生变化回调 |
| notify_trade() | 交易改变是 | 交易发生时回调 |
| log() | 日志打印函数，打印一些交易信息 | 自己调用 |
还有其他一些函数，这里不一一介绍了，不是很重要的。
指标简介
指标在代码层面上的表示形式就是以 line 线对象的方式存在，贯穿整个回测周期，一般在测类类的 __init__ 函数里面构建好
在数据篇，有展示过在 feeds.Data 上直接扩展指标，下面介绍的是通过 backtrader 的指标对象来构建新的指标，新的指标也是 line 对象，贯穿整个回测周期。
下面例子构建 20 日移动平均线 SMA：
def __init__(self):
self.sma = bt.ind.SMA(self.data, period=20)
注意： 这种形式构建的指标是基于数据篇里面所说的第一个表数据的指标，并不是针对所有表的。而且会影响到 next 回调时机。20 日移动平均线的指标，前 20 日个回测 bar 是无效的，不会在 next() 函数回调，但回调到 prenext() 函数。
下图所示：
关于指标在这里不细说，后面会写一篇详细点的介绍。
回测简易配置
只是做一个简单回测测试，所以简易配置下经纪商，setcash() 配置了一小目标资产 1亿 ，设置佣金 setcommission() 千分之一，addstrategy() 添加策略并设置自定义的参数。
# 设置资产
cerebro.broker.setcash(100000000.0)
# 设置佣金
cerebro.broker.setcommission(commission=0.001)
# 添加回测策略，设置自定义参数数值
cerebro.addstrategy(SingleTestStrategy, maperiod=20)
# 执行策略
cerebro.run()
# 画图
cerebro.plot()
这里不细说这配置了，后面再详细说一篇。
单股回测
下面进入主题，搞一个策略，回测下能不能赚钱，这里只是介绍使用方法，实际应用肯定不能只靠一个指标。
策略 这策略很简单，当当日收盘价高于 20 日平均线时买买买！当当日收盘价低于 20 日移动平均线时卖卖卖。
注意：
-
该策略是以收盘价下单，以下单后的下一日开盘价作为交割价。 -
最后一日不做任何的买卖。所以在回测的最后一日的前一天必须下单卖出股票，以便在最后一根 bar 的开盘价做为交割价卖出，不然出现未来函数。
买卖常用函数：
-
self.order_target_percent(secu_data, target_pct, name=secu) -
self.order_target_value(secu_data, target_val, name=secu) -
self.buy(secu_data, order_amount, name=secu) -
self.sell(secu_data, order_amount, name=secu)
代码胜过千言万语，直接上完整代码：
import datetime
import backtrader as bt
import pandas as pd
import stock_db as sdb
class SingleTestStrategy(bt.Strategy):
params = (
('maperiod', 20),
)
def __init__(self):
self.order = None
self.sma = bt.ind.SMA(self.data, period=self.p.maperiod)
pass
def downcast(self, amount, lot):
return abs(amount // lot * lot)
# 可以不要，但如果你数据未对齐，需要在这里检验
def prenext(self):
print('prenext 执行 ', self.datetime.date(), self.getdatabyname('300015')._name
, self.getdatabyname('300015').close[0])
pass
def next(self):
# 检查是否有指令执行，如果有则不执行这bar
if self.order:
return
# 回测如果是最后一天，则不进行买卖
if pd.Timestamp(self.data.datetime.date(0)) == end_date:
return
if not self.position: # 没有持仓
# 执行买入条件判断：收盘价格上涨突破20日均线；
# 不要在股票剔除日前一天进行买入
if self.datas[0].close > self.sma and pd.Timestamp(self.data.datetime.date(1)) < end_date:
# 永远不要满仓买入某只股票
order_value = self.broker.getvalue() * 0.98
order_amount = self.downcast(order_value / self.datas[0].close[0], 100)
self.order = self.buy(self.datas[0], order_amount, name=self.datas[0]._name)
else:
# 执行卖出条件判断：收盘价格跌破20日均线，或者股票剔除
if self.datas[0].close < self.sma or pd.Timestamp(self.data.datetime.date(1)) >= end_date:
# 执行卖出
self.order = self.order_target_percent(self.datas[0], 0, name=self.datas[0]._name)
self.log(f'卖{self.datas[0]._name},price:{self.datas[0].close[0]:.2f},pct: 0')
pass
def notify_order(self, order):
if order.status in [order.Submitted, order.Accepted]:
# Buy/Sell order submitted/accepted to/by broker - Nothing to do
return
