自定义MySQL数据流 — Python 量化投资实战教程(9)

往期推荐

量化投资实战教程(1)—基于backtrader的简单买入卖出策略

量化投资原来这么简单(2)—MACD策略(+26.9%)

量化投资原来这么简单(3) —A股回测MACD策略

Python 量化投资原来这么简单(4) —KDJ 策略

Python 量化投资原来这么简单(5) — A股回测KDJ策略

Python 量化投资原来这么简单(6) — 交易平均收益率

Python 量化投资实战教程(7) — 孕线真的有用吗？

A股回测“孕线”策略 — Python 量化投资实战教程(8)

前面八篇量化投资实战教程，我们所使用到的数据仅仅只有收盘价、成交量等普通指标，如果我们有其他的指标需要进行回测怎么办？

此外，前面使用的数据源都是基于csv文件的，我们能否从数据库（比如MySQL）中直接提取数据作为回测的数据源呢？

事实上，backtrader虽然没有直接提供接口给我们做这样的优化，但是我们可以通过继承DataBase基类重写DataFeed实现目的。下面就给大家演示一下如何从MySQL中提取数据并增加换手率指标进行回测。

本文完整源代码和数据均在开源代码仓库中：
https://github.com/Ckend/pythondict-quant

1.准备

开始之前，你要确保Python和pip已经成功安装在电脑上，如果没有，请访问这篇文章：超详细Python安装指南 进行安装。如果你用Python的目的是数据分析，可以直接安装Anaconda：Python数据分析与挖掘好帮手—Anaconda，它内置了Python和pip.

此外，推荐大家用VSCode编辑器，因为它可以在编辑器下方的终端运行命令安装依赖模块：Python 编程的最好搭档—VSCode 详细指南。

Windows环境下打开 Cmd (开始-运行-CMD)，苹果系统环境下请打开 Terminal (command+空格输入Terminal)，准备开始输入命令安装依赖。

在终端输入以下命令安装我们所需要的依赖模块:

pip install backtrader
pip install numpy
pip install matplotlib

看到 Successfully installed xxx 则说明安装成功。

2.自定义DataFeed

何为DataFeed？DataFeed 即 backtrader 中的“数据源”，任何数据进入策略回测前都要通过DataFeed，而DataFeed中会对数据进行处理，使得策略可以高效地进行计算。

我们今天要做的，就是增加一个基于MySQL的DataFeed，使得整个流程变得更加自动化。

首先，需要定义一个类，使其继承与backtrader的数据基类 DataBase:

from backtrader.feed import DataBase
from backtrader import date2num


class MySQLData(DataBase):
  pass

如果需要从外部传入所需股票数据的代码和其一定范围内的K线数据，需要提前定义params. 此外，如果你有除了：datetime(时间)、open(开盘价)、close(收盘价)、high(最高价)、low(最低价)、volume(成交量) 之外的指标。需要提前定义lines，如下所示：

从上图可见，在lines中我增加了两个自定义指标：turnover(成交额) 和 turnover_rate(换手率)。

接下来，编写一个函数根据params参数从MySQL中获取数据：

代码本身没有什么可说的，记得替换你本地的mysql配置，值得注意的是最后一行，拿到mysql数据后需要转化为迭代器。

在类初始化的时候，需要定义相关的数据存放变量并调用上述函数获取数据：

接下来到了关键的步骤，在调用回测策略前，cerebro会遍历Datafeed的所有数据，此时会调用_load函数, 因此我们需要在这里，将数据库中提取的每列数据对应到lines上：

如果你完整地看完了我的上述分析，那么理解下面整个DataFeed，甚至自己写一个DataFeed，是非常容易的。

3.使用自定义数据流进行回测

接下来，让我们尝试使用这个自定义数据流输入数据，采用第二章的macd策略辅助增加换手率指标进行回测。

这里当然需要你先读懂第二章的内容，如果有点忘记了，可以回头阅读一下，非常简单：

Python 量化投资实战教程(2) —MACD策略

首先，在回测模块及next函数中，引入换手率指标：

next函数买入时增加判断换手率必须小于3%的条件：

最后，引入我们刚刚编写完成的MySQLData Feed，传入相关参数读取股票为603520.SH的数据流，取2017年1月1日至2020年4月12日的数据，并调用回测函数：

效果如下：

与原来相比，加入换手率指标后，利润率有一定的提高，不过就如我们之前所说的，单一股票维度的回测是不准确的，如果大家有兴趣，可以将第三章：

Python 量化投资实战教程(3) —A股回测MACD策略

改造一下并加入换手率指标进行回测，看看这个指标是否真的有正效益。

本文完整源代码和数据均在开源代码仓库中：
https://github.com/Ckend/pythondict-quant

如果你访问不了github，也可以在公众号后台回复 量化投资9 下载相关代码。

我们的文章到此就结束啦，如果你喜欢今天的Python 实战教程，请持续关注Python实用宝典。

有任何问题，可以在公众号后台回复：加群，回答相应红字验证信息，进入互助群询问。

原创不易，希望你能在下面点个赞和在看支持我继续创作，谢谢！

点击下方阅读原文可获得更好的阅读体验

Python实用宝典 (pythondict.com)
不只是一个宝典
欢迎关注公众号：Python实用宝典