Backtrader傭金計劃

Backtrader   |   2022年6月21日

backtrader 的誕生是出於必要。我自己的...有一種感覺，我控制著自己的回溯測試平臺，可以嘗試新的想法。但是，在這樣做並且從一開始就完全 open 採購它時，很明顯它必須有一種方法來滿足他人的需求和願望。

作為未來的交易者，我本可以選擇基於點的計算和每輪傭金的固定價格，但這將是一個錯誤。

注意

7月31， 2015

使用新添加的操作/交易通知跟進帖子，修復交易損益數位的繪圖，並避免手動計算，如下面的示例所示

提高傭金：股票與期貨

相反，backtrader 它提供了使用常規的基於%大小/價格的方案和固定價格/點方案的可能性。選擇權在您手中。

不可知論

在繼續之前，讓我們記住，backtrader 嘗試對數據所代表的內容保持不可知論。不同的傭金方案可以應用於同一數據集。

讓我們看看如何做到這一點。

使用代理快捷方式

這使最終使用者遠離CommissionInfo 對象，因為可以使用單個函數調用創建/設置傭金方案。在常規 cerebro 創建/設置過程中，只需在成員變數上添加對 setcomission 成員變數的 broker 調用即可。以下電話會議為 Eurostoxx50 期貨在與互動經紀商合作時設定了通常的傭金方案：

cerebro.broker.setcommission(commission=2.0, margin=2000.0, mult=10.0)

由於大多數使用者通常只測試一台儀器，因此僅此而已。如果您已經對data feed給出了 aname，因為圖表上同時考慮了多個工具，則可以稍微擴展此調用，如下所示：

cerebro.broker.setcommission(commission=2.0, margin=2000.0, mult=10.0,
name='Eurostoxxx50')

在這種情況下，此即時傭金計劃僅適用於名稱匹配的工具Eurostoxx50。

設置委託參數的含義

  • commission （預設值：0.0）

    以絕對或百分比形式表示每個操作 成本的貨幣單位。

    在上面的例子中，abuy 的每張合約為2.0歐元，每張合約為 sell2.0歐元。

    這裡的重要問題是何時使用絕對值或百分比值。

    • 如果margin 計算結果為 False （例如，它是 False，0或None），則將考慮 commission 表示操作值的 price 百 size 分比

    • 如果margin 是其他東西，則認為操作發生在類似儀器上 futures ，並且是 commission 每 size 張合約的固定價格

  • margin （預設值：無）

    使用futures 類似工具操作時所需的保證金。如上文所述

    • 如果設置了nomargin，則將commission理解為以百分比表示，並應用於 price \* size 或 buy sell 操作的元件

    • 如果設置了 amargin，則 commission 將理解為一個固定值，該值乘以 或 sell 操作的sizebuy分量

  • mult （預設值：1.0）

    對於future 類似的工具，這決定了乘法器應用於損益計算。

    這就是期貨同時具有吸引力和風險的原因。

  • name （預設值：無）

    將傭金方案的應用限制在工具匹配name

    這可以在創建 data feed期間設置。

    如果未設置，該方案將適用於系統中存在的任何數據。

現在有兩個例子：股票與期貨

上面的期貨例子：

cerebro.broker.setcommission(commission=2.0, margin=2000.0, mult=10.0)

股票示例：

cerebro.broker.setcommission(commission=0.005)  # 0.5% of the operation value

創建永久金計劃

可以通過直接使用類來創建更永久的CommissionInfo 傭金計劃。使用者可以選擇在以下位置使用此定義：

from bt import CommissionInfo

commEurostoxx50 = CommissionInfo(commission=2.0, margin=2000.0, mult=10.0)

稍後在另一個Python模組addcommissioninfo中應用它：

from mycomm import commEurostoxx50

...

cerebro.broker.addcomissioninfo(commEuroStoxx50, name='Eurostoxxx50')

CommissionInfo是一個物件，它像環境中backtrader的其他物件一params樣使用聲明。因此，上述內容也可以表示為：

from bt import CommissionInfo

class CommEurostoxx50(CommissionInfo):
    params = dict(commission=2.0, margin=2000.0, mult=10.0)

