在某些情况下，真实经纪人的现金金额可能会减少，因为资产操作包括利率。例子：
-
卖空股票
-
交易所买卖基金包括多头和空头
这意味着不仅交易构成了系统的盈利能力，因为信贷上的利息在帐户上佔有一席之地。
为了涵盖这种情况， backtrader 包括（从发佈1.8.8.96开始）功能来考虑这一点。
扩展佣金资讯
即使不与任何订单/交易相关联，帐户现金的折扣也可以建模为经纪人收取的佣金。因此，鉴于 backtrader 已经提供了灵活且可扩展的佣金系统，该系统已略微扩展以支持信贷利息。
现在可以使用两个新参数实例化 ACommissionInfo ：
-
interest（防守：0.0）如果此值为非零，则为持有卖空头寸所收取的年利息。这主要用于股票卖空
公式：
days \* price \* abs(size) \* (interest / 365)必须以绝对值指定：0.05 -> 5%
注意
可以通过重写该方法来更改行为：
_get_credit_interest -
interest_long（防守：False）一些产品，如ETF，需要对空头和多头头寸收取利息。如果 ths 为
True非interest零，则将在两个方向上收取利息
也可以使用以下方法通过代理设定参数：
def setcommission(self,
commission=0.0, margin=None, mult=1.0,
commtype=None, percabs=True, stocklike=False,
interest=0.0, interest_long=False,
name=None)
其中interest 和 interest_long 显然具有与上述相同的含义。
应用佣金资讯
对于佣金百分比的股票，具有信用利息的典型使用场景如下
import backtrader as bt
cerebro = bt.Cerebro()
comminfo = bt.CommissionInfo(commtype=bt.CommissionInfo.COMM_PERC, # % commission
commission=0.005, # 0.5%
percabs=True, # perc expressed in abs terms
stocklike=True,
interest=0.05, # 5% anual credit interest rate
)
cerebro.broker.addcommissioninfo(comminfo)
...
如果最终使用者有自己的佣金方案，这非常有用。
一个更简单的案例，包括setcommission：
import backtrader as bt
cerebro = bt.Cerebro()
cerebro.broker.setcommission(commtype=bt.CommissionInfo.COMM_PERC, # % commission
commission=0.005, # 0.5%
percabs=True, # perc expressed in abs terms
stocklike=True,
interest=0.05, # 5% anual credit interest rate
)
...
其余的就像任何其他通常 backtrader 脚本一样。
一些示例方案
只做多，不退出，无利息
为了建立一个最小的基线，让我们从没有兴趣开始，让脚本只进入市场很长时间，避免退出。
$ ./credit-interest.py --plot --stocklike --long --no-exit 01 2005-04-11 23:59:59 BUY Size: +10 / Price: 3088.47
这个想法现在应该很清楚了。将固定现金 line 远离投资组合总价值，并且没有扣除。
只做多，不退出，不感兴趣
让我们尝试增加兴趣，看看会发生什么（我们将增加一个巨大的15% 兴趣来试图注意到这些动向）
$ ./credit-interest.py --plot --stocklike --long --no-exit --interest 0.15 01 2005-04-11 23:59:59 BUY Size: +10 / Price: 3088.47
一切都没有改变！这是意料之中的。在大多数情况下，利息仅适用于short 头寸（以信用方式持有），这是一个仅做多的头寸。
让我们告诉脚本也为long 仓位执行此操作
$ ./credit-interest.py --plot --stocklike --long --no-exit --interest 0.15 --interest_long 01 2005-04-11 23:59:59 BUY Size: +10 / Price: 3088.47
变化就在那里。已经减少了并且很大（考虑到正在採取的巨大兴趣）
多空方案
这将类比像一个有ETF 年度兴趣的东西，可以是常规的，也可以是反向的。首先，让我们建立基线。
$ ./credit-interest.py --plot --stocklike 01 2005-03-22 23:59:59 SELL Size: -10 / Price: 3040.55 02 2005-04-11 23:59:59 BUY Size: +10 / Price: 3088.47 ... ... 34 2006-12-19 23:59:59 BUY Size: +10 / Price: 4121.01 35 2006-12-19 23:59:59 BUY Size: +10 / Price: 4121.01
更多的操作和系统总是在市场上。
由于多ETF 头和空头操作都将收取利息，因此现在将同时添加两者的利息：
$ ./credit-interest.py --plot --stocklike --interest 0.15 --interest_long 01 2005-03-22 23:59:59 SELL Size: -10 / Price: 3040.55 02 2005-04-11 23:59:59 BUY Size: +10 / Price: 3088.47 ... ... 34 2006-12-19 23:59:59 BUY Size: +10 / Price: 4121.01
ACHTUNG：34 操作而不是 35.似乎有些东西可能坏了，但是...不。。。
收取的利息正在从现金储备中扣除一点，这最终不允许 last 订单，因为没有足够的现金
从多头操作中取消利息费用（即使对于ETF来说不是真实的）将使系统达到目的：
$ ./credit-interest.py --plot --stocklike --interest 0.15 01 2005-03-22 23:59:59 SELL Size: -10 / Price: 3040.55 02 2005-04-11 23:59:59 BUY Size: +10 / Price: 3088.47 ... ... 34 2006-12-19 23:59:59 BUY Size: +10 / Price: 4121.01 35 2006-12-19 23:59:59 BUY Size: +10 / Price: 4121.01
