官方 order 文档:https://www.backtrader.com/docu/order/
在策略中我们常常需要限价单来制定策略的运行情况,因此使用订单的valid
参数来确定订单的有效期,比如:
self.sell(size=500, price=10, exectype=backtrader.Order.Limit, valid=timedelta(days=1))
上面的订单为:限价单,单价10元/个,卖出500个,有效期1天;1天之后这个订单会转为order.Expired
示例代码
import backtrader
from loguru import logger
import pandas as pd
import efinance
from datetime import datetime, timedelta
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
self.order_list = []
def notify_order(self, order): # 固定写法,查看订单情况
# 查看订单情况
if order.status in [order.Submitted, order.Accepted]: # 接受订单交易,正常情况
return
if order.status in [order.Completed]:
if order.isbuy():
logger.debug('{} 已买入, 购入金额 {} 手续费 {}', order.ref, order.executed.value, order.executed.comm)
elif order.issell():
logger.debug('{} 已卖出, 卖出金额 {} 手续费 {}', order.ref, order.executed.value, order.executed.comm)
elif order.status in [order.Canceled, order.Margin, order.Rejected]:
logger.debug('{} 订单取消、保证金不足、金额不足拒绝交易', order.ref)
elif order.status in [order.Expired]:
logger.debug("订单 {} 超过时效,已取消", order.ref)
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]:
# 执行买入
# 获得默认的保证金:self.broker.comminfo[None].p.commission
order = self.buy(size=500, price=self.data.close[0],
exectype=backtrader.Order.Limit, valid=timedelta(days=1))
logger.debug('订单:买 {} ', order.ref)
self.order_list.append(order)
# 执行卖出条件已有持仓,且收盘价格跌破5日均线
if self.position:
if self.close_price[0] < self.sma[0]:
# 执行卖出
order = self.sell(size=500, price=self.data.close[0], exectype=backtrader.Order.Limit,
valid=timedelta(days=1))
logger.debug('订单:卖 {} ', order.ref)
self.order_list.append(order)
if __name__ == '__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 =================
# 加载数据
data = backtrader.feeds.PandasData(dataname=dataframe, fromdate=start_time, todate=end_time)
# 初始化cerebro回测系统
cerebral_system = backtrader.Cerebro() # Cerebro引擎在后台创建了broker(经纪人)实例,系统默认每个broker的初始资金量为10000
# 将数据传入回测系统
cerebral_system.adddata(data) # 导入数据,在策略中使用 self.datas 来获取数据源
# 将交易策略加载到回测系统中
cerebral_system.addstrategy(MyStrategy1)
# =============== 系统设置 ==================
# 设置启动资金为 100000
start_cash = 1000000
cerebral_system.broker.setcash(start_cash)
# 设置手续费 万2.5
cerebral_system.broker.setcommission(commission=0.00025)
logger.debug('初始资金: {} 回测期间:from {} to {}'.format(start_cash, start_time, end_time))
# 运行回测系统
cerebral_system.run()
# 获取回测结束后的总资金
portvalue = cerebral_system.broker.getvalue()
pnl = portvalue - start_cash
# 打印结果
logger.debug('净收益: {}', pnl)
logger.debug("总资金: {}", portvalue)