# Check if an order has been completed
# Attention: broker could reject order if not enough cash
if order.status in [order.Completed, order.Canceled, order.Margin]:
if order.isbuy():
self.log(
f"买入{order.info['name']}, 成交量{order.executed.size}，成交价{order.executed.price:.2f} 订单状态：{order.status}")
self.log('买入后当前资产：%.2f 元' % self.broker.getvalue())
elif order.issell():
self.log(
f"卖出{order.info['name']}, 成交量{order.executed.size}，成交价{order.executed.price:.2f} 订单状态：{order.status}")
self.log('卖出后当前资产：%.2f 元' % self.broker.getvalue())
self.bar_executed = len(self)
# Write down: no pending order
self.order = None
def log(self, txt, dt=None):
"""
输出日期
:param txt:
:param dt:
:return:
"""
dt = dt or self.datetime.date(0) # 现在的日期
print('%s , %s' % (dt.isoformat(), txt))
pass
def notify_trade(self, trade):
'''可选，打印交易信息'''
pass
# 开始查询时间
start_query = '2019-01-01'
end_query = '2022-09-01'
# 开始回测时间
from_date = datetime.datetime(2022, 1, 1)
to_date = datetime.datetime(2022, 10, 10)
cerebro = bt.Cerebro()
# 添加几个股票数据
codes = [
'300015',
# '300347',
# '300760',
# '603127',
# '600438'
]
# 添加多个股票回测数据
end_date = 0
for code in codes:
data = sdb.stock_daily(code, start_query, end_query)
data.index.names = ['datetime']
data_feed = bt.feeds.PandasData(dataname=data,
fromdate=from_date,
todate=to_date)
cerebro.adddata(data_feed, name=code)
end_date = data.index[-1] # 股票剔除日
print('添加股票数据：code: %s' % code)
cerebro.broker.setcash(100000000.0)
cerebro.broker.setcommission(commission=0.001)
cerebro.addstrategy(SingleTestStrategy, maperiod=20)
cerebro.run()
cerebro.plot()
if __name__ == '__main__':
pass
结果： 
em em ... 一个亿的资产，亏了接近 1000w， 策略失败!!!!
来看看回测图，backtrader 的回测图的确有点丑哈，后面会有重构可视化篇的。
最上面是资产分析图，行情数据区域的绿色三角形是买入，红色三角形是卖出。
多股回测
单股回测，上面已经介绍了，那如何多个股同时回测呢？在这个问题上，我们首先要解决的是多个股的指标计算并存储起来。
策略逻辑和上面的相同。 计算均线的时候用了dict循环计算每只股票的指标。
-
self.getdatanames()按顺序返回所有股票的名称list -
self.getdatabyname(secu_name):返回该股票的data
所以，在给大脑塞数据时，需要指定 feedData 的 name ,统一用股票代码赋值，这样方便后面的索引。
直接上图说下整个流程逻辑： 
代码只是再单股回测的基础下添加多股指标和多股持仓买卖判断，策略和单股相同。
代码如下：
import datetime
import backtrader as bt
import pandas as pd
import stock_db as sdb
class MultiTestStrategy(bt.Strategy):
params = (
('maperiod', 20),
)
def prenext(self):
pass
def downcast(self, amount, lot):
return abs(amount // lot * lot)
def __init__(self):
# 初始化交易指令
self.order = None
self.buy_list = []
# 添加移动平均线指标，循环计算每个股票的指标
self.sma = {x: bt.ind.SMA(self.getdatabyname(x), period=self.p.maperiod) for x in self.getdatanames()}
def next(self):
if self.order: # 检查是否有指令等待执行
return
# 如果是最后一天，不进行买卖
if pd.Timestamp(self.datas[0].datetime.date(0)) == end_dates[self.datas[0]._name]:
return
# 是否持仓
if len(self.buy_list) < 2: # 没有持仓
# 没有购买的票
for secu in set(self.getdatanames()) - set(self.buy_list):
data = self.getdatabyname(secu)
# 如果突破 20 日均线买买买，不要在最后一根bar的前一天买
if data.close > self.sma[secu] and pd.Timestamp(data.datetime.date(1)) < end_dates[secu]:
