在1.8.10.96版本之前，可以使用反向交易者通過策略方法進行智能質押：買入和賣出。這一切都是為了在負責賭注大小的等式中添加一個Sizer 。
Sizer不能做的是決定操作是買入還是賣出。這意味著需要一個新概念，在其中添加一個小的智能層來做出這樣的決定。
這是 Strategy 中的order_target_xxx方法家族發揮作用的地方。受zipline中的啟發，這些方法提供了簡單地指定最終目標的機會，成為目標：
size-> 特定資產投資組合中的股份數量、合約數量value-> 投資組合中資產的貨幣單位價值percent-> 當前投資組合中資產的百分比（來自當前投資組合）
筆記
這些方法的參考可以在策略參考中找到。總結是這些方法使用與buy和sell相同的簽名，除了參數size被參數target替換
在這種情況下，一切都與指定最終目標有關，並且該方法決定操作是買入還是賣出。相同的邏輯適用於 3 種方法。讓我們從order_target_size
如果目標大於發出買入的頭寸，則差異
target - position_size例子：
位置：
0，目標：7-> 購買（尺寸=7 - 0）-> 購買（尺寸=7）位置：
3，目標：7-> 購買（尺寸=7 - 3）-> 購買（尺寸=4）位置：
-3，目標：7-> 購買（尺寸=7 - -3）-> 購買（尺寸=10）位置：
-3，目標：-2-> 購買（尺寸=-2 - -3）-> 購買（尺寸=1）
如果目標小於頭寸，則發出賣出，差異為
position_size - target例子：
位置：
0，目標：-7-> 銷售（大小=0 - -7） -> 銷售（大小=7）職位：
3，目標：-7-> 出售（大小=3 - -7）-> 出售（大小=10）位置：
-3，目標：-7-> 出售（尺寸=-3 - -7）-> 出售（尺寸=4）職位：
3，目標：2-> 銷售（大小=3 - 2） -> 銷售（大小=1）
當使用order_target_value一個值時，投資組合中資產的當前價值和頭寸規模都被考慮在內，以決定最終的基礎操作是什麼。推理：
- 如果頭寸規模為負（空頭）並且目標值必須大於當前值，這意味著：賣出更多
因此，邏輯工作如下：
如果
target > value和size >=0-> 購買如果
target > value和size < 0-> 賣出如果
target < value和size >= 0-> 賣出如果
target < value和size\* < 0-> 購買
order_target_value的邏輯與order_target_percent的邏輯相同。該方法僅考慮投資組合的當前總價值來確定資產的目標價值。
樣本
backtrader嘗試為每個新功能提供一個示例，這也不例外。沒有花里胡哨的東西，只是測試一下結果是否符合預期。這個在示例中的order_target目錄下。
示例中的邏輯相當愚蠢，僅用於測試：
在奇數月（一月、三月、...），使用天作為目標（在
order_target_value將天乘以1000的情況下）這模仿了一個不斷增加的目標
在偶數月（2 月、4 月……）使用
31 - day作為目標這模擬了一個遞減的目標
order_target_size
讓我們看看 1 月和 2 月會發生什麼。
$ ./order_target.py --target-size -- plot 0001 - 2005-01-03 - Position Size: 00 - Value 1000000.00 0001 - 2005-01-03 - Order Target Size: 03 0002 - 2005-01-04 - Position Size: 03 - Value 999994.39 0002 - 2005-01-04 - Order Target Size: 04 0003 - 2005-01-05 - Position Size: 04 - Value 999992.48 0003 - 2005-01-05 - Order Target Size: 05 0004 - 2005-01-06 - Position Size: 05 - Value 999988.79 ... 0020 - 2005-01-31 - Position Size: 28 - Value 999968.70 0020 - 2005-01-31 - Order Target Size: 31 0021 - 2005-02-01 - Position Size: 31 - Value 999954.68 0021 - 2005-02-01 - Order Target Size: 30 0022 - 2005-02-02 - Position Size: 30 - Value 999979.65 0022 - 2005-02-02 - Order Target Size: 29 0023 - 2005-02-03 - Position Size: 29 - Value 999966.33 0023 - 2005-02-03 - Order Target Size: 28 ...
