• 智慧質押

策略提供了交易方法，即：buy和 sell close。讓我們看看簽名 buy：

def buy(self, data=None,
        size=None, price=None, plimit=None,
        exectype=None, valid=None, tradeid=0, **kwargs):

請注意，size 如果調用方未指定預設值，則具有預設值 None 。這是 Sizers 發揮重要作用的地方：

• size=None要求「戰略」詢問其實際賭注的Sizer

這顯然意味著策略有一個 Sizer：是的，確實如此！後台機制將預設 sizer 添加到策略中，如果使用者尚未添加一個。添加到策略的預設 Sizer 為SizerFix。定義的初始 lines ：

class SizerFix(SizerBase):
    params = (('stake', 1),)

很容易猜到，這個Sizer只是使用一個stake1單位（無論是股票，合約等）購買/出售。

使用 Sizers

從 Cerebro

Sizers 可以通過2種不同的方法通過 Cerebro 添加：

• addsizer(sizercls, *args, **kwargs)

  添加一個 Sizer ，該將應用於添加到 cerebro的任何策略。可以說，這是預設 Sizer。例：

  cerebro = bt.Cerebro()
  cerebro.addsizer(bt.sizers.SizerFix, stake=20)  # default sizer for strategies
  

• addsizer_byidx(idx, sizercls, *args, **kwargs)

  Sizer將僅添加到idx

  這可以idx 作為返回值從 addstrategy獲取。如：

  cerebro = bt.Cerebro()
  cerebro.addsizer(bt.sizers.SizerFix, stake=20)  # default sizer for strategies
  
  idx = cerebro.addstrategy(MyStrategy, myparam=myvalue)
  cerebro.addsizer_byidx(idx, bt.sizers.SizerFix, stake=5)
  
  cerebro.addstrategy(MyOtherStrategy)
  

  在這裡範例中：

  • 默認 Sizer 已添加到系統中。這適用於沒有分配特定 Sizer 的所有策略

  • 對於 MyStrategy，在收集其插入 idx 後，將添加特定的 sizer （更改stake 參數）

  • ^第二個策略MyOtherStrategy被添加到系統中。沒有為其新增特定的Sizer

  • 這意味著：

    • MyStrategy最終將有一個內部特定的 Sizer

    • MyOtherStrategy將獲得預設 sizer

從戰略

策略類提供了一個 API：setsizer 和（和 getsizer 一個屬性 sizer）來管理 Sizer。簽章：

• def setsizer(self, sizer)：它需要一個已經實例化的 Sizer

• def getsizer(self)：返回當前 Sizer 實例

• sizer 它是可以直接獲取/設置的屬性

在這種情況下， Sizer 可以是例如：

• 作為參數傳遞給策略

• 在使用屬性sizer時__init__進行設置，或setsizer如：

  class MyStrategy(bt.Strategy):
      params = (('sizer', None),)
  
      def __init__(self):
          if self.p.sizer is not None:
              self.sizer = self.p.sizer
  

  例如，這將允許在cerebro調用發生的同一級別創建Sizer，並將其作為參數傳遞給系統中的所有策略，從而有效地允許共用Sizer

Sizer 開發

這很容易：

1. 子類從backtrader.Sizer

   這使您可以訪問self.strategy 並且 self.broker 在大多數情況下不需要它。可以使用 broker

   • 數據的位置self.strategy.getposition(data)

   • 完整的投資組合價值通過以下方式self.broker.getvalue()

     請注意，這當然也可以通過以下方式完成self.strategy.broker.getvalue()

   其他一些事情已經在下面作為論據

2. 重寫方法_getsizing(self, comminfo, cash, data, isbuy)

   • comminfo：傭金信息實例，包含有關數據傭金的資訊，並允許計算位置值，運營成本，操作傭金

   • cash：經紀人的當前可用現金

   • data：操作的目標

   • isbuy：將 True 用於買入操作和 False 賣出操作

   此方法返回size 買入/賣出操作所需的值

   返回的符號不相關，即：如果操作是賣出操作（isbuy 將是 False），則方法可能返回 5 或 -5。賣出操作將僅使用絕對值。

   Sizer 已經轉到 broker 並要求委員會提供給定數據，實際現金水準的資訊，並提供對作為操作目標的數據的直接參考

讓我們來看看sizer的定義FixedSize：

import backtrader as bt

class FixedSize(bt.Sizer):
    params = (('stake', 1),)

    def _getsizing(self, comminfo, cash, data, isbuy):
        return self.params.stake

