量化投资学习笔记73——backtrader实操

发表于 | 分类于
| 字数统计: 2.6k | 阅读时长 ≈ 12

上次了解了backtrader的基本内容和使用方法。下面就用backtrader框架来解决一个问题:回测一下我的实盘数据。
我从2018年开始股票定投，就两个:300etf和纳指etf。开始每个月一次，后来每隔十天一次。由于时间并不绝对固定，没法直接用算法来描述。我从券商APP里把交易记录人肉输入到一个csv文件里，像这样。

下面就用backtrader来回测一下。先用tushare下载历史数据并保存到文件里。并转换成backtrader可以接受的形式。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
# 获取数据
def getData(code, start, end):
    filename = code+".csv"
    print("./" + filename)
    # 已有数据文件，直接读取数据
    if os.path.exists("./" + filename):
        df = pd.read_csv(filename)
    else: # 没有数据文件，用tushare下载
        df = ts.get_k_data(code, autype = "qfq", start = start, end = end)
        df.to_csv(filename)
    df.index = pd.to_datetime(df.date)
    df['openinterest']=0
    df=df[['open','high','low','close','volume','openinterest']]
    return df

下面获取股价数据，并建立数据源。

1
2
3
4
5
6
7
8
9
10
11
if __name__ == "__main__":
    start = "2018-01-01"
    end = "2020-05-31"
    df_300 = getData("510300", start, end)
    df_nas = getData("513100", start, end)
    print(df_300.info(), df_nas.info())
    # 建立数据源
    start_date = list(map(int, start.split("-")))
    end_date = list(map(int, end.split("-")))
    data300 = bt.feeds.PandasData(dataname = df_300, name = "300ETF", fromdate = datetime.datetime(start_date[0], start_date[1], start_date[2]), todate = datetime.datetime(end_date[0], end_date[1], end_date[2]))
    dataNas = bt.feeds.PandasData(dataname = df_nas, name = "nasETF", fromdate = datetime.datetime(start_date[0], start_date[1], start_date[2]), todate = datetime.datetime(end_date[0], end_date[1], end_date[2]))

下面建立策略类，先写最简单的，直接显示股价。

1
2
3
4
5
6
7
8
# 交易策略
class TradeStrategy(bt.Strategy):
    def __init__(self):
        pass
       
    def next(self):
        for data in self.datas:
            print("name :%s, price:%.2f" % (data._name, data[0]))

然后建立cerebro实例，加载数据和策略。

1
2
3
4
5
# 建立回测实例，加载数据，策略。
cerebro = bt.Cerebro()
cerebro.addstrategy(TradeStrategy)
cerebro.adddata(data300, name = "300ETF")
cerebro.adddata(dataNas, name = "nasETF")

最后运行回测。

1
2
# 运行回测
cerebro.run()


搞定!
接下来，把我的交易记录读入，根据交易记录进行交易。
折腾了好久，主要是datetime作为DataFrame的索引，如何找出某个日期的数据呢？用datetime的strftime函数输出字符串，再用loc选取数据。具体看下面。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
# 交易策略
class TradeStrategy(bt.Strategy):
    params = (
            ("recordFilename", "etfdata.csv"),
    )
    
    def __init__(self):
        self.df_record = pd.read_csv(self.params.recordFilename)
        self.df_record.成交日期 = pd.to_datetime(self.df_record.成交日期, format = "%Y%m%d")
        self.df_record.index = self.df_record.成交日期
        self.df_record.drop(labels = "成交日期", axis = 1, inplace = True)
        # print(self.df_record.head(), self.df_record.info())
        
    def next(self):
        tradeData = pd.DataFrame()
        for data in self.datas:
            date = data.datetime.date(0)
            tradeBar = self.df_record.loc[date.strftime("%Y-%m-%d"),:]
            if len(tradeBar) != 0:
                for i in range(len(tradeBar)):
                    name = tradeBar.iloc[i].证券名称 
                    price = tradeBar.iloc[i].成交均价 
                    stock = tradeBar.iloc[i].成交量 
                    commit = tradeBar.iloc[i].手续费

下面就要用这些实盘的数据进行回测交易。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
def next(self):
        if self.order:
            return
        tradeData = pd.DataFrame()
        for data in self.datas:
            date = data.datetime.date(0)
            tradeBar = self.df_record.loc[date.strftime("%Y-%m-%d"),:]
            if len(tradeBar) != 0:
                for i in range(len(tradeBar)):
                    name = tradeBar.iloc[i].证券名称 
                    price = tradeBar.iloc[i].成交均价 
                    stock = tradeBar.iloc[i].成交量 
                    commit = tradeBar.iloc[i].手续费
                    print("测试", i, name, price, stock, commit)
                    # 进行交易
                    if stock > 0:
                        self.broker.add_cash(price*stock + commit + 1.0)
                        print(self.broker.get_cash())
                        self.order = self.buy(data = data, size = stock, price = price)
                    else:
                        self.order = self.sell(data = data, size = -1*stock, price = price)

