量化回测bt框架，策略类bt.Strategy详解，不是backtrader！提供bt双均线策略示例，比backtrader还简单

前言

也不说那么多了，要用到bt，肯定也知道他是干嘛的，，给博主点点关注点点赞！！！这样博主才能更新更多免费的教程，不然就直接丢付费专栏里了

正文

bt.Strategy 是 bt 库中用于定义交易策略的核心类。通过继承 bt.Strategy 类，你可以创建自定义的交易策略，并在回测中使用这些策略。以下是关于 bt.Strategy 类的详细介绍：

1. 基本结构

bt.Strategy 类的基本结构如下：

import bt

class MyStrategy(bt.Strategy):
    def __init__(self):
        # 初始化指标和变量
        pass

    def next(self):
        # 实现交易逻辑
        pass

2. 初始化方法 __init__

在 __init__ 方法中，你可以初始化策略所需的指标、变量和其他数据结构。这些指标和变量将在 next 方法中使用。

class MyStrategy(bt.Strategy):
    def __init__(self):
        # 初始化短期和长期移动平均线
        self.short_ma = self.data.rolling(window=10).mean()
        self.long_ma = self.data.rolling(window=30).mean()

3. 交易逻辑 next

next 方法是策略的核心部分，它会在每个时间步（通常是每个交易日）被调用。你可以在 next 方法中实现交易逻辑，例如买入、卖出或持有。

class MyStrategy(bt.Strategy):
    def __init__(self):
        self.short_ma = self.data.rolling(window=10).mean()
        self.long_ma = self.data.rolling(window=30).mean()

    def next(self):
        # 当短期均线超过长期均线时买入
        if self.short_ma.iloc[-1] > self.long_ma.iloc[-1]:
            self.buy()
        # 当短期均线低于长期均线时卖出
        elif self.short_ma.iloc[-1] < self.long_ma.iloc[-1]:
            self.sell()

4. 参数 params

你可以通过 params 属性定义策略的参数。这些参数可以在策略的初始化和交易逻辑中使用。

class MyStrategy(bt.Strategy):
    params = (
        ('short_period', 10),  # 短期均线周期
        ('long_period', 30),   # 长期均线周期
    )

    def __init__(self):
        self.short_ma = self.data.rolling(window=self.params.short_period).mean()
        self.long_ma = self.data.rolling(window=self.params.long_period).mean()

    def next(self):
        if self.short_ma.iloc[-1] > self.long_ma.iloc[-1]:
            self.buy()
        elif self.short_ma.iloc[-1] < self.long_ma.iloc[-1]:
            self.sell()

5. 交易指令

bt.Strategy 提供了一些方法来执行交易指令，例如：

• self.buy()：买入资产。

• self.sell()：卖出资产。

• self.close()：平仓。

class MyStrategy(bt.Strategy):
    def next(self):
        if self.data.close > self.data.open:
            self.buy()
        elif self.data.close < self.data.open:
            self.sell()

6. 记录日志

你可以使用 self.log 方法记录日志信息，例如交易信号、持仓状态等。
 

class MyStrategy(bt.Strategy):
    def next(self):
        if self.data.close > self.data.open:
            self.log(f'Buy, Price: {self.data.close.iloc[-1]}')
            self.buy()
        elif self.data.close < self.data.open:
            self.log(f'Sell, Price: {self.data.close.iloc[-1]}')
            self.sell()

7. 其他方法

bt.Strategy 还提供了其他一些方法，例如：

• start：在回测开始时调用。

• prenext：在 next 方法之前调用，用于处理数据不足的情况。

• stop：在回测结束时调用。

class MyStrategy(bt.Strategy):
    def start(self):
        self.log('Starting backtest')

    def prenext(self):
        self.log('Not enough data to run strategy')

    def stop(self):
        self.log('Backtest finished')

8. 示例：双均线策略

以下是一个完整的示例，展示如何使用 bt.Strategy 实现一个简单的双均线策略：
 

import bt
import pandas as pd

class DualMovingAverage(bt.Strategy):
    params = (
        ('short_period', 10),  # 短期均线周期
        ('long_period', 30),   # 长期均线周期
    )

    def __init__(self):
        self.short_ma = self.data.rolling(window=self.params.short_period).mean()
        self.long_ma = self.data.rolling(window=self.params.long_period).mean()

    def next(self):
        if self.short_ma.iloc[-1] > self.long_ma.iloc[-1]:
            self.buy()
        elif self.short_ma.iloc[-1] < self.long_ma.iloc[-1]:
            self.sell()

# 加载数据
data = pd.read_csv('AAPL.csv', index_col='Date', parse_dates=True)

# 创建策略
s = bt.Strategy('DualMA', DualMovingAverage)

# 创建回测
t = bt.Backtest(s, data)

# 运行回测
res = bt.run(t)

# 打印结果
res.display()

# 绘制图表
res.plot()

9. 总结

bt.Strategy 类是 bt 库中用于定义交易策略的核心类。通过继承 bt.Strategy 类，你可以创建自定义的交易策略，并在回测中使用这些策略。你可以在 __init__ 方法中初始化指标和变量，在 next 方法中实现交易逻辑，并使用 params 属性定义策略参数。bt.Strategy 还提供了一些方法来执行交易指令、记录日志和处理回测的开始和结束。