【量化】Backtrader量化回测平台入门1——环境配置快速上手

搭建本地量化平台

近几年国内的在线量化平台逐渐增加，比如常见的Ricequant、Joinquant等等，但是个人认为这些平台适合跑一些简单的策略，在实现一些复杂的或者需要计算资源的策略时回测时间较长。一些开源的框架，比如Backtrader以及Quantopian自家用的Zipline框架，在使用之后发现Backtrader具有较为完善的文档，方便编写本地量化策略（Zipline的部分较老的版本存在数据接口失效等问题）。所以打算记录下关于Backtrader的学习过程。

安装

推荐采用虚拟环境pip安装

pip3 install backtrader

快速上手

参考Backtrader官网的文档，熟悉Backtrader的框架。
Cerebro是Backtrader提供的一个类，用于传递数据、运行策略的核心回测引擎。

import backtrader as bt
cerebro = bt.Cerebro()
print('Start Value: {}'.format(cerebro.broker.getvalue()))
cerebro.run()
print('Final Value: {}'.format(cerebro.broker.getvalue()))
cerebro.plot()

策略框架

Backtrader使用类继承的方式构建策略。下面介绍如何导入数据和构建策略。导入数据采用backtrader.feeds加载数据，数据为单个标的ohlc格式。（这里使用orcl-1995-2014.txt数据）。
策略中核心的部分是next函数，当策略运行时，next函数在每个条状交易区间(bar)中运行一次。采用cerebro.plot()可以将回测结果绘制出来。

import backtrader as bt
import datetime
class mystrategy(bt.Strategy):
    def __init__(self):
        self.dataclose = self.datas[0].close

    def next(self):
        print(self.datas[0].datetime.date(0),self.dataclose[0])

cerebro = bt.Cerebro()
datapath="orcl-1995-2014.txt"
data = bt.feeds.YahooFinanceCSVData(dataname=datapath,fromdate=datetime.datetime(2000, 1, 1),todate=datetime.datetime(2000, 12, 31),reverse=False)
cerebro.adddata(data)
cerebro.addstrategy(mystrategy)
print('Start Value: {}'.format(cerebro.broker.getvalue()))
cerebro.run()
print('Final Value: {}'.format(cerebro.broker.getvalue()))
cerebro.plot()

下期预告

下期将介绍如何使用Backtrader构建一个简单的策略，欢迎关注！