工单 #89 是关于针对资产添加基准测试的。明智的是，人们实际上可能有一个策略，即使积极，也低于简单地跟踪资产所能提供的策略。
backtrader 包括2种不同类型的对象，可以帮助跟踪：
-
Observers
-
Analyzers
在 Analyzers 领域已经有一个TimeReturn 对象跟踪整个投资组合价值（即：包括现金）的回报演变。
这显然也是一个 Observer，所以在添加一些基准测试的同时，一些工作也使得能够将 Observer 和分析仪插入在一起，这些工作旨在跟踪同样的事情。
注意
Observers和Analyzers之间的主要区别在于observerslines性质，它记录了每个值，这使得它们适合
s 绘图和即时查找。这当然会消耗内存。
另一方面，Analyzers返回一组结果，get_analysis并且实现可能直到运行结束才提供任何结果。
Analyzers - 基准测试
标准TimeReturn 分析器已扩展为支持跟踪 data feed。输入的2个主要参数：
-
timeframe（默认值：None）如果None届时将报告整个回溯测试期间的完整回报通过
TimeFrame.NoTimeFrame以考虑整个数据集，没有时间限制 -
data（默认值：None）引用要跟踪的资产，而不是投资组合价值。
注意
此数据必须已添加到具有
addata或resampledata的cerebro实例中replaydata
更多细节和参数： Analyzers 参考
因此，可以像这样跟踪porftolio每年的回报
import backtrader as bt
cerebro = bt.Cerebro()
cerebro.addanalyzer(bt.analyzers.TimeReturn, timeframe=bt.TimeFrame.Years)
... # add datas, strategies ...
results = cerebro.run()
strat0 = results[0]
# If no name has been specified, the name is the class name lowercased
tret_analyzer = strat0.analyzers.getbyname('timereturn')
print(tret_analyzer.get_analysis())
如果我们想跟踪数据的返回
import backtrader as bt
cerebro = bt.Cerebro()
data = bt.feeds.OneOfTheFeeds(dataname='abcde', ...)
cerebro.adddata(data)
cerebro.addanalyzer(bt.analyzers.TimeReturn, timeframe=bt.TimeFrame.Years,
data=data)
... # add strategies ...
results = cerebro.run()
strat0 = results[0]
# If no name has been specified, the name is the class name lowercased
tret_analyzer = strat0.analyzers.getbyname('timereturn')
print(tret_analyzer.get_analysis())
如果要跟踪两者，最好是为 analyzers
import backtrader as bt
cerebro = bt.Cerebro()
data = bt.feeds.OneOfTheFeeds(dataname='abcde', ...)
cerebro.adddata(data)
cerebro.addanalyzer(bt.analyzers.TimeReturn, timeframe=bt.TimeFrame.Years,
data=data, _name='datareturns')
cerebro.addanalyzer(bt.analyzers.TimeReturn, timeframe=bt.TimeFrame.Years)
_name='timereturns')
... # add strategies ...
results = cerebro.run()
strat0 = results[0]
# If no name has been specified, the name is the class name lowercased
tret_analyzer = strat0.analyzers.getbyname('timereturns')
print(tret_analyzer.get_analysis())
tdata_analyzer = strat0.analyzers.getbyname('datareturns')
print(tdata_analyzer.get_analysis())
Observers - 基准测试
由于后台机制允许在Observers内部使用Analyzers，因此增加了2个新observers：
-
TimeReturn -
Benchmark
两者都使用bt.analyzers.TimeReturn 分析器来收集结果。
与其像上面那样使用代码片段，不如运行一些完整的示例来显示其功能。
观察时间返回
运行：
$ ./observer-benchmark.py --plot --timereturn --timeframe notimeframe
请注意运行选项：
-
--timereturn告诉样品这样做 -
--timeframe notimeframe告诉分析器考虑整个数据集，而不考虑时间帧边界。
last绘制的值为-0.26。
- 起始现金（从图表中显而易见）是
50K货币单位，策略以36,970货币单位结束，因此-26%价值递减。
遵守基准测试
由于基准测试还将显示时间返回结果，因此让我们运行相同的操作，但基准测试处于活动状态：
$ ./observer-benchmark.py --plot --timeframe notimeframe
嘿 嘿 嘿!!!
