告别 backtrader！换这个库实施量化回测

于 2024-10-02 15:00:00 发布
阅读量743 收藏 7
点赞数 20
分类专栏： AI顾投高级策略 文章标签： 人工智能 回归算法 金融
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_70955880/article/details/142145256
版权

作者：老余捞鱼

原创不易，转载请标明出处及原作者。

写在前面的话：
       在算法交易的领域，拥有一个强大的回测和策略分析工具至关重要。Vectorbt 已成为最有效且多功能的 Python 库之一。这款开源工具允许交易者在历史数据上测试策略、优化参数，并进行详尽的投资组合和风险分析，并且这个项目库更新频繁，维护得非常勤快，而backtrader上一次维护已经是一年前。本文将探讨 Vectorbt 的主要优势、使用理由以及如何入门，包括其关键功能的示例。

一、主要优势 

        Vectorbt 因其众多优势而脱颖而出，使其成为交易者和数据分析师不可或缺的工具。以下是一些其最显著的特点：

        完全向量化：凭借完全向量化的方法，Vectorbt 能够同时进行大量计算，性能优于依赖迭代循环的其他工具。 

        与 Pandas 的集成：该库被设计成能够与 Pandas 无缝配合，使数据处理和应用交易策略变得简单且熟悉。

         灵活性和可扩展性：Vectorbt 允许模拟复杂策略并同时优化多个参数。它适用于简单策略和更复杂的交易算法，包括机器学习算法。

二、为什么要用它

        考虑在您的交易分析和策略中使用 Vectorbt，有几个理由：

        高效优化策略：Vectorbt 允许对各种参数配

最低0.47元/天 解锁文章
老余捞鱼
关注
专栏目录
【量化回测必看！】Backtrader保姆级教学+免费行情源 框架介绍
weixin_38132951的博客
02-25 3291
3min看完这边文章，backtrader的基本框架和使用方法你就懂了！ backtrader作为免费的开源回测平台，功能非常强大！ INSIGHT也是市面上笔者认为最好用的行情源 所以两者的结合将会产生激烈的火花！
backtrader源码解析_量化回测：backtrader
weixin_34115768的博客
01-14 1553
backtrader简介backtrader是基于Python的量化回测框架，优点是运行速度快，支持pandas的矢量运算；支持参数自动寻优运算，内置了talib股票分析技术指标库；支持多品种、多策略、多周期的回测和交易；支持pyflio、empyrica分析模块库、alphalens多因子分析模块库等；扩展灵活，可以集成TensorFlow、PyTorch和Keras等机器学习、神经网络分析模块...
基于Python的量化交易回测框架Backtrader初识记录（一）
Jayskateboy的博客
09-01 1240
本文目的旨在记录在操作Backtrader（正文内容中简称BT）的过程中的思路以及面临新问题的解决方法，并非指导教程
【python量化】基于backtrader的深度学习模型量化回测框架
敲代码的quant的博客
04-30 3684
写在前面在本文中，我们将介绍使用PyTorch构建一个深度学习模型，并将其集成到backtrader回测框架中。具体地，我们将使用PyTorch来实现一个长短期记忆神经网络（LSTM）模型，并将其应用于股票价格预测。由于backtrader目前没有原生支持深度学习的模块，因此我们需要自己先实现一个深度学习模型，对其先进行训练与测试，然后将保存的模型与backtrader集成，以便进行回测。1 前言...
Backtrader 量化回测实践（6）——量化回测评价工具Quantstats
六月闻君
04-09 2568
quantstats主要有三个功能，对每个功能进行解读和测试，提供测试用例： 1.统计功能，计算各类性能指标，夏普率，胜率，波动率等； 2.绘图功能，可视化性能指标，最大回撤，滚动统计，月度回报率等； 3.报告功能，生成度量报告，批量绘图，创建HTML报告；
backtrader股票技术指标自定义与量化回测
Python金融量化
09-01 5108
01引言股票市场自交易以来，人们就开始孜孜不倦地探索各种各样的投资理论，其中技术分析是重要的理论之一。实际上，技术分析是100多年前创建的股票投资理论，是投资者对股票量价变化长期观察归纳...
Backtrader 量化回测实践（4）—— 投资组合股票回测同一策略
六月闻君
03-15 1611
需要将一组股票作为一个投资组合，验证一个策略。观察操作是否具有一致性。比如在某一段时间，组合中的买卖操作，有一定的相似度。 对所有股票依次做单独的策略回测，不好对比，不好直观验证策略的优劣。 基于backtrader，编写多股票同时回测程序。以MACD简单策略演示。需要关注理解策略中的四个关键点 。
实战解析：如何利用backtrader进行突破交易策略的量化回测
Python金融量化
06-04 1483