這很簡單，因為 Sizer 不進行計算，參數就在那裡。

但該機制應該允許構建複雜的尺寸（又名定位）系統，以管理進入/退出市場時的賭注。

另一個例子：位置反轉器：

class FixedRerverser(bt.FixedSize):

    def _getsizing(self, comminfo, cash, data, isbuy):
        position = self.broker.getposition(data)
        size = self.p.stake * (1 + (position.size != 0))
        return size

這個建立在現有FixedSize 的基礎上，繼承 params 並覆蓋 _getsizing ：

• position通過屬性獲取數據broker

• 用於position.size 決定是否將固定賭注翻倍

• 返回計算值

這將消除《戰略》的負擔，即決定是否必須逆轉或開倉， Sizer 處於控制之中，可以隨時更換而不影響邏輯。

實用 Sizer 適用性

考慮到複雜的大小調整演算法，可以使用兩種不同的sizers將策略從僅做多轉換為多空。只需改變cerebro執行中的Sizer，策略就會改變行為。一個非常簡單的close交叉SMA演算法：

class CloseSMA(bt.Strategy):
    params = (('period', 15),)

    def __init__(self):
        sma = bt.indicators.SMA(self.data, period=self.p.period)
        self.crossover = bt.indicators.CrossOver(self.data, sma)

    def next(self):
        if self.crossover > 0:
            self.buy()

        elif self.crossover < 0:
            self.sell()

請注意，該策略如何不考慮當前頭寸（通過查看self.position）來決定是否必須實際完成買入或賣出。僅考慮來自的 CrossOver 信號。 Sizers 將負責一切。

此 sizer 將負責在賣出時僅返回非零大小，如果倉位已經 open：

class LongOnly(bt.Sizer):
    params = (('stake', 1),)

    def _getsizing(self, comminfo, cash, data, isbuy):
      if isbuy:
          return self.p.stake

      # Sell situation
      position = self.broker.getposition(data)
      if not position.size:
          return 0  # do not sell if nothing is open

      return self.p.stake

將它們放在一起（並假設已經導入 backtrader 並且數據已添加到系統中）：

...
cerebro.addstrategy(CloseSMA)
cerebro.addsizer(LongOnly)
...
cerebro.run()
...

圖表（從源中包含的範例中對此進行測試）。

長短版本只是將SizerFixedReverser更改為如上所示：

...
cerebro.addstrategy(CloseSMA)
cerebro.addsizer(FixedReverser)
...
cerebro.run()
...

輸出圖表。

請注意差異：

• 重複的交易數量

• 現金水平永遠不會回到價值，因為策略總是在市場上

這兩種方法都是負面的，但這只是一個例子。

Sizer 參考

backtrader類 .Sizer（）

這是 Sizers的基類。任何 sizer 都應對此進行子類化並重寫該_getsizing 方法

成員單位：

• strategy：將由 sizer 正在工作的策略設定

  允許訪問策略的整個 API，例如，如果需要以下位置_getsizing的實際數據位置：

  position = self.strategy.getposition(data)
  

• broker：將由 sizer 正在工作的策略設定

  提供對資訊的訪問，一些複雜的 sizers 可能需要，如投資組合價值,..

_getsizing（通信資訊、現金、數據、購買）

此方法必須由 Sizer 的子類覆蓋，以提供大小調整功能

參數：

* `comminfo`: The CommissionInfo instance that contains
  information about the commission for the data and allows
  calculation of position value, operation cost, commision for the
  operation

* `cash`: current available cash in the *broker*

* `data`: target of the operation

* `isbuy`: will be `True` for *buy* operations and `False`
  for *sell* operations

該方法必須返回要執行的實際大小（整型）。如果0 返回，則不會執行任何內容。

將使用返回值的絕對值