跑一下看看。

有两个问题：貌似一个bar里执行了两次，另外买入日期是第二天，因此有交易失败的情况。
看了半天，原来是因为我没有判断实盘证券名称与bar数据中的证券名称是否一致的原因。另外查了一下交易的exectype类型:
Order.Market或者None：Market订单将以下一个可行的价格进行交易，在回测中，就将以下一根K线的开盘价进行交易。
Order.Limit：在给定的价位price或者更好的价位执行的订单。
Order.Stop：当价格突破price时，触发订单成交。
Order.StopLimit：当价格突破price时触发订单（类似于Order.Stop订单），之后以给定的价位plimit或者更好的价位执行订单（相当于以参数plimit为price的Order.Limit订单）。
Order.StopTrailLimit：Order.StopTrail和Order.Limit的组合，按照Order.StopTrail条件触发，按照Order.Limit条件成交。
Order.Historical：尚未发现相关说明及应用。
以上参考:https://blog.csdn.net/m0_46603114/article/details/106031259
看不太明白，我挨个试了一下。最后结果还是第一个，即以第二天开盘价成交的回测结果与实际结果最接近，但还是差了几千块。就先用这个结果吧。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
def next(self):
    if self.order:
        return
    tradeData = pd.DataFrame()
    orderType = bt.Order.Market
    for data in self.datas:
        date = data.datetime.date(0)
        tradeBar = self.df_record.loc[date.strftime("%Y-%m-%d"),:]
        # print("bar数据", date, data._name)
        if len(tradeBar) != 0:
            for i in range(len(tradeBar)):
                name = tradeBar.iloc[i].证券名称
                price = tradeBar.iloc[i].成交均价
                stock = tradeBar.iloc[i].成交量
                commit = tradeBar.iloc[i].手续费
                # 进行交易
                if stock > 0 and name == data._name:
                    print("测试a", date, name, price, stock, commit)
                    self.broker.add_cash(price*stock + commit)
                    print(self.broker.get_cash())
                    self.order = self.buy(data = data, size = stock, price = price, exectype = orderType)
                elif stock < 0 and name == data._name:
                    print("测试b", date, name, price, stock, commit)
                    self.order = self.sell(data = data, size = -1*stock, price = price, exectype = orderType)



绿色标志是买入点，红色是卖出点，接下来看看画图能不能改进。
默认的cerebro.plot()调用有CashValue，Trade，BuySell三个观察器，分别监控总市值，交易盈亏和买卖点。用stdstats参数来控制，默认为True。
有三种方法可以改变绘图数据:
通过adddata, replaydata和resampledata往cerebro里添加数据。
通过addindicator往strategy里添加指标。
通过addobserver往cerebro里添加观察器。
实操一下，先通过添加观察器增加回撤观察器:

1
2
# 添加回撤观察器
cerebro.addobserver(bt.observers.DrawDown)

再到策略类里实现stop函数。输出策略的最大回撤值:

1
2
def stop(self):
    self.log("最大回撤:-%.2f%%" % self.stats.drawdown.maxdrawdown[-1], doprint=True)

输出结果:

画的图里也有回撤值的图像。

下面试试在strategy里添加indicator，要注意的是任何在__init__()里声明的indicator都会在next()被调用之前被计算。
关于绘图，声明Indicator会自动绘图，但通过操作符得到的lines对象不会自动绘图，要绘图可以通过LinePlotterIndicator进行。
直接在策略类的__init__()里声明indicators就行啦。

1
bt.indicators.AroonDown()


下面来看看怎么修改图片显示参数。indicators和observers有很多选项可以调整图片显示。有三大类，分别是可以控制整个对象，单独某个lines，和整个系统范围内的图像输出。对于indicators和observers可以设置plotinfo参数，可以在定义是直接指定参数及值，也可以在定义了对象之后，设置对象名.plotinfo.参数名。
两个方法都试一下:

1
2
ad = bt.indicators.AroonDown(plotname = "AD")
ad.plotinfo.subplot = False


当subplot参数为False时，图与前面一个图形画在一起，如画移动均线时跟股价画到一起。
indicators和observers类中也定义了很多以_开头的函数用来控制绘图。
还有控制整个系统绘图的函数，cerebro.plot(),其中numfigs指定分成几张图，默认为1，我改一下看看。

1
cerebro.plot(numfigs = 2)

貌似没啥用。

先这样吧。下面看看怎么加入分析器。
用cerebro.addanalyzer函数加入，在run结束后才计算结果，尽管其在内部也是lines。

1
import backtrader.analyzers as btay

先算个夏普比例

1
2
3
4
5
6
7
    # 添加分析对象
    cerebro.addanalyzer(btay.SharpeRatio, _name = "sharpe")
    # 运行回测
    results = cerebro.run()
    print("夏普比例:", results[0].analyzers.sharpe.get_analysis())

夏普比例: OrderedDict([('sharperatio', 0.7071076137019872)])

