Backtrader Analyzer文档:https://www.backtrader.com/docu/analyzers/analyzers/
Backtrader 已有的Analyzer:https://www.backtrader.com/docu/analyzers-reference/
Analyzer 在 Backtrader 的框架中作为一个分析师而存在,用来分析回测的结果,使用方法如下:
- 继承
backtrader.Analyzer
- 覆写
def next()
函数即可,这里不同于backtrader.Strategy
的next()
,analyzer的next()不会从所有数据集的公共时间的第一天开始,而是从第一个回测时间开始,类似于backtrader.Strategy
的prenext()
比如下面的示例中,计算日收益率:
class DailyReturnAnalyzer(Analyzer):
def __init__(self):
super(DailyReturnAnalyzer, self).__init__()
self.fund_record = [] # 这里添加自定义的属性
def next(self):
self.fund_record.append(self.strategy.broker.getvalue()) # 每一个交易日会执行一次next
def get_analysis(self): # 最后用于计算综合结果
fund_record_arr = np.array(self.fund_record)
daily_return = np.diff(fund_record_arr) / fund_record_arr[0]
return daily_return
Analyzer
同样可以覆写如下的函数:
notify_cashvalue(cash, value)
:每过一个next()都会触发,通知资金情况notify_fund(cash, value, fundvalue, shares)
:每过一个next()都会触发,通知资金情况notify_order(order)
:订单状态变化时会触发这个函数,order为当前订单,每一个新订单或订单状态变化都会触发这个函数notify_trade(trade)
:交易状态变化时会触发这个函数
完整示例代码
from datetime import datetime
import backtrader
import pandas as pd
import efinance
from backtrader import Analyzer
import numpy as np
def get_k_data(stock_code, begin: datetime, end: datetime) -> pd.DataFrame:
"""
根据efinance工具包获取股票数据
:param stock_code:股票代码
:param begin: 开始日期
:param end: 结束日期
:return:
"""
# stock_code = '600519' # 股票代码,茅台
k_dataframe: pd.DataFrame = efinance.stock.get_quote_history(
stock_code, beg=begin.strftime("%Y%m%d"), end=end.strftime("%Y%m%d"))
k_dataframe = k_dataframe.iloc[:, :9]
k_dataframe.columns = ['name', 'code', 'date', 'open', 'close', 'high', 'low', 'volume', 'turnover']
k_dataframe.index = pd.to_datetime(k_dataframe.date)
k_dataframe.drop(['name', 'code', 'date'], axis=1, inplace=True)
return k_dataframe
class MyStrategy1(backtrader.Strategy): # 策略
def __init__(self):
# 初始化交易指令、买卖价格和手续费
self.close_price = self.datas[0].close # 这里加一个数据引用,方便后续操作
self.sma = backtrader.indicators.SimpleMovingAverage(self.datas[0], period=5) # 借用这个策略,计算5日的均线
def next(self): # 固定的函数,框架执行过程中会不断循环next(),过一个K线,执行一次next()
if self.close_price[0] > self.sma[0]:
self.buy(size=500, price=self.data.close[0])
if self.position:
if self.close_price[0] < self.sma[0]: # 执行卖出条件已有持仓,且收盘价格跌破5日均线,则卖出
self.sell(size=500, price=self.data.close[0])
class DailyReturnAnalyzer(Analyzer):
def __init__(self):
super(DailyReturnAnalyzer, self).__init__()
self.fund_record = []
def next(self):
self.fund_record.append(self.strategy.broker.getvalue())
def get_analysis(self):
fund_record_arr = np.array(self.fund_record)
daily_return = np.diff(fund_record_arr) / fund_record_arr[0]
return daily_return
def main():
# 获取数据
start_time = datetime(2020, 1, 1)
end_time = datetime(2021, 1, 1)
dataframe = get_k_data('600519', begin=start_time, end=end_time)
# =============== 为系统注入数据 =================
data = backtrader.feeds.PandasData(dataname=dataframe, fromdate=start_time, todate=end_time) # 加载数据
cerebral_system = backtrader.Cerebro()
# 将数据传入回测系统
cerebral_system.adddata(data)
cerebral_system.addanalyzer(DailyReturnAnalyzer, _name="my_analyzer")
# 将交易策略加载到回测系统中
cerebral_system.addstrategy(MyStrategy1)
# =============== 系统设置 ==================
start_cash = 1000000
cerebral_system.broker.setcash(start_cash)
cerebral_system.broker.setcommission(commission=0.00025) # 设置手续费 万2.5
print('初始资金: {} 回测期间:from {} to {}'.format(start_cash, start_time, end_time))
# 运行回测系统
cerebral_result = cerebral_system.run()
# 根据analyzer获得日收益率
analyze_result = cerebral_result[0].analyzers[0].get_analysis()
print(analyze_result)
if __name__ == '__main__':
main()