重新开始营业，35th 直到运营。
与原始现金的快速比较表明，最终现金已从7490 （无利息）变为 5418 （仅将利息应用于短期操作）
结论
这个新功能允许类比更保真度的回溯测试场景，以尝试实现梦想：一个有利可图的系统
示例用法
$ ./credit-interest.py --help
usage: credit-interest.py [-h] [--data DATA] [--fromdate FROMDATE]
[--todate TODATE] [--cash CASH] [--period1 PERIOD1]
[--period2 PERIOD2] [--interest INTEREST]
[--interest_long] [--long | --short] [--no-exit]
[--stocklike] [--margin MARGIN] [--mult MULT]
[--stake STAKE] [--plot [kwargs]]
Sample for Slippage
optional arguments:
-h, --help show this help message and exit
--data DATA Specific data to be read in (default:
../../datas/2005-2006-day-001.txt)
--fromdate FROMDATE Starting date in YYYY-MM-DD format (default: None)
--todate TODATE Ending date in YYYY-MM-DD format (default: None)
--cash CASH Cash to start with (default: 50000)
--period1 PERIOD1 Fast moving average period (default: 10)
--period2 PERIOD2 Slow moving average period (default: 30)
--interest INTEREST Activate credit interest rate (default: 0.0)
--interest_long Credit interest rate for long positions (default:
False)
--long Do a long only strategy (default: False)
--short Do a long only strategy (default: False)
--no-exit The 1st taken position will not be exited (default:
False)
--stocklike Consider the asset to be stocklike (default: False)
--margin MARGIN Margin for future like instruments (default: 0.0)
--mult MULT Multiplier for future like instruments (default: 1.0)
--stake STAKE Stake to apply (default: 10)
--plot [kwargs], -p [kwargs]
Plot the read data applying any kwargs passed For
example: --plot style="candle" (to plot candles)
(default: None)
示例代码
from __future__ import (absolute_import, division, print_function,
unicode_literals)
import argparse
import collections
import datetime
import itertools
import backtrader as bt
class SMACrossOver(bt.Signal):
params = (('p1', 10), ('p2', 30),)
def __init__(self):
sma1 = bt.indicators.SMA(period=self.p.p1)
sma2 = bt.indicators.SMA(period=self.p.p2)
self.lines.signal = bt.indicators.CrossOver(sma1, sma2)
class NoExit(bt.Signal):
def next(self):
self.lines.signal[0] = 0.0
class St(bt.SignalStrategy):
opcounter = itertools.count(1)
def notify_order(self, order):
if order.status == bt.Order.Completed:
t = ''
t += '{:02d}'.format(next(self.opcounter))
t += ' {}'.format(order.data.datetime.datetime())
t += ' BUY ' * order.isbuy() or ' SELL'
t += ' Size: {:+d} / Price: {:.2f}'
print(t.format(order.executed.size, order.executed.price))
def runstrat(args=None):
args = parse_args(args)
cerebro = bt.Cerebro()
cerebro.broker.set_cash(args.cash)
dkwargs = dict()
if args.fromdate is not None:
fromdate = datetime.datetime.strptime(args.fromdate, '%Y-%m-%d')
dkwargs['fromdate'] = fromdate
if args.todate is not None:
todate = datetime.datetime.strptime(args.todate, '%Y-%m-%d')
dkwargs['todate'] = todate
# if dataset is None, args.data has been given
data = bt.feeds.BacktraderCSVData(dataname=args.data, **dkwargs)
cerebro.adddata(data)
cerebro.signal_strategy(St)
cerebro.addsizer(bt.sizers.FixedSize, stake=args.stake)
sigtype = bt.signal.SIGNAL_LONGSHORT