-
策略优于资产：
-0.26vs-0.33这不应该是一个值得庆祝的问题，但至少很明显，战略甚至没有资产那么糟糕。
每年向下移动以跟踪事物：
$ ./observer-benchmark.py --plot --timeframe years
小心！
-
策略 last 值从
-0.26到-0.27 -
另一方面，资产显示 last 值
-0.35（与上述相比-0.33）
价值如此 close 的原因是，从2005年到2006年，战略和基准资产几乎都处于2005年初的起始水准。
切换到较低的时间范围（如周），整个情况会发生变化：
$ ./observer-benchmark.py --plot --timeframe weeks .. image:: 04-benchmarking-weeks.png
现在：
-
Benchmarkobserver显示出更加紧张的一面。事情上下移动，因为现在weekly投资组合的回报和数据都被跟踪 -
由于在一年last周没有交易活跃，资产几乎没有移动，因此last显示的值为0.00（last周之前的last收盘价，
25.54样本数据收盘价为25.55，差异首先在小数点后4点感觉到）
观察基准测试 - 另一个数据
该示例允许针对不同的数据进行基准测试。默认情况下，在使用--benchdata1时针对 Oracle 进行基准测试。考虑整个数据集：--timeframe notimeframe
$ ./observer-benchmark.py --plot --timeframe notimeframe --benchdata1
现在已经很清楚为什么没有理由在上面庆祝：
-
策略的结果没有改变
notimeframe，并保持在-26%（-0.26） -
但是，当与另一个数据进行基准测试时，此数据在同一
+23%时期具有（0.23）
要么策略需要改变，要么交易另一种资产更好。
总结
现在有两种方法，使用相同的基础代码/计算，来跟踪时间返回和基准测试
- Observers （
TimeReturn与Benchmark）
和
- 分析仪（
TimeReturn带TimeReturndata参数）
当然，基准测试并不能保证利润，只是比较。
范例用法：
$ ./observer-benchmark.py --help
usage: observer-benchmark.py [-h] [--data0 DATA0] [--data1 DATA1]
[--benchdata1] [--fromdate FROMDATE]
[--todate TODATE] [--printout] [--cash CASH]
[--period PERIOD] [--stake STAKE] [--timereturn]
[--timeframe {months,days,notimeframe,years,None,weeks}]
[--plot [kwargs]]
Benchmark/TimeReturn Observers Sample
optional arguments:
-h, --help show this help message and exit
--data0 DATA0 Data0 to be read in (default:
../../datas/yhoo-1996-2015.txt)
--data1 DATA1 Data1 to be read in (default:
../../datas/orcl-1995-2014.txt)
--benchdata1 Benchmark against data1 (default: False)
--fromdate FROMDATE Starting date in YYYY-MM-DD format (default:
2005-01-01)
--todate TODATE Ending date in YYYY-MM-DD format (default: 2006-12-31)
--printout Print data lines (default: False)
--cash CASH Cash to start with (default: 50000)
--period PERIOD Period for the crossover moving average (default: 30)
--stake STAKE Stake to apply for the buy operations (default: 1000)
--timereturn Use TimeReturn observer instead of Benchmark (default:
None)
--timeframe {months,days,notimeframe,years,None,weeks}
TimeFrame to apply to the Observer (default: None)
--plot [kwargs], -p [kwargs]
Plot the read data applying any kwargs passed For
example: --plot style="candle" (to plot candles)
(default: None)
代码
from __future__ import (absolute_import, division, print_function,
unicode_literals)
import argparse
import datetime
import random
import backtrader as bt
class St(bt.Strategy):
params = (
('period', 10),
('printout', False),
('stake', 1000),
)
def __init__(self):
sma = bt.indicators.SMA(self.data, period=self.p.period)
self.crossover = bt.indicators.CrossOver(self.data, sma)
def start(self):
if self.p.printout:
txtfields = list()
txtfields.append('Len')
txtfields.append('Datetime')
txtfields.append('Open')
txtfields.append('High')
txtfields.append('Low')
txtfields.append('Close')
txtfields.append('Volume')
txtfields.append('OpenInterest')
print(','.join(txtfields))
def next(self):
if self.p.printout:
# Print only 1st data ... is just a check that things are running
txtfields = list()
txtfields.append('%04d' % len(self))
txtfields.append(self.data.datetime.datetime(0).isoformat())
txtfields.append('%.2f' % self.data0.open[0])
txtfields.append('%.2f' % self.data0.high[0])
txtfields.append('%.2f' % self.data0.low[0])
txtfields.append('%.2f' % self.data0.close[0])
