Backtrader觀察員和統計

Backtrader   |   2022年6月20日

在 backtrader 內部運行的策略主要處理數據 和 指標。

數據被添加到Cerebro 實例中，並最終成為策略輸入的一部分（解析並用作實例的屬性），而指標由策略本身聲明和管理。

到目前為止，所有 backtrader 樣圖都有3件事似乎是理所當然的，因為它們沒有在任何地方聲明：

  • 現金和價值（經紀人中的錢發生了什麼）

  • 交易（又名運營）

  • 買入/賣出訂單

它們存在於Observers 子模組 backtrader.observers中。它們之所以存在，是因為 Cerebro 支援一個參數來自動添加（或不添加）它們到策略中：

  • stdstats （預設值： True）

如果遵循預設值，Cerebro將執行以下等效的用戶代碼：

import backtrader as bt

...

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

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

讓我們看看通常的圖表，其中包含這3個默認 observers （即使沒有發出訂單，因此沒有交易發生，現金和投資組合價值也沒有變化）

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()

現在，讓我們在創建Cerebro實例時將 False 的值stdstats更改為 （也可以在調用run時完成）：

cerebro = bt.Cerebro(stdstats=False)

現在的圖表不同了。

存取 Observers

如上所述， Observers 在默認情況下已經存在，並且收集可用於統計目的的資訊，這就是為什麼可以通過策略的一個屬性來完成 observers 的原因，稱為：

  • stats

它只是一個佔位元。如果我們還記得上面列出的添加預設Observers 之一：

...
cerebro.addobserver(backtrader.observers.Broker)
...

顯而易見的問題是如何訪問Brokerobserver。例如，如何從策略的方法完成next此操作：

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 observer就像數據一樣，指標和策略本身也是一個Lines物件。在本例中，Broker有2個lines：

  • cash

  • value

Observer 實施

實現與指標非常相似：

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()

步驟：

  • 派生自Observer （而不是從 Indicator）

  • 根據需要聲明 lines 和參數（Broker 有 2 個 lines 但沒有參數）

  • 將有一個自動屬性_owner ，即持有 observer

Observers 行動：

  • 在計算完所有指標后

  • 在執行策略next 方法后

  • 這意味著：在週期結束時...他們觀察 發生了什麼

在這種情況下，Broker 它只是盲目地記錄經紀人在每個時間點的現金和投資組合價值。

向策略添加Observers

如上所述，Cerebro 正在使用該 stdstats 參數來決定是否添加3個預設 Observers，從而減輕最終使用者的工作。

在混合物中添加其他 Observers 是可能的，無論是沿著stdstats 還是刪除它們。

讓我們採用通常的策略，當價格高於aSimpleMovingAverage時close買入，如果相反true，則賣出。

通過一個「添加」：

  • DrawDown是生態系統中backtrader已經存在observer
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):

視覺輸出顯示回撤的演變

與部分文字輸出：

...
2006-12-14T23:59:59+00:00, MaxDrawDown: 2.62
2006-12-15T23:59:59+00:00, DrawDown: 0.22
2006-12-15T23:59:59+00:00, MaxDrawDown: 2.62
2006-12-18T23:59:59+00:00, DrawDown: 0.00
2006-12-18T23:59:59+00:00, MaxDrawDown: 2.62
2006-12-19T23:59:59+00:00, DrawDown: 0.00
2006-12-19T23:59:59+00:00, MaxDrawDown: 2.62
2006-12-20T23:59:59+00:00, DrawDown: 0.10
2006-12-20T23:59:59+00:00, MaxDrawDown: 2.62
2006-12-21T23:59:59+00:00, DrawDown: 0.39
2006-12-21T23:59:59+00:00, MaxDrawDown: 2.62
2006-12-22T23:59:59+00:00, DrawDown: 0.21
2006-12-22T23:59:59+00:00, MaxDrawDown: 2.62
2006-12-27T23:59:59+00:00, DrawDown: 0.28
2006-12-27T23:59:59+00:00, MaxDrawDown: 2.62
2006-12-28T23:59:59+00:00, DrawDown: 0.65
2006-12-28T23:59:59+00:00, MaxDrawDown: 2.62
2006-12-29T23:59:59+00:00, DrawDown: 0.06
2006-12-29T23:59:59+00:00, MaxDrawDown: 2.62