稍後：

from mycomm import CommEurostoxx50

...

cerebro.broker.addcomissioninfoCommEuroStoxx50(), name='Eurostoxxx50')

現在是與SMA分頻器的「真實」比較

使用SimpleMovingAverage交叉作為進入/退出信號，相同的數據集將使用futures 類似的傭金方案進行測試，然後使用類似的傭金方案進行測試 stocks 。

注意

期貨頭寸不僅可以給出進入/退出行為，還可以在每次情況下給出反轉行為。但這個例子是關於比較傭金方案的。

代碼（完整策略請參見底部）是相同的，可以在定義策略之前選擇方案。

futures_like = True

if futures_like:
    commission, margin, mult = 2.0, 2000.0, 10.0
else:
    commission, margin, mult = 0.005, None, 1

只需設置為futures_likefalse以使用stocks類似方案運行。

添加了一些 logging 代碼來評估不同傭金計劃的影響。讓我們只關注前 2 個操作。

對於期貨：

2006-03-09, BUY CREATE, 3757.59
2006-03-10, BUY EXECUTED, Price: 3754.13, Cost: 2000.00, Comm 2.00
2006-04-11, SELL CREATE, 3788.81
2006-04-12, SELL EXECUTED, Price: 3786.93, Cost: 2000.00, Comm 2.00
2006-04-12, OPERATION PROFIT, GROSS 328.00, NET 324.00
2006-04-20, BUY CREATE, 3860.00
2006-04-21, BUY EXECUTED, Price: 3863.57, Cost: 2000.00, Comm 2.00
2006-04-28, SELL CREATE, 3839.90
2006-05-02, SELL EXECUTED, Price: 3839.24, Cost: 2000.00, Comm 2.00
2006-05-02, OPERATION PROFIT, GROSS -243.30, NET -247.30

對於股票：

2006-03-09, BUY CREATE, 3757.59
2006-03-10, BUY EXECUTED, Price: 3754.13, Cost: 3754.13, Comm 18.77
2006-04-11, SELL CREATE, 3788.81
2006-04-12, SELL EXECUTED, Price: 3786.93, Cost: 3786.93, Comm 18.93
2006-04-12, OPERATION PROFIT, GROSS 32.80, NET -4.91
2006-04-20, BUY CREATE, 3860.00
2006-04-21, BUY EXECUTED, Price: 3863.57, Cost: 3863.57, Comm 19.32
2006-04-28, SELL CREATE, 3839.90
2006-05-02, SELL EXECUTED, Price: 3839.24, Cost: 3839.24, Comm 19.20
2006-05-02, OPERATION PROFIT, GROSS -24.33, NET -62.84

第 1次 操作具有以下價格：

  • 買入（執行）-> 3754.13 / 賣出（執行）-> 3786.93

    • 期貨損益（帶傭金）：324.0

    • 股票盈虧（含傭金）：-4.91

    嘿！！傭金已經完全吞噬了運營的任何利潤，stocks 但只意味著對運營的 futures 一個小小的影響。

第 2個 操作：

  • 買入（執行）-> 3863.57 / 賣出（執行）-> 3389.24

    • 期貨損益（含傭金）：-247.30

    • 股票損益（含傭金）：-62.84

    對於這種負操作，咬合已經明智地更大了futures

但：

  • 期貨累計凈損益：324.00 + （-247.30） = 76.70

  • 股票累計凈損益： （-4.91） + （-62.84） = -67.75

累積效應可以在下面的圖表上看到，在那裡也可以看出，在全年結束時，期貨產生了更大的利潤，但也遭受了更大的回撤（在水下更深）

但重要的是：是否futures stocks ... 它可以進行回溯測試。

期貨傭金

股票傭金

代碼

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

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


futures_like = True

if futures_like:
    commission, margin, mult = 2.0, 2000.0, 10.0
else:
    commission, margin, mult = 0.005, None, 1


class SMACrossOver(bt.Strategy):
    def log(self, txt, dt=None):
        ''' Logging function fot this strategy'''
        dt = dt or self.datas[0].datetime.date(0)
        print('%s, %s' % (dt.isoformat(), txt))

    def notify(self, order):
        if order.status in [order.Submitted, order.Accepted]:
            # Buy/Sell order submitted/accepted to/by broker - Nothing to do
            return

