量化交易学习（三十六）backtrader文档——观察者（1）

发表于 分类于

今天这篇是backtrader文档的学习笔记。主要介绍了观察者。

官方文档链接：https://www.backtrader.com/docu/observers-and-statistics/observers-and-statistics/

backtrader内部运行的策略主要处理数据源和指标。

数据源被添加到Cerebro实例中，并最终成为策略输入的一部分（解析并作为实例的属性），而指标则由策略本身声明和管理。

到目前为止，backtrader所有的示例图表都绘制了 3 个图表，这似乎是理所当然的，因为它们没有在任何地方被声明：

【没翻译，感觉英文原文更好懂】

  • Cash and Value (what’s happening with the money in the broker)
  • Trades (aka Operations)
  • Buy/Sell Orders

它们都是Observers对象并且存在于backtrader.observers子模块中。它们之所以存在，是因为Cerebro有一个参数支持自动把它们添加（或不添加）到策略中：

  • stdstats（默认值：True）
    如果遵循默认设置，Cerebro会执行以下等效的用户代码：
1
2
3
4
5
6
7
8
9
import backtrader as bt

...

cerebro = bt.Cerebro()  # default kwarg: stdstats=True

cerebro.addobserver(bt.observers.Broker)
cerebro.addobserver(bt.observers.Trades)
cerebro.addobserver(bt.observers.BuySell)

让我们看看这 3 个默认观察者的常规图表（即使没有发出订单，没有发生交易，并且现金和投资组合价值没有变化）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
from __future__ import (absolute_import, division, print_function,
                        unicode_literals)

import backtrader as bt
import backtrader.feeds as btfeeds

if __name__ == '__main__':
    cerebro = bt.Cerebro(stdstats=False)
    cerebro.addstrategy(bt.Strategy)

    data = bt.feeds.BacktraderCSVData(dataname='../../datas/2006-day-001.txt')
    cerebro.adddata(data)

    cerebro.run()
    cerebro.plot()

7063c9730851260400a1b333c2ece497.png

现在让我们在创建Cerebro实例时更改stdstats的值为False（也可以在调用run时完成）：

1
cerebro = bt.Cerebro(stdstats=False)

现在图表不同了。

229fc197472c1dc6832d9bb8722e59e3.png

访问观察者

上面看到的观察者在默认情况下已经存在，并收集可用于统计目的的信息，这就是为什么可以通过访问策略的一个属性来访问观察者：

  • stats

它只是一个占位符。如果我们还记得上面例子中添加的默认观察者之一：

1
2
3
...
cerebro.addobserver(backtrader.observers.Broker)
...

显而易见的问题是如何访问Broker观察者。例如，这是如何通过策略中的next方法访问：

1
2
3
4
5
6
7
8
class MyStrategy(bt.Strategy):

    def next(self):

        if self.stats.broker.value[0] < 1000.0:
           print('WHITE FLAG ... I LOST TOO MUCH')
        elif self.stats.broker.value[0] > 10000000.0:
           print('TIME FOR THE VIRGIN ISLANDS ....!!!')

Broker观察者就像数据、指标一样，策略本身也是一个Lines对象。在本例中，Broker有 2 行：

  • cash
  • value

观察者的实现

其实现与指标的实现非常相似：

1
2
3
4
5
6
7
8
9
class Broker(Observer):
    alias = ('CashValue',)
    lines = ('cash', 'value')

    plotinfo = dict(plot=True, subplot=True)

    def next(self):
        self.lines.cash[0] = self._owner.broker.getcash()
        self.lines.value[0] = value = self._owner.broker.getvalue()