注意

從文字輸出和代碼中可以看出，DrawDownobserver實際上有2個lines：

  • drawdown

  • maxdrawdown

選擇不是繪製maxdrawdownline，而是使其仍然可供使用者使用。

實際上， last 值maxdrawdown 也可以在直接屬性（不是 line）中使用，其名稱為 maxdd

開發 Observers

observer的Broker實施情況如上所示。要生成有意義的observer，實現可以使用以下資訊：

  • self._owner 是當前正在執行的策略

    因此，策略中的任何內容都可供 observer

  • 原則中可用的預設內部內容可能很有用：

    • broker ->屬性，用於訪問策略創建訂單的代理實例

    如 所示Broker，現金和投資組合價值是通過調用方法 getcash 和 getvalue

    • _orderspending ->列出由策略創建的訂單，並且經紀人已向策略通知事件。

    BuySell observer遍曆清單，查找已執行（全部或部分）的訂單，以創建給定時間點（索引 0）的平均執行價格

    • _tradespending ->交易清單（一組已完成的買入/賣出或賣出/買入對），該列表是根據買入/賣出訂單編譯的

Observer顯然可以通過路徑訪問其他observersself._owner.stats。

自訂訂單觀察器

標準BuySellobserver只關心已執行的操作。我們可以創建一個observer顯示訂單的創建時間和到期時間。

為了提高可見性，顯示不會沿價格繪製，而是在單獨的軸上繪製。

from __future__ import (absolute_import, division, print_function,
                        unicode_literals)

import math

import backtrader as bt


class OrderObserver(bt.observer.Observer):
    lines = ('created', 'expired',)

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

    plotlines = dict(
        created=dict(marker='*', markersize=8.0, color='lime', fillstyle='full'),
        expired=dict(marker='s', markersize=8.0, color='red', fillstyle='full')
    )

    def next(self):
        for order in self._owner._orderspending:
            if order.data is not self.data:
                continue

            if not order.isbuy():
                continue

            # Only interested in "buy" orders, because the sell orders
            # in the strategy are Market orders and will be immediately
            # executed

            if order.status in [bt.Order.Accepted, bt.Order.Submitted]:
                self.lines.created[0] = order.created.price

            elif order.status in [bt.Order.Expired]:
                self.lines.expired[0] = order.created.price

自定義 observer 只關心買入 訂單，因為這是一個只購買以試圖獲利的分層。賣出訂單是市價訂單，將立即執行。

Close-SMA 交叉策略更改為：

  • 創建一個限價訂單，其價格低於信號時刻 close 價格的1.0%

  • 訂單有效期為 7（日曆）天

生成的圖表。

在新子圖表（紅色方塊）中可以看到，有幾個訂單已經過期，我們也可以理解，在“創建”和“執行”之間恰好有幾天。

注意

從分支中的development提交1560fa8802 開始，如果在創建訂單時未設置價格，則收盤價將用作參考價格。

這對市場訂單沒有影響，但始終保持order.create.price 可用，並簡化了 buy

最後，該策略的代碼應用了新的observer

from __future__ import (absolute_import, division, print_function,
                        unicode_literals)

import datetime

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

from orderobserver import OrderObserver


class MyStrategy(bt.Strategy):
    params = (
        ('smaperiod', 15),
        ('limitperc', 1.0),
        ('valid', 7),
    )

    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 notify_order(self, order):
        if order.status in [order.Submitted, order.Accepted]:
            # Buy/Sell order submitted/accepted to/by broker - Nothing to do
            self.log('ORDER ACCEPTED/SUBMITTED', dt=order.created.dt)
            self.order = order
            return

        if order.status in [order.Expired]:
            self.log('BUY EXPIRED')

        elif order.status in [order.Completed]:
            if order.isbuy():
                self.log(
                    'BUY EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' %
                    (order.executed.price,
                     order.executed.value,
                     order.executed.comm))

            else:  # Sell
                self.log('SELL EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' %
                         (order.executed.price,
                          order.executed.value,
                          order.executed.comm))

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

    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):
        if self.order:
            # pending order ... do nothing
            return

        # 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:
            plimit = self.data.close[0] * (1.0 - self.p.limitperc / 100.0)
            valid = self.data.datetime.date(0) + \
                datetime.timedelta(days=self.p.valid)
            self.log('BUY CREATE, %.2f' % plimit)
            self.buy(exectype=bt.Order.Limit, price=plimit, valid=valid)