        # Check if an order has been completed
        # Attention: broker could reject order if not enougth cash
        if order.status in [order.Completed, order.Canceled, order.Margin]:
            if order.isbuy():
                self.log(
                    'BUY EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' %
                    (order.executed.price,
                     order.executed.value,
                     order.executed.comm))

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

                gross_pnl = (order.executed.price - self.buyprice) * \
                    self.opsize

                if margin:
                    gross_pnl *= mult

                net_pnl = gross_pnl - self.buycomm - order.executed.comm
                self.log('OPERATION PROFIT, GROSS %.2f, NET %.2f' %
                         (gross_pnl, net_pnl))

    def __init__(self):
        sma = btind.SMA(self.data)
        # > 0 crossing up / < 0 crossing down
        self.buysell_sig = btind.CrossOver(self.data, sma)

    def next(self):
        if self.buysell_sig > 0:
            self.log('BUY CREATE, %.2f' % self.data.close[0])
            self.buy()  # keep order ref to avoid 2nd orders

        elif self.position and self.buysell_sig < 0:
            self.log('SELL CREATE, %.2f' % self.data.close[0])
            self.sell()


if __name__ == '__main__':
    # Create a cerebro entity
    cerebro = bt.Cerebro()

    # Add a strategy
    cerebro.addstrategy(SMACrossOver)

    # Create a Data Feed
    datapath = ('../datas/2006-day-001.txt')
    data = bt.feeds.BacktraderCSVData(dataname=datapath)

    # Add the Data Feed to Cerebro
    cerebro.adddata(data)

    # set commission scheme -- CHANGE HERE TO PLAY
    cerebro.broker.setcommission(
        commission=commission, margin=margin, mult=mult)

    # Run over everything
    cerebro.run()

    # Plot the result
    cerebro.plot()

推薦閱讀

相關文章

Backtrader教程：觀察者 - 參考

基準 backtrader類 .observers.基準（） 此 observer 存儲策略的回報和參考資產的回報，參考資產是傳遞到系統的數據之一。

Backtrader規範與非規範

這個問題或多或少地出現了幾次：這樣： backtrader如何最好/規範地實現這一點或那樣？ 作為 backtrader 的目標之一，可以靈活地 支援盡可能多的情況和用例，答案很簡單：“至少在幾種方式上”。

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：指標 - 開發

如果必須開發任何東西（除了一個或多個獲勝策略之外），那麼這個東西就是一個自定義指標。 根據作者的說法，平臺內的這種開發很容易。 需要滿足以下條件： 從指標派生的類（直接或從現有的子類派生） 定義它將保持lines 指標必須至少具有 1 line。

Backtrader教程：日誌記錄 - 編寫器

將以下內容寫出到流中： csv 流，

Backtrader教程：數據饋送 - 擴展 (Extending DataFeed)

GitHub 中的問題實際上是在推動文檔部分的完成，或者説明我瞭解我是否backtrader 具有我從一開始就設想的易用性和靈活性以及在此過程中做出的決定。 在本例中為問題 #9。

Backtrader智慧質押

版本 1.6.4.93 標誌著 backtrader 的一個重要里程碑，即使版本號的更改很小。 職位大小調整是閱讀Van K. Tharp的《Trade Your Way To Financial Freedom 》後，為這個專案奠定基礎的事情之一。

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教程：數據饋送 - 熊貓

注意 pandas 並且必須安裝其依賴項 支援Pandas Dataframes似乎受到很多人的關注，他們依賴於已經可用的解析代碼來分析不同的數據源（包括CSV）和Pandas提供的其他功能。 數據饋送的重要聲明。 注意 這些只是 聲明。不要盲目複製此代碼。

Backtrader教程：策略 - 信號

操作 backtrader 也是可能的，而無需編寫策略。雖然這是首選方式，但由於構成機器的對象層次結構，使用信號也是可能的。