才0.707，嘿嘿。
再加几个试试。

1
2
3
4
5
6
7
8
9
10
11
12
    # 添加分析对象
    cerebro.addanalyzer(btay.SharpeRatio, _name = "sharpe")
    cerebro.addanalyzer(btay.AnnualReturn, _name = "AR")
    cerebro.addanalyzer(btay.DrawDown, _name = "DD")
    cerebro.addanalyzer(btay.Returns, _name = "RE")
    cerebro.addanalyzer(btay.TradeAnalyzer, _name = "TA")
......
    print("夏普比例:", results[0].analyzers.sharpe.get_analysis())
    print("年化收益率:", results[0].analyzers.AR.get_analysis())
    print("回撤:", results[0].analyzers.DD.get_analysis())
    print("收益:", results[0].analyzers.RE.get_analysis())
    print("交易统计结果:", results[0].analyzers.TA.get_analysis())

这种方式输出很乱，有两种改进方法，一个是直接输出结果字典的某个键值，还有一个方法是调用分析对象的print()成员函数。两种方法都试试:

1
2
3
4
5
print("夏普比例:", results[0].analyzers.sharpe.get_analysis()["sharperatio"])
print("年化收益率:", results[0].analyzers.AR.get_analysis())
print("最大回撤:%.2f，最大回撤周期%d" % (results[0].analyzers.DD.get_analysis().max.drawdown, results[0].analyzers.DD.get_analysis().max.len))
print("总收益率:%.2f" % (results[0].analyzers.RE.get_analysis()["rtot"]))
results[0].analyzers.TA.print()

结果

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
夏普比例: 0.7071076051413587
年化收益率: OrderedDict([(2018, 2477996.959), (2019, 1.80777128840242), (2020, 0.15721567033664452)])
最大回撤:15.09，最大回撤周期95
总收益率:15.90
===============================================================================
TradeAnalyzer:
  -----------------------------------------------------------------------------
  - total:
    - total: 5
    - open: 2
    - closed: 3
  -----------------------------------------------------------------------------
  - streak:
    +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
    - won:
      - current: 0
      - longest: 2
    +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
    - lost:
      - current: 1
      - longest: 1
  -----------------------------------------------------------------------------
  - pnl:
    +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
    - gross:
      - total: 8245.700000000004
      - average: 2748.566666666668
    +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
    - net:
      - total: 8206.782110000004
      - average: 2735.5940366666678
  -----------------------------------------------------------------------------
  - won:
    - total: 2
    +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
    - pnl:
      - total: 8212.406090000004
      - average: 4106.203045000002
      - max: 6878.523510000001
  -----------------------------------------------------------------------------
  - lost:
    - total: 1
    +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
    - pnl:
      - total: -5.623979999999938
      - average: -5.623979999999938
      - max: -5.623979999999938
  -----------------------------------------------------------------------------
  - long:
    - total: True
    +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
    - pnl:
      - total: 8212.406090000004
      - average: 8212.406090000004
      *************************************************************************
      - won:
        - total: 8212.406090000004
        - average: 4106.203045000002
        - max: 6878.523510000001
      *************************************************************************
      - lost:
        - total: 0.0
        - average: 0.0
        - max: 0.0
    - won: 2
    - lost: 0
  -----------------------------------------------------------------------------
  - short:
    - total: 1
    +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
    - pnl:
      - total: -5.623979999999938
      - average: -5.623979999999938
      *************************************************************************
      - won:
        - total: 0.0
        - average: 0.0
        - max: 0.0
      *************************************************************************
      - lost:
        - total: -5.623979999999938
        - average: -5.623979999999938
        - max: -5.623979999999938
    - won: 0
    - lost: 1
  -----------------------------------------------------------------------------
  - len:
    - total: 958
    - average: 319.3333333333333
    - max: 479
    - min: 13
    +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
    - won:
      - total: 945
      - average: 472.5
      - max: 479
      - min: 466
    +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
    - lost:
      - total: 13
      - average: 13.0
      - max: 13
      - min: 13
    +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
    - long:
      - total: 945
      - average: 945.0
      - max: 479
      - min: 466
      *************************************************************************
      - won:
        - total: 945
        - average: 472.5
        - max: 479
        - min: 466
      *************************************************************************
      - lost:
        - total: 0
        - average: 0.0
        - max: 0
        - min: 9223372036854775807
    +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
    - short:
      - total: 13
      - average: 13.0
      - max: 13
      - min: 13
      *************************************************************************
      - won:
        - total: 0
        - average: 0.0
        - max: 0
        - min: 9223372036854775807
      *************************************************************************
      - lost:
        - total: 13
        - average: 13.0
        - max: 13
        - min: 13

这就清楚多了。
现在的问题是计算α，β值的方法，貌似框架里没有直接的方法。下次弄吧，另外想根据《重构》这本书对代码进行一下重构。
本文代码： https://github.com/zwdnet/MyQuant/tree/master/46

我发文章的三个地方，欢迎大家在朋友圈等地方分享，欢迎点“在看”。
我的个人博客地址：https://zwdnet.github.io
我的知乎文章地址： https://www.zhihu.com/people/zhao-you-min/posts
我的微信个人订阅号：赵瑜敏的口腔医学学习园地

欢迎打赏！感谢支持！