量化交易学习（二）backtrader单均线回测

发表于 2024-01-10 分类于量化

昨天介绍了怎么用掘金量化做回测，今天介绍下怎么用backtrader来做回测，backtrader 是一个在量化界大名鼎鼎的量化回测框架，功能丰富，是量化交易初学者必学的量化回测框架。目前的话我也是刚入门，只会拿它做回测，还没研究出怎么把backtrader与掘金量化结合起来用backtrader直接跑仿真和实盘。

backtrader的官网：https://www.backtrader.com/

官网安装教程：https://www.backtrader.com/docu/installation/

官方的入门教程：https://www.backtrader.com/docu/quickstart/quickstart/

接下来以单均线策略介绍下怎么用backtrader结合掘金量化的数据跑回测：

导入掘金及backtrader库：

1 2	from gm.api import * import backtrader as bt

设置掘金token

掘金token是用来访问掘金量化平台数据的凭证，点击掘金量化右上角的系统设置就能找到了。

1 2	token='xxxxxx' set_token(token)

准备回测的数据

掘金量化有获取历史行情的接口history，具体的使用方法可以看其API文档。获取到数据后用bt.feeds.PandasData可以把它转化为backtrader的数据源。在这里我们选择的数据是沪深300ETF（510300）在2020年1月1日至2023年8月9日的数据。为啥是8月9日？因为这份代码是我那天写的。

gmdata = history(symbol='SHSE.510300', frequency='1d', start_time='2020-01-01 09:00:00', end_time='2023-08-09 16:00:00',
                adjust=ADJUST_PREV, adjust_end_time='2023-08-09', df=True)

data=bt.feeds.PandasData(
    dataname=gmdata,
    datetime='eob'
)

创建一个单均线策略

backtrader中可以用类来定义一个自定义策略

class SingleMAStrategy(bt.Strategy):
    # 设置均线的周期
    params=(
        ('period',15),
    )
    
    # 打印日志的函数
    def log(self,txt,dt=None):
        dt=dt or self.datas[0].datetime.date(0)
        print('%s, %s' % (dt.isoformat(),txt))
    
    # 策略初始化，设置一些参数   
    def __init__(self):
        # 标第的收盘价
        self.dataclose = self.data.close

        self.order = None
        self.buyprice = None
        self.buycomm = None
        
        self.sma = bt.indicators.SimpleMovingAverage(
            self.data,period=self.params.period
        )
       
        self.cross=bt.indicators.CrossOver(self.dataclose,self.sma)
    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(
                    '买入已执行，价格为：%.2f，花费：%.2f，佣金：%.2f' %
                    (order.executed.price,
                     order.executed.value,
                     order.executed.comm))
                self.buyprice = order.executed.price
                self.buycomm = order.executed.comm
            else:
                self.log(
                    '卖出已执行，价格为：%.2f，花费：%.2f，佣金：%.2f' %
                    (order.executed.price,
                     order.executed.value,
                     order.executed.comm))
                
            self.bar_executed=len(self)
        elif order.status in [order.Canceled,order.Margin,order.Rejected]:
            self.log('Order Canceled/Margin/Rejected')
            
        self.order = None
        
    def notify_trade(self,trade):
        if not trade.isclosed:
            return
        
        self.log('当前盈亏 %.2f ，去除佣金后的盈亏 %.2f' %
                (trade.pnl,trade.pnlcomm))
        
    # 每条k线都会执行这个函数
    def next(self):
        if self.order:
            return
        if not self.position:
            # 当前价格上穿均线买入
            if self.cross==1:
                vol=self.broker.getvalue()/self.dataclose[0]//100*100
                self.log('创建买单，%.2f' % self.dataclose[0])
                self.log('vol:%.2f' % vol)
                self.order =self.buy(size=vol)
        else:
            # 当前价格下穿均线卖出
            if self.cross==-1:
                self.log('创建卖单，%.2f' % self.dataclose[0])
                self.order=self.sell(size=self.position.size)

主程序

if __name__ == '__main__':
    # 新建一个backtrader回测引擎
    cerebro = bt.Cerebro()
    # 加载自定义策略
    cerebro.addstrategy(SingleMAStrategy)
    # 加载回测数据
    cerebro.adddata(data)
    # 设置回测交易商现金
    cerebro.broker.setcash(100000)
    # 设置交易佣金比例
    cerebro.broker.setcommission(commission=0.00015)
    
    print('初始时资金持仓：%.2f' % cerebro.broker.getvalue())
    cerebro.run()
    print('结束时资金持仓：%.2f' % cerebro.broker.getvalue())
    # 画图
    cerebro.plot(iplot=False)