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
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
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:
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