bcaktrader策略编写1_bactrader class pivotmultitf(bt.strategy)-CSDN博客

本文链接：https://blog.csdn.net/weixin_45536181/article/details/139374145

。

1 Backtrader策略类编写说明

在上一篇，我大体记录了整个backtrader整体最简流程，策略类中没有实现任何买卖逻辑，只是单纯的打印了每日的收盘价。今天，我将详细介绍策略编写类的构建过程，并构建一个简单的均线策略。
策略逻辑如下：

收盘价高于平均价的时候，以市价买入
持有仓位的时候，如果收盘价低于平均价，卖出
只有一个待执行的订单

以下是上一篇文章的代码，我们在此基础上增加新的内容。

# 1. 创建策略继承bt.Strategy 
class TestStrategy(bt.Strategy): 

    def log(self, txt, dt=None): 
        # 记录策略的执行日志  
        dt = dt or self.datas[0].datetime.date(0) 
        print('%s, %s' % (dt.isoformat(), txt)) 

    def __init__(self): 
        # 保存收盘价的引用  
        self.dataclose = self.datas[0].close 

    def next(self): 
        # 记录收盘价  
        self.log('Close, %.2f' % self.dataclose[0])

策略类函数解释：

log函数：用于在策略类中打印日志，日志直接带日期
__init__函数：该函数用于初始化一些我们需要的全局变量
next：这个函数是策略类最核心的函数，所有的策略逻辑都将在这个函数中实现。

在next中增加买入卖出逻辑

买入逻辑：股价三连跌
卖出逻辑：股价三连涨

def next(self):
        # 记录收盘价  
        self.log('Close, %.2f' % self.dataclose[0]) 

        # 今天的收盘价 < 昨天收盘价  
        if self.dataclose[0] < self.dataclose[-1]: 
            # 昨天收盘价 < 前天的收盘价  
            if self.dataclose[-1] < self.dataclose[-2]:
                # 买入  
                self.log('买入, %.2f' % self.dataclose[0])
                self.buy()
                
        # 今天的收盘价 > 昨天收盘价  
        if self.dataclose[0] > self.dataclose[-1]: 
            # 昨天收盘价 < 前天的收盘价  
            if self.dataclose[-1] > self.dataclose[-2]:
                # 买入  
                self.log('卖出, %.2f' % self.dataclose[0])
                self.sell()

将该next函数替换为上一个教程中的next即可。

为了可以看到策略运行结束后的交易情况，我们可以在最后增加一行代码，实现绘图。

cerebro.plot(style='bar')

完整的程序如下

import datetime
import os.path
import sys
# 0. 导入backtrader框架  
import backtrader as bt 

class TestStrategy(bt.Strategy): 
    def log(self, txt, dt=None): 
        # 记录策略的执行日志  
        dt = dt or self.datas[0].datetime.date(0) 
        print('%s, %s' % (dt.isoformat(), txt))

    def __init__(self): 
        # 保存收盘价的引用  
        self.dataclose = self.datas[0].close

    def next(self):
        # 记录收盘价  
        self.log('Close, %.2f' % self.dataclose[0]) 

        # 今天的收盘价 < 昨天收盘价  
        if self.dataclose[0] < self.dataclose[-1]: 
            # 昨天收盘价 < 前天的收盘价  
            if self.dataclose[-1] < self.dataclose[-2]:
                # 买入  
                self.log('买入, %.2f' % self.dataclose[0])
                self.buy()
                
        # 今天的收盘价 > 昨天收盘价  
        if self.dataclose[0] > self.dataclose[-1]: 
            # 昨天收盘价 < 前天的收盘价  
            if self.dataclose[-1] > self.dataclose[-2]:
                # 买入  
                self.log('卖出, %.2f' % self.dataclose[0])
                self.sell()
        
# 2. 创建Cerebro引擎  
cerebro = bt.Cerebro()  # Cerebro引擎在后台创建broker(经纪人)，系统默认资金量为10000 

# 3. 为Cerebro引擎添加策略  
cerebro.addstrategy(TestStrategy) 

# 4. 创建交易数据集  
data = bt.feeds.GenericCSVData(
    dataname='159605.SZ.csv',
    dtformat='%Y%m%d',  # 日期时间格式
    datetime=0,      # 日期时间所在列，假设为第一列
    open=2,          # 开盘价所在列，假设为第三列
    high=3,          # 最高价所在列，假设为第四列
    low=4,           # 最低价所在列，假设为第五列
    close=5,         # 收盘价所在列，假设为第六列
    volume=6,        # 成交量所在列，假设为第七列
    openinterest=-1,  # 无未平仓量列
    fromdate=datetime.datetime(2022, 1, 19),  # 起始日期
    todate=datetime.datetime(2024, 4, 19)     # 结束日期
)

# 5. 为Cerebro引擎添加数据
cerebro.adddata(data)  

# 运行cerebro引擎  
print('组合期初资金: %.2f' % cerebro.broker.getvalue()) 
cerebro.run() 
# 引擎运行后打期末资金  
print('组合期末资金: %.2f' % cerebro.broker.getvalue())

cerebro.plot(style='bar')