txtfields.append('%.2f' % self.data0.volume[0])
txtfields.append('%.2f' % self.data0.openinterest[0])
print(','.join(txtfields))
if self.position:
if self.crossover < 0.0:
if self.p.printout:
print('CLOSE {} @%{}'.format(size,
self.data.close[0]))
self.close()
else:
if self.crossover > 0.0:
self.buy(size=self.p.stake)
if self.p.printout:
print('BUY {} @%{}'.format(self.p.stake,
self.data.close[0]))
TIMEFRAMES = {
None: None,
'days': bt.TimeFrame.Days,
'weeks': bt.TimeFrame.Weeks,
'months': bt.TimeFrame.Months,
'years': bt.TimeFrame.Years,
'notimeframe': bt.TimeFrame.NoTimeFrame,
}
def runstrat(args=None):
args = parse_args(args)
cerebro = bt.Cerebro()
cerebro.broker.set_cash(args.cash)
dkwargs = dict()
if args.fromdate:
fromdate = datetime.datetime.strptime(args.fromdate, '%Y-%m-%d')
dkwargs['fromdate'] = fromdate
if args.todate:
todate = datetime.datetime.strptime(args.todate, '%Y-%m-%d')
dkwargs['todate'] = todate
data0 = bt.feeds.YahooFinanceCSVData(dataname=args.data0, **dkwargs)
cerebro.adddata(data0, name='Data0')
cerebro.addstrategy(St,
period=args.period,
stake=args.stake,
printout=args.printout)
if args.timereturn:
cerebro.addobserver(bt.observers.TimeReturn,
timeframe=TIMEFRAMES[args.timeframe])
else:
benchdata = data0
if args.benchdata1:
data1 = bt.feeds.YahooFinanceCSVData(dataname=args.data1, **dkwargs)
cerebro.adddata(data1, name='Data1')
benchdata = data1
cerebro.addobserver(bt.observers.Benchmark,
data=benchdata,
timeframe=TIMEFRAMES[args.timeframe])
cerebro.run()
if args.plot:
pkwargs = dict()
if args.plot is not True: # evals to True but is not True
pkwargs = eval('dict(' + args.plot + ')') # args were passed
cerebro.plot(**pkwargs)
def parse_args(pargs=None):
parser = argparse.ArgumentParser(
formatter_class=argparse.ArgumentDefaultsHelpFormatter,
description='Benchmark/TimeReturn Observers Sample')
parser.add_argument('--data0', required=False,
default='../../datas/yhoo-1996-2015.txt',
help='Data0 to be read in')
parser.add_argument('--data1', required=False,
default='../../datas/orcl-1995-2014.txt',
help='Data1 to be read in')
parser.add_argument('--benchdata1', required=False, action='store_true',
help=('Benchmark against data1'))
parser.add_argument('--fromdate', required=False,
default='2005-01-01',
help='Starting date in YYYY-MM-DD format')
parser.add_argument('--todate', required=False,
default='2006-12-31',
help='Ending date in YYYY-MM-DD format')
parser.add_argument('--printout', required=False, action='store_true',
help=('Print data lines'))
parser.add_argument('--cash', required=False, action='store',
type=float, default=50000,
help=('Cash to start with'))
parser.add_argument('--period', required=False, action='store',
type=int, default=30,
help=('Period for the crossover moving average'))
parser.add_argument('--stake', required=False, action='store',
type=int, default=1000,
help=('Stake to apply for the buy operations'))
parser.add_argument('--timereturn', required=False, action='store_true',
default=None,
help=('Use TimeReturn observer instead of Benchmark'))
parser.add_argument('--timeframe', required=False, action='store',
default=None, choices=TIMEFRAMES.keys(),
help=('TimeFrame to apply to the Observer'))
# 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:
return parser.parse_args(pargs)
return parser.parse_args()
if __name__ == '__main__':
runstrat()