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

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

    cerebro.addobserver(OrderObserver)

    cerebro.addstrategy(MyStrategy)
    cerebro.run()

    cerebro.plot()


if __name__ == '__main__':
    runstrat()

保存/保留統計資訊

截至目前backtrader ，尚未實施任何機制來跟蹤 observers 的值將其存儲到檔中。最好的方法：

  • 在策略的方法中startOpen檔

  • 在策略的方法中next 寫下值

考慮到DrawDownobserver，可以這樣完成：

class MyStrategy(bt.Strategy):

    def start(self):

        self.mystats = open('mystats.csv', 'wb')
        self.mystats.write('datetime,drawdown, maxdrawdown\n')


    def next(self):
        self.mystats.write(self.data.datetime.date(0).strftime('%Y-%m-%d'))
        self.mystats.write(',%.2f' % self.stats.drawdown.drawdown[-1])
        self.mystats.write(',%.2f' % self.stats.drawdown.maxdrawdown-1])
        self.mystats.write('\n')

要保存索引 0 的值，一旦處理完所有 observers ，就可以添加一個自定義 observer ，該自定義可以作為 last observer 添加到系統中，以將值保存到 csv 檔中。

推薦閱讀

相關文章

Backtrader按日線交易

似乎在世界某個地方有一種权益(Interest)可以總結如下： 使用每日柱線引入訂單，但使用開盤價 這來自工單#105订单执行逻辑与当前数据和#101动态投注计算中的對話 backtrader 嘗試盡可能保持現實，並且在處理每日柱線時適用以下前提： 當每日柱被評估時，柱線已經結束 這是有道理的，

Backtrader教程：經紀人 - 開倉作弊

“發佈”1.9.44.116 添加了對 Cheat-On-Open的支援。這似乎是那些全力以赴的人的需求功能，他們在酒吧 close 后進行了計算，但希望與 open 價格相匹配。 當開盤價跳空（上漲或下跌，取決於是否buysell有效）並且現金不足以進行全面運營時，這樣的用例就會失敗。這將強制代理拒絕該操作。

BacktraderPython Hidden Powers 2

讓我們進一步討論一下Python的隱藏功能如何在 backtrader 中使用，以及如何實現它以嘗試實現主要目標：易用性 這些定義是什麼？ 例如指標： import backtrader as bt class MyIndicator(bt.

Backtrader教程：操作平臺

Line 反覆運算器 為了參與操作，plaftorm使用 line 反覆運算器的概念。它們已經鬆散地模仿了Python的反覆運算器，但實際上與它們無關。 策略和指標是 line 反覆運算器。

Backtrader股票篩選

在尋找其他一些東西時，我在StackOverlow家族網站之一上遇到了一個問題：Quantitative Finance aka Quant StackExchange。問題： 它被標記為Python，因此值得一看的是 backtrader 是否能夠勝任這項任務。 分析儀本身 該問題似乎適合用於簡單的分析器。

Backtrader教程：篩檢程式

此功能是 backtrader 的相對較新的補充，必須安裝到已經存在的內部結構中。這使得它不像希望的那樣靈活且100%功能齊全，但在許多情況下它仍然可以達到目的。 儘管該實現試圖允許隨插即用的篩檢程式連結，但預先存在的內部結構使得很難確保始終可以實現。因此，某些篩選器可能是連結的，而其他一些篩選器可能不是。

Backtrader教程：Cerebro - 優化 - 改進

backtrader版本1.8.12.99改進了在多處理過程中管理data feeds和結果的方式。

Backtrader教程：傭金計劃 - 信貸利息

在某些情況下，真實經紀人的現金金額可能會減少，因為資產操作包括利率。例子： 賣空股票 交易所買賣基金包括多頭和空頭 該費用直接與經紀人帳戶中的現金餘額挂鉤。但它仍然可以被視為傭金計劃的一部分。因此，它已被建模為 backtrader。

Backtrader多數據範例

社區中的幾個主題似乎以如何跟蹤訂單為導向，特別是當幾個data feeds在起作用時，還包括當多個訂單一起工作時，

Backtrader現實咬合

上一篇文章設法複製了該BTFD 策略，發現真正的收益 16x 而不是 31x。 但正如複製期間所指出的： 不收取傭金 使用2x 槓桿不收取利息 這就提出了一個顯而易見的問題： 當收取傭金和利息時，這16x中有多少會存在？ 幸運的是，前面的示例足夠靈活，可以對其進行試驗。