Python量化交易学习笔记（9）——第一个策略回测程序v7

码农甲V

已于 2023-10-04 16:23:40 修改

阅读量3.5k

点赞数 4

分类专栏： Python量化交易文章标签： python backtrader 量化交易

于 2020-03-19 17:50:09 首次发布

本文链接：https://blog.csdn.net/m0_46603114/article/details/104972754

版权

Python量化交易专栏收录该内容

75 篇文章 746 订阅

订阅专栏

前面已经实现了策略的买入和卖出条件，v7中将添加佣金数据，来使回测更逼近与真实交易。

佣金（commission），在A股就是按照成交价格的百分比付给券商的费用。代码中将佣金率设置为0.1%，无论买还是卖都需要支付佣金。

佣金的设置只需要如下一行代码即可：

cerebro.broker.setcommission(commission=0.001)

这里对两个概念做一下简单说明：

position用于表示当前的状态，由size和price两个成员属性构成，其中size表示当前持有资产数量，price表示当前价格，比如以16.90的价格买入1股平安银行，那么此时position.size=1，position.price=16.90。当把这1股平安银行卖出时，position.size=0，position.price=0。
trade表示一笔交易，当position.size由0变为X时，表示交易开启，当position.size由X变回0时，表示交易结束。代码中的trade.pnl表示当前这笔交易的在不算佣金的情况下的盈亏情况，trade.pnlcomm表示当前这笔交易的在计算佣金的情况下的盈亏情况，实际上trade.pnlcomm=trade.pnl-佣金。

程序v7-加入佣金费：

from __future__ import (absolute_import, division, print_function,
                        unicode_literals)
import datetime  # 用于datetime对象操作
import os.path  # 用于管理路径
import sys  # 用于在argvTo[0]中找到脚本名称
import backtrader as bt # 引入backtrader框架

# 创建策略
class TestStrategy(bt.Strategy):
    def log(self, txt, dt=None):
        ''' 策略的日志函数'''
        dt = dt or self.datas[0].datetime.date(0)
        print('%s, %s' % (dt.isoformat(), txt))
    def __init__(self):
        # 引用data[0]数据的收盘价数据
        self.dataclose = self.datas[0].close
        # 用于记录订单状态
        self.order = None
        self.buyprice = None
        self.buycomm = None
    def notify_order(self, order):
        if order.status in [order.Submitted, order.Accepted]:
            # 提交给代理或者由代理接收的买/卖订单 - 不做操作
            return
        # 检查订单是否执行完毕
        # 注意：如果没有足够资金，代理会拒绝订单
        if 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.price
                self.buycomm = order.executed.comm
            else: # 卖
                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')
        # 无等待处理订单
        self.order = None
    def notify_trade(self, trade):
        if not trade.isclosed:
            return
        self.log('OPERATION PROFIT, GROSS %.2f, NET %.2f' %
                 (trade.pnl, trade.pnlcomm))
    def next(self):
        # 日志输出收盘价数据
        self.log('Close, %.2f' % self.dataclose[0])
        # 检查是否有订单等待处理，如果是就不再进行其他下单
        if self.order:
            return
        # 检查是否已经进场
        if not self.position:
            # 还未进场，则只能进行买入
            # 当日收盘价小于前一日收盘价
            if self.dataclose[0] < self.dataclose[-1]:
                    # 前一日收盘价小于前前日收盘价
                    if self.dataclose[-1] < self.dataclose[-2]:
                        # 买买买
                        self.log('BUY CREATE, %.2f' % self.dataclose[0])
                        # 记录订单避免二次下单
                        self.order = self.buy()
        # 如果已经在场内，则可以进行卖出操作
        else:
            # 卖卖卖
            if len(self) >= (self.bar_executed + 5):
                self.log('SELL CREATE, %.2f' % self.dataclose[0])
                # 记录订单避免二次下单
                self.order = self.sell()
                
# 创建cerebro实体
cerebro = bt.Cerebro()
# 添加策略
cerebro.addstrategy(TestStrategy)
# 先找到脚本的位置，然后根据脚本与数据的相对路径关系找到数据位置
# 这样脚本从任意地方被调用，都可以正确地访问到数据
modpath = os.path.dirname(os.path.abspath(sys.argv[0]))
datapath = os.path.join(modpath, '../TQDat/day/stk/000001.csv')
# 创建价格数据
data = bt.feeds.GenericCSVData(
        dataname = datapath,
        fromdate = datetime.datetime(2019, 10, 1),
        todate = datetime.datetime(2020, 2, 29),
        nullvalue = 0.0,
        dtformat = ('%Y-%m-%d'),
        datetime = 0,
        open = 1,
        high = 2,
        low = 3,
        close = 4,
        volume = 5,
        openinterest = -1
        )
# 在Cerebro中添加价格数据
cerebro.adddata(data)
# 设置启动资金
cerebro.broker.setcash(100000.0)
# 设置佣金率为千分之一
cerebro.broker.setcommission(commission=0.001)
# 打印开始信息
print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())
# 遍历所有数据
cerebro.run()
# 打印最后结果
print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())

v7输出为：

Starting Portfolio Value: 100000.00
2019-10-08, Close, 16.20
2019-10-09, Close, 16.25
2019-10-10, Close, 16.24
2019-10-11, Close, 16.81
2019-10-14, Close, 17.22
2019-10-15, Close, 17.18
2019-10-16, Close, 16.79
2019-10-16, BUY CREATE, 16.79
2019-10-17, BUY EXECUTED, Price: 16.90, Cost: 16.90, Comm 0.02
2019-10-17, Close, 16.70
2019-10-18, Close, 16.51
2019-10-21, Close, 16.89
2019-10-22, Close, 16.42
2019-10-23, Close, 16.45
2019-10-24, Close, 16.87
2019-10-24, SELL CREATE, 16.87
2019-10-25, SELL EXECUTED, Price: 16.78, Cost: 16.90, Comm 0.02
2019-10-25, OPERATION PROFIT, GROSS -0.12, NET -0.15
…
2020-01-23, SELL CREATE, 15.54
2020-02-03, SELL EXECUTED, Price: 13.99, Cost: 16.52, Comm 0.01
2020-02-03, OPERATION PROFIT, GROSS -2.53, NET -2.56
2020-02-03, Close, 13.99
2020-02-03, BUY CREATE, 13.99
2020-02-04, BUY EXECUTED, Price: 14.05, Cost: 14.05, Comm 0.01
2020-02-04, Close, 14.60
Final Portfolio Value: 99998.92