01引言突破交易策略是一种受到交易者广泛采用的技术分析方法，特别是在金融市场中寻找明显的入场和出场点。这种策略基于一个核心前提：当资产价格超越之前设定的关键阻力或支撑水平时，通常会引发显著的价格运动，从而提供交易机会。突破可能预示着趋势的开始或现有趋势的加速，因此，它吸引了各种风格的交易者，包括日内交易者、摆动交易者以及趋势追随者。成功的突破交易不仅依赖于识别这些关键水平的能力，还需要对市场情绪和...
backtrader量化回测----基础使用1，附完整代码
qq_50882340的博客
05-07 1393
今天我们体测完1000米感觉人都要废了，目前在学习天勤量化，但是我还是打算仔细将这个量化框架介绍完，我们开始下面介绍来自官网，因为有时候官网打不开，我将仔细介绍，我们开始。 需要程序关注微信公众号，数据分析与运用，回复backtrader量化回测基础使用1就可以 因为文章比较长，我们自己看效果，我结合了金融数据库akshare,所以可以回测A股全部的股票，我们只需要输入股票代码，开始时间，开始资金就可以了。 下面为全部买卖点输出，收益率还是不错的 下面为绘制分析图，非常的好 下
backtrader量化回测，基础篇，附MACD交易回测代码
qq_50882340的博客
05-07 5154
backtrader由德国工程师开发，拥有股票的回测，检测交易策略，支持期货实时交易，对于股票交易还在完善，我尝试了pylagotrade,vn.py，发现backtrader功能强大，交易策略全面，一直想用zipline写交易策略，但是一直安装不上，很多地方需要改，目前在研究，但是我们也很幸运，很多量化平台都是建立在zipline上的比如聚宽，掘金等，还有一个微软开发的机器学习量化库qlib，我有空去研究研究，分享给大家。 我们看一下如何安装backtrader,我们wind安装按win+r，输入cmd
基于Backtrader量化回测框架的MACD指标回测代码
03-09
基于Backtrader量化回测框架的MACD指标回测代码，建议使用jupyter notebook运行此代码。 本文基于Backtrader量化回测框架对MACD指标进行回测分析，以沪深300为基准，以SH.600600青岛啤酒为股票池，回测期间2019-01-...
扫地僧Backtrader股票量化回测核心篇
04-21
《扫地僧Backtrader股票量化回测核心篇》是一份深入探讨股票量化交易策略的教程，结合了源代码分析，旨在帮助读者掌握使用Backtrader库进行量化回测的关键技术。Backtrader是一个功能强大的Python库，专为金融市场的...
基于Backtrader量化回测框架的Williams %R指标回测
03-09
基于Backtrader量化回测框架的Williams %R指标回测代码，建议使用jupyter notebook运行此代码。 本文基于Backtrader量化回测框架对Williams %R指标进行回测分析，以沪深300为基准，以SH.600600青岛啤酒为股票池，...
量化回测平台Backtrader实战教程
06-10
课程通过学习Backtrader这一功能丰富的开源回测平台来逐步实现多个量化cta策略的回测实现。Backtrader是一个功能齐全的开源平台，但由于功能多样，且作者出于平台实现性的考虑，对于入门的使用者有一定的难度。这一...
[论文精读]AI-Guardian: Defeating Adversarial Attacks using Backdoors
m0_52911108的博客
09-27 1250
本文提出了AI-Guardian框架，本质是让模型预测结果受到后门控制，而很难被攻击者操纵，从而抵御对抗攻击。在模型训练阶段，AI-Guardian会针对原始训练样本生成一批后门样本（经过后门处理的样本），按标签双射关系为后门样本分配对应标签，实现后门注入；在模型预测阶段，AI-Guardian先对输入数据进行后门处理，然后将其输入到模型，根据模型输出结果、标签双射关系返回对输入数据真实标签的预测结果。
Linux嵌入式有发展吗，以及对uboot，kernel，rootfs的领悟
最新发布
rjszcb的博客
09-30 522
上一份工作是2022,11—2023，11年底，汽车公司，底层修修改改，编译镜像，修改后，客户给东西，重新编译给他，客制化配置启动参数，环境，支持应用部门，不懂怎么使用某些驱动。uboot到底是干嘛的，想想，emmc的镜像文件是怎么被读到ddr的，emmc为啥可以被分区，烧录镜像，tftp网络命令为啥可以运行，启动设备时，为啥lcd可以看到图像，kernel还没启动，怎么出图像的。不管做应用开发，驱动开发也好，知道，系统原理，驱动框架，进程管理调度，内核竞争，信号，中断，锁，这些就够了。
Python精选200Tips：171-175
AnFany
09-26 1326
Python深度学习的项目
Python/大数据/机器识别毕业设计选题题目推荐
初尘屿风的博客
09-27 997
基于Python和Diango在线购物商城系统+报告文档+指导搭建视频基于深度学习的人脸识别与管理系统，Python实现基于Python/机器学习链家网新房数据可视化及预测系统Python豆瓣电影情感分析推荐系统+爬虫+可视化，过滤算法基于python的django框架生鲜商城管理系统设计与实现基于Python的Flask微博话题舆情分析可视化系统设计基于Python豆瓣电影数据可视化分析系统+毕业论文+指导搭建视频基于Python天气预报数据可视化分析系统+毕业论文基于Python的深度学习音乐推荐系统+
