Python量化交易学习笔记（13）——第一个策略回测程序v11

码农甲V

已于 2023-10-04 16:22:23 修改

阅读量4.2k

点赞数 3

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

于 2020-03-20 10:45:53 首次发布

本文链接：https://blog.csdn.net/m0_46603114/article/details/104984805

版权

Python量化交易专栏收录该内容

75 篇文章 744 订阅

订阅专栏

v11是第一个策略回测程序的最后一个版本，将对策略参数进行优化。

很多财经书籍里都指出，不同股票、不同书籍都有个各自的特点和节奏，因此使用同一策略参数应用于所有的交易是不明智的。

在之前的例子中，我们尝试了使用了简单移动均值指标，周期参数选定为15，v11将对这个参数进行优化，通过优化找出简单移动均值的最佳周期数。程序的主要修改部分为在向cerebro添加策略时使用如下代码：

strats = cerebro.optstrategy(
        TestStrategy,
        maperiod = range(10, 31))

这样backtrader就会将将简单移动均值所选取的周期数从10到31进行逐个尝试，通过计算最终收益，便可以选择出最优的参数。

2020-02-28, (MA Period 10) Ending Value 99822.24
2020-02-28, (MA Period 11) Ending Value 99884.57
2020-02-28, (MA Period 12) Ending Value 99916.93
2020-02-28, (MA Period 13) Ending Value 99918.29
2020-02-28, (MA Period 14) Ending Value 99881.23
2020-02-28, (MA Period 15) Ending Value 99913.60
2020-02-28, (MA Period 16) Ending Value 99913.60
2020-02-28, (MA Period 17) Ending Value 99946.90
2020-02-28, (MA Period 18) Ending Value 99926.86
2020-02-28, (MA Period 19) Ending Value 99880.82
2020-02-28, (MA Period 20) Ending Value 99891.90
2020-02-28, (MA Period 21) Ending Value 99865.87
2020-02-28, (MA Period 22) Ending Value 99901.86
2020-02-28, (MA Period 23) Ending Value 99933.34
2020-02-28, (MA Period 24) Ending Value 99984.69
2020-02-28, (MA Period 25) Ending Value 99984.69
2020-02-28, (MA Period 26) Ending Value 99970.70
2020-02-28, (MA Period 27) Ending Value 99973.70
2020-02-28, (MA Period 28) Ending Value 100022.75
2020-02-28, (MA Period 29) Ending Value 100022.75
2020-02-28, (MA Period 30) Ending Value 99977.52

通过上面的输出信息我们就可以清晰地看到，选择不同周期参数时最后的资产情况。本例中，当周期参数选择为28和29时，可以获得最大收益。

程序v11-优化：

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):
    params = (
        ('maperiod', 15),
        ('printlog', False),
    )
    def log(self, txt, dt=None, doprint = False):
        ''' 策略的日志函数'''
        if self.params.printlog or doprint:
            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
        # 添加MovingAverageSimple指标
        self.sma = bt.indicators.SimpleMovingAverage(
                self.datas[0], period = self.params.maperiod)
    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
            # 当收盘价大于均线值时
            if self.dataclose[0] > self.sma[0]:
                # 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 self.dataclose[0] < self.sma[0]:
                self.log('SELL CREATE, %.2f' % self.dataclose[0])
                # 记录订单避免二次下单
                self.order = self.sell()
    def stop(self):
        self.log('(MA Period %2d) Ending Value %.2f' %
                 (self.params.maperiod, self.broker.getvalue()), doprint = True)
                
# 创建cerebro实体
cerebro = bt.Cerebro()
# 添加策略
strats = cerebro.optstrategy(
        TestStrategy,
        maperiod = range(10, 31))
# 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)
# 设置交易单位大小
cerebro.addsizer(bt.sizers.FixedSize, stake = 100)
# 设置佣金为千分之一
cerebro.broker.setcommission(commission=0.001)
# 遍历所有数据
cerebro.run(maxcpus = 1)