from __future__ import (absolute_import, division, print_function, unicode_literals)
import datetime # 用于datetime对象操作
import os.path # 用于管理路径
import sys # 用于在argvTo[0]中找到脚本名称
import backtrader as bt # 引入backtrader框架
# 自定义指标
class NegativeIndicator(bt.Indicator):
lines = ('buy_sig',)
params = (('ma_period', 10), ('up_period', 3))
def __init__(self):
self.addminperiod(self.p.ma_period)
ma = bt.ind.SMA(period = self.p.ma_period, plot = True)
# 买入条件
# 收阴线
self.l.buy_sig = bt.And(self.data.close < self.data.open,
# 收在均线上方
self.data.close > ma,
# 均线向上
ma == bt.ind.Highest(ma, period = self.p.up_period)
# 创建策略
class St(bt.Strategy):
params = dict(
stoptype=bt.Order.StopTrail,
trailamount=0.0,
trailpercent=0.05,
def __init__(self):
# 买入条件
self.buy_sig = NegativeIndicator().buy_sig
# 为了在最后图表中显示均线
bt.ind.SMA(period = NegativeIndicator().p.ma_period)
self.order = None
def notify_order(self, order):
if order.status in [order.Completed, order.Expired]:
self.order = None
def next(self):
# 无场内资产
if not self.position:
# 未提交买单
if None == self.order:
# 到达了买入条件
if self.buy_sig:
self.order = self.buy()
elif self.order is None:
# 提交stoptrail订单
self.order = self.sell(exectype=self.p.stoptype,
trailamount=self.p.trailamount,
trailpercent=self.p.trailpercent)
cerebro = bt.Cerebro() # 创建cerebro
# 先找到脚本的位置,然后根据脚本与数据的相对路径关系找到数据位置
# 这样脚本从任意地方被调用,都可以正确地访问到数据
modpath = os.path.dirname(os.path.abspath(sys.argv[0]))
datapath = os.path.join(modpath, '../TQDat/day/stk/000001.csv')
# 创建价格数据
data = bt.feeds.GenericCSVData(
dataname = datapath,
fromdate = datetime.datetime(2018, 1, 1),
todate = datetime.datetime(2020, 3, 31),
nullvalue = 0.0,
dtformat = ('%Y-%m-%d'),
datetime = 0,
open = 1,
high = 2,
low = 3,
close = 4,
volume = 5,
openinterest = -1
# 在Cerebro中添加价格数据
cerebro.adddata(data)
# 设置启动资金
cerebro.broker.setcash(100000.0)
# 设置交易单位大小
cerebro.addsizer(bt.sizers.FixedSize, stake = 1000)
# 设置佣金为千分之一
cerebro.broker.setcommission(commission=0.001)
cerebro.addstrategy(St) # 添加策略
cerebro.run() # 遍历所有数据
# 打印最后结果
print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())
cerebro.plot(style = 'candlestick') # 绘图
为了便于相互交流学习,新建了微信群,感兴趣的读者请加微信。
安装backtrader:pip install backtrader
官方backtrader文档:https://www.backtrader.com/docu/quickstart/quickstart.html#our-first-strategy
作为backtrader的第一个教学代码,我不想像其...
当我们开发了一个交易策略,需要对策略进行回测,那么我们就需要一个回测框架。目前已存在很多成熟的回测框架,也有各种平台。这些框架或平台各有优劣,并不能满足每个人的需求。为了将之前学习的量化交易的知识点贯穿起来,更好地巩固学习内容,也为了今后能够搭建适合自己的框架,本篇手记我们就来了解下如何自定义量化交易回测框架。
完成一个策略的回测...
pandas.DataFrame.merge
pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None,
left_index=False, right_index=False, sort=True,
suffixes=('_x', '_y'), copy=True, indi...
由于我想增加dataframe里属性,想从日期入手
https://pandas.pydata.org/pandas-docs/stable/reference/series.html
df['dayofmonth'] = df['日期'].dt.day.astype(int)
df['dayofyear'] = df['日期...
本文将探索新的策略回测程序,主要是为了尝试不同的技术指标在backtrader平台上的应用,为后续复杂策略的实现做准备。
本文将实现的策略是,当股票放量突破布林线中轨时进行买入,当股票收盘价低于短期均线时卖出。
买入条件中,放量突破布林线中轨具体指的是,当日股票开盘价在布林线中轨下方,收盘价在布林线中轨上方,当日成交量为10日以来的最高量。卖出条件中,短期均线选取为5日线。回测初始资金100000...
Traceback (most recent call last):
File "C:/Users/Administrator/PycharmProjects/untitled/python/web/tkinter.py", line 1, in <module>
import tkinter as tk
File "C:\U...
最近涉及到需要实现一个桌面UI的小游戏,所以就翻看了一些文档。
当然有介绍使用pyQT5的,但是本机安装的是python3.4,不想卸载掉这个版本,暂时还不能使用pyQT5.
pyQT5需要python3.5及以上的版本才能行。
所以就使用python自带的tkinter了。
总的来说,图形界面的使用基本都是相通的,只要学通一个,其他的也会非常方便的入门。
祝各位能够找到自己所需,那么,...