# 买买买
order_value = self.broker.getvalue() * 0.48
order_amount = self.downcast(order_value / data.close[0], 100)
self.order = self.buy(data, size=order_amount, name=secu)
self.log(f"买{secu}, price:{data.close[0]:.2f}, amout: {order_amount}")
self.buy_list.append(secu)
elif self.position:
now_lst = []
for secu in self.buy_list:
data = self.getdatabyname(secu)
# 执行卖出条件判断：收盘价格跌破20日均线，或者股票最后一根bar 的前一天之剔除日
if data.close[0] < self.sma[secu] or pd.Timestamp(data.datetime.date(1)) >= end_dates[secu]:
# 卖卖卖
self.order = self.order_target_percent(data, 0, name=secu)
self.log(f"卖{secu}, price:{data.close[0]:.2f}, pct: 0")
continue
now_lst.append(secu)
self.buy_list = now_lst
def notify_order(self, order):
if order.status in [order.Submitted, order.Accepted]:
# Buy/Sell order submitted/accepted to/by broker - Nothing to do
return
# Check if an order has been completed
# Attention: broker could reject order if not enough cash
if order.status in [order.Completed, order.Canceled, order.Margin]:
if order.isbuy():
self.log(f"""买入{order.info['name']}, 成交量{order.executed.size}，成交价{order.executed.price:.2f}""")
self.log(
f'资产：{self.broker.getvalue():.2f} 持仓：{[(x, self.getpositionbyname(x).size) for x in self.buy_list]}')
elif order.issell():
self.log(f"""卖出{order.info['name']}, 成交量{order.executed.size}，成交价{order.executed.price:.2f}""")
self.log(
f'资产：{self.broker.getvalue():.2f} 持仓：{[(x, self.getpositionbyname(x).size) for x in self.buy_list]}')
self.bar_executed = len(self)
# Write down: no pending order
self.order = None
def log(self, txt, dt=None):
"""
输出日期
:param txt:
:param dt:
:return:
"""
dt = dt or self.datetime.date(0) # 现在的日期
print('%s , %s' % (dt.isoformat(), txt))
# 开始查询时间
start_query = '2019-01-01'
end_query = '2022-09-01'
# 开始回测时间
from_date = datetime.datetime(2022, 1, 1)
to_date = datetime.datetime(2022, 10, 10)
cerebro = bt.Cerebro()
# 添加几个股票数据
codes = [
'300015',
'300347',
# '300760',
# '603127',
# '600438'
]
# 添加多个股票回测数据
end_dates = {}
end_date = 0
for code in codes:
data = sdb.stock_daily(code, start_query, end_query)
data.index.names = ['datetime']
data_feed = bt.feeds.PandasData(dataname=data,
fromdate=from_date,
todate=to_date)
cerebro.adddata(data_feed, name=code)
end_dates[code] = data.index[-1] # 股票剔除日
end_date = data.index[-1] # 股票剔除日
print('添加股票数据：code: %s' % code)
cerebro.broker.setcash(100000000.0)
cerebro.broker.setcommission(commission=0.001)
cerebro.addstrategy(MultiTestStrategy, maperiod=20)
cerebro.run()
# 获取回测结束后的总资金
portvalue = cerebro.broker.getvalue()
# 打印结果
print(f'结束资金: {round(portvalue, 2)}')
cerebro.plot()
if __name__ == '__main__':
pass
看下日志： 
enen ，居然赚钱了，小赚接近 1000w.
看下 backtracder 的买卖点： 
后面日期好像没触发买卖逻辑，这后面再看看是咋回事。
写于 2022 年 10 月 23 日 10:27:29
本文由 mdnice 多平台发布
4408
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