持续学习与创新能力的双重提升
thinkers
09-25 568
  ---
用python写一个用backtrader库的RSI均线量化回测，数据从tushare获取
06-10
好的，以下是一个简单的用backtrader库的RSI均线量化回测，数据从tushare获取的Python代码。请确保你已经安装了backtrader和tushare库。 ```python import backtrader as bt import tushare as ts class RSI_Moving_Average(bt.Strategy): params = (('rsi_period', 14), ('ma_period', 30), ('printlog', False)) def log(self, txt, dt=None, doprint=False): if self.params.printlog or doprint: dt = dt or self.datas[0].datetime.date(0) print('%s, %s' % (dt.isoformat(), txt)) def __init__(self): self.rsi = bt.indicators.RSI_SMA(self.data.close, period=self.params.rsi_period) self.sma = bt.indicators.SimpleMovingAverage(self.data.close, period=self.params.ma_period) def next(self): if not self.position: if self.rsi < 30: self.buy() else: if self.rsi > 70: self.sell() def notify_order(self, order): if order.status in [order.Submitted, order.Accepted]: return if order.status in [order.Completed]: if order.isbuy(): self.log('BUY EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' % (order.executed.price, order.executed.value, order.executed.comm)) else: self.log('SELL EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' % (order.executed.price, order.executed.value, order.executed.comm)) elif order.status in [order.Canceled, order.Margin, order.Rejected]: self.log('Order Canceled/Margin/Rejected') def notify_trade(self, trade): if not trade.isclosed: return self.log('OPERATION PROFIT, GROSS %.2f, NET %.2f' % (trade.pnl, trade.pnlcomm)) if __name__ == '__main__': cerebro = bt.Cerebro() # 获取数据 data = ts.get_k_data('000001', start='2010-01-01', end='2021-01-01') data = bt.feeds.PandasData(dataname=data) cerebro.adddata(data) # 添加策略 cerebro.addstrategy(RSI_Moving_Average) # 设定初始资金和手续费 cerebro.broker.setcash(100000.0) cerebro.broker.setcommission(commission=0.002) # 运行回测 print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue()) cerebro.run() print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue()) ``` 这个策略是基于RSI和移动平均线的交叉进行交易的。当RSI低于30时，策略会买入股票，当RSI高于70时，策略会卖出股票。回测数据来自于tushare的历史数据，回测结果将会输出到控制台，包括每次交易的成本和收益。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

老余捞鱼

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值