步骤：

  • 继承Observer类（而不是继承Indicator类）

  • 根据需要声明线对象和参数（Broker有 2 个线对象但没有参数）

  • 会有一个自动属性_owner，它是持有观察者的策略

观察员在什么时候开始观察：

  • 所有指标计算完毕后
  • 执行策略next方法后
  • 这意味着：在周期结束时……观察者观察发生了什么

在Broker观察者例子中，它只是盲目地记录经纪人在每个时间点的现金和投资组合价值。

将观察者添加到策略中

正如上面已经指出的，Cerebro通过stdstats参数来决定是否添加 3 个默认观察者，从而减轻最终用户的工作量。

我们还可以添加其他观察者。

让我们采用一个简单的单均线策略，即当close价格高于SimpleMovingAverage时买入，否则卖出。

加上一个“补充”说明：

  • DrawDown 是backtrader生态系统中已经存在的观察者
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
from __future__ import (absolute_import, division, print_function,
                        unicode_literals)

import argparse
import datetime
import os.path
import time
import sys


import backtrader as bt
import backtrader.feeds as btfeeds
import backtrader.indicators as btind


class MyStrategy(bt.Strategy):
    params = (('smaperiod', 15),)

    def log(self, txt, dt=None):
        ''' Logging function fot this strategy'''
        dt = dt or self.data.datetime[0]
        if isinstance(dt, float):
            dt = bt.num2date(dt)
        print('%s, %s' % (dt.isoformat(), txt))

    def __init__(self):
        # SimpleMovingAverage on main data
        # Equivalent to -> sma = btind.SMA(self.data, period=self.p.smaperiod)
        sma = btind.SMA(period=self.p.smaperiod)

        # CrossOver (1: up, -1: down) close / sma
        self.buysell = btind.CrossOver(self.data.close, sma, plot=True)

        # Sentinel to None: new ordersa allowed
        self.order = None

    def next(self):
        # Access -1, because drawdown[0] will be calculated after "next"
        self.log('DrawDown: %.2f' % self.stats.drawdown.drawdown[-1])
        self.log('MaxDrawDown: %.2f' % self.stats.drawdown.maxdrawdown[-1])

        # Check if we are in the market
        if self.position:
            if self.buysell < 0:
                self.log('SELL CREATE, %.2f' % self.data.close[0])
                self.sell()

        elif self.buysell > 0:
            self.log('BUY CREATE, %.2f' % self.data.close[0])
            self.buy()


def runstrat():
    cerebro = bt.Cerebro()

    data = bt.feeds.BacktraderCSVData(dataname='../../datas/2006-day-001.txt')
    cerebro.adddata(data)

    cerebro.addobserver(bt.observers.DrawDown)

    cerebro.addstrategy(MyStrategy)
    cerebro.run()

    cerebro.plot()


if __name__ == '__main__':
    runstrat()

视觉输出显示了回撤的变化

25f66576ee875caa7fe2a4eb0d6c76eb.png

以及部分文本输出：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
...
2006-12-14T23:59:59+00:00，最大回撤：2.62
2006-12-15T23:59:59+00:00，回撤：0.22
2006-12-15T23:59:59+00:00，最大回撤：2.62
2006-12-18T23:59:59+00:00，回撤：0.00
2006-12-18T23:59:59+00:00，最大回撤：2.62
2006-12-19T23:59:59+00:00，回撤：0.00
2006-12-19T23:59:59+00:00，最大回撤：2.62
2006-12-20T23:59:59+00:00，回撤：0.10
2006-12-20T23:59:59+00:00，最大回撤：2.62
2006-12-21T23:59:59+00:00，回撤：0.39
2006-12-21T23:59:59+00:00，最大回撤：2.62
2006-12-22T23:59:59+00:00，回撤：0.21
2006-12-22T23:59:59+00:00，最大回撤：2.62
2006-12-27T23:59:59+00:00，回撤：0.28
2006-12-27T23:59:59+00:00，最大回撤：2.62
2006-12-28T23:59:59+00:00，回撤：0.65
2006-12-28T23:59:59+00:00，最大回撤：2.62
2006-12-29T23:59:59+00:00，回撤：0.06
2006-12-29T23:59:59+00:00，最大回撤：2.62

注意：从文本输出和代码中可以看出，DrawDown观察者实际上有 2 个线对象：

  • drawdown
  • maxdrawdown

图中没有绘制maxdrawdown线，但是用户还是可以在程序中使用它

实际上，maxdrawdown的最后一个值也可以直接在名称为maxdd的属性（不是线对象）中获取

这一篇就到这里啦。欢迎大家点赞、转发、私信。还没有关注我的朋友可以关注 江达小记

江达小记