量化交易学习（七）backtrader策略参数调优

发表于 分类于

今天这篇来讲一下backtrader的策略参数调优，这块有点像机器学习，一遍一遍地迭代，找出最佳的参数值。
还是以之前的单均线策略为例子，讲一下怎么找出收益最高时的均线的周期参数。
参数调优的原理就是在回测时，让程序把不同参数值一个个代入回测，然后根据每个参数所得到的最终收益来确定哪个参数是最优参数。
执行回测时，把addstrategy改为optstrategy，再加上参数的调优范围即可。如果是对指定值进行调优，可以用元组指定要回测的参数值，如果想对连续的一系列连续的参数值进行回测，可以用range来指定范围。
指定要回测的参数值：

1
2
3
cerebro.optstrategy(
    SingleMAStrategy,
    period=(10,20,30,60,90))

指定要回测的参数范围：

1
2
3
cerebro.optstrategy(
    SingleMAStrategy,
    period=range(10, 30))

主程序如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
if __name__ == '__main__':
    
    cerebro = bt.Cerebro()
    #cerebro.addstrategy(SingleMAStrategy)
    cerebro.optstrategy(
        SingleMAStrategy,
        period=(10,20,30,60,90))
    cerebro.adddata(data)
    
    cerebro.broker.setcash(100000)
    
    cerebro.broker.setcommission(commission=0.00015)
    # 如果在jupyter中跑，务必要设置为单进程模式，不然会没有输出
    cerebro.run(maxcpus=1)

另外还要修改一下策略中的打印输出部分，屏蔽中间买卖过程信息，输出停止回测后的结果信息。

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
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.buyprice = order.executed.price
                self.buycomm = order.executed.comm
            else:
                pass
                
            self.bar_executed=len(self)
        elif order.status in [order.Canceled,order.Margin,order.Rejected]:
            pass
            
        self.order = None
        
    def notify_trade(self,trade):
        if not trade.isclosed:
            return
        
    # 每条k线都会执行这个函数
    def next(self):
        if self.order:
            return
        if not self.position:
            if self.cross==1:
                vol=self.broker.getvalue()/self.dataclose[0]//100*100
                self.order =self.buy(size=vol)
        else:
            if self.cross==-1:
                self.order=self.sell(size=self.position.size)
    # 策略结束后打印结果信息
    def stop(self):
        self.log('(MA Period %2d) Ending Value %.2f' %
                 (self.params.period, self.broker.getvalue()))

回测数据不能用实时数据源，要用已经准备好的数据，不然跑完第一次回测后会卡住。

1
2
3
4
5
6
7
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'
)

程序跑完后的结果如下：
图片
可以看到，当均线的周期设置为10、20、30时都亏钱了，设置为60、90时赚钱了。在这几个参数中，period设置为90时赚的钱最多，最优参数为90。
这一篇就到这里啦。欢迎大家点赞、转发、私信。

江达小记