if args.long:
sigtype = bt.signal.SIGNAL_LONG
elif args.short:
sigtype = bt.signal.SIGNAL_SHORT
cerebro.add_signal(sigtype,
SMACrossOver, p1=args.period1, p2=args.period2)
if args.no_exit:
if args.long:
cerebro.add_signal(bt.signal.SIGNAL_LONGEXIT, NoExit)
elif args.short:
cerebro.add_signal(bt.signal.SIGNAL_SHORTEXIT, NoExit)
comminfo = bt.CommissionInfo(
mult=args.mult,
margin=args.margin,
stocklike=args.stocklike,
interest=args.interest,
interest_long=args.interest_long)
if True:
cerebro.broker.addcommissioninfo(comminfo)
cerebro.run()
if args.plot:
pkwargs = dict(style='bar')
if args.plot is not True: # evals to True but is not True
npkwargs = eval('dict(' + args.plot + ')') # args were passed
pkwargs.update(npkwargs)
cerebro.plot(**pkwargs)
def parse_args(pargs=None):
parser = argparse.ArgumentParser(
formatter_class=argparse.ArgumentDefaultsHelpFormatter,
description='Sample for Slippage')
parser.add_argument('--data', required=False,
default='../../datas/2005-2006-day-001.txt',
help='Specific data to be read in')
parser.add_argument('--fromdate', required=False, default=None,
help='Starting date in YYYY-MM-DD format')
parser.add_argument('--todate', required=False, default=None,
help='Ending date in YYYY-MM-DD format')
parser.add_argument('--cash', required=False, action='store',
type=float, default=50000,
help=('Cash to start with'))
parser.add_argument('--period1', required=False, action='store',
type=int, default=10,
help=('Fast moving average period'))
parser.add_argument('--period2', required=False, action='store',
type=int, default=30,
help=('Slow moving average period'))
parser.add_argument('--interest', required=False, action='store',
default=0.0, type=float,
help=('Activate credit interest rate'))
parser.add_argument('--interest_long', required=False, action='store_true',
help=('Credit interest rate for long positions'))
pgroup = parser.add_mutually_exclusive_group()
pgroup.add_argument('--long', required=False, action='store_true',
help=('Do a long only strategy'))
pgroup.add_argument('--short', required=False, action='store_true',
help=('Do a long only strategy'))
parser.add_argument('--no-exit', required=False, action='store_true',
help=('The 1st taken position will not be exited'))
parser.add_argument('--stocklike', required=False, action='store_true',
help=('Consider the asset to be stocklike'))
parser.add_argument('--margin', required=False, action='store',
default=0.0, type=float,
help=('Margin for future like instruments'))
parser.add_argument('--mult', required=False, action='store',
default=1.0, type=float,
help=('Multiplier for future like instruments'))
parser.add_argument('--stake', required=False, action='store',
default=10, type=int,
help=('Stake to apply'))
# Plot options
parser.add_argument('--plot', '-p', nargs='?', required=False,
metavar='kwargs', const=True,
help=('Plot the read data applying any kwargs passed\n'
'\n'
'For example:\n'
'\n'
' --plot style="candle" (to plot candles)\n'))
if pargs is not None:
return parser.parse_args(pargs)
return parser.parse_args()
if __name__ == '__main__':
runstrat()