1 月，目標從3點開始，從一年中的第一個交易日開始，然後增加。頭寸大小最初從0移動到3 ，然後以1為增量。
1 月結束時，最後一個order_target 為31 ，並且在進入 2 月 1日時報告倉位大小，此時新的目標方被要求為30 ，並且隨著倉位的遞減“1”而變化。
order_target_value
預計目標值會出現類似的行為
$ ./order_target.py --target-value --plot 0001 - 2005-01-03 - Position Size: 00 - Value 1000000.00 0001 - 2005-01-03 - data value 0.00 0001 - 2005-01-03 - Order Target Value: 3000.00 0002 - 2005-01-04 - Position Size: 78 - Value 999854.14 0002 - 2005-01-04 - data value 2853.24 0002 - 2005-01-04 - Order Target Value: 4000.00 0003 - 2005-01-05 - Position Size: 109 - Value 999801.68 0003 - 2005-01-05 - data value 3938.17 0003 - 2005-01-05 - Order Target Value: 5000.00 0004 - 2005-01-06 - Position Size: 138 - Value 999699.57 ... 0020 - 2005-01-31 - Position Size: 808 - Value 999206.37 0020 - 2005-01-31 - data value 28449.68 0020 - 2005-01-31 - Order Target Value: 31000.00 0021 - 2005-02-01 - Position Size: 880 - Value 998807.33 0021 - 2005-02-01 - data value 30580.00 0021 - 2005-02-01 - Order Target Value: 30000.00 0022 - 2005-02-02 - Position Size: 864 - Value 999510.21 0022 - 2005-02-02 - data value 30706.56 0022 - 2005-02-02 - Order Target Value: 29000.00 0023 - 2005-02-03 - Position Size: 816 - Value 999130.05 0023 - 2005-02-03 - data value 28633.44 0023 - 2005-02-03 - Order Target Value: 28000.00 ...
有一條額外的信息線說明實際數據值（在投資組合中）是什麼。這有助於找出是否已達到目標值。
初始目標是3000.0 ，報告的初始值為2853.24 。這裡的問題是這是否足夠接近。答案是肯定的
該示例使用每日柱結束時的
Market單和最後可用價格來計算滿足目標值的目標大小然後執行使用第二天的
open，這不太可能是前一個close價
以任何其他方式這樣做都意味著一個人在欺騙他/她自己。
下一個目標值和最終值更接近： 4000和3938.17 。
更改為 2 月時，目標值開始從31000減少到30000和29000\ 。從 30580.00 to 30706.56 and then to 28633.44 的*數據值*也是如此。等待：
30580->30706.56是一個積極的變化的確。在這種情況下，目標值的計算大小滿足開盤價，將值推高至
30706.56
如何避免這種影響：
示例對訂單使用
Market類型執行，這種影響無法避免order_target_xxx方法允許指定執行類型和價格。可以將
Limit指定為執行訂單，並將價格設為收盤價（如果沒有提供其他信息，則由方法選擇）甚至提供具體定價
order_target_value
在這種情況下，它只是當前投資組合價值的百分比。
$ ./order_target.py --target-percent --plot 0001 - 2005-01-03 - Position Size: 00 - Value 1000000.00 0001 - 2005-01-03 - data percent 0.00 0001 - 2005-01-03 - Order Target Percent: 0.03 0002 - 2005-01-04 - Position Size: 785 - Value 998532.05 0002 - 2005-01-04 - data percent 0.03 0002 - 2005-01-04 - Order Target Percent: 0.04 0003 - 2005-01-05 - Position Size: 1091 - Value 998007.44 0003 - 2005-01-05 - data percent 0.04 0003 - 2005-01-05 - Order Target Percent: 0.05 0004 - 2005-01-06 - Position Size: 1381 - Value 996985.64 ... 0020 - 2005-01-31 - Position Size: 7985 - Value 991966.28 0020 - 2005-01-31 - data percent 0.28 0020 - 2005-01-31 - Order Target Percent: 0.31 0021 - 2005-02-01 - Position Size: 8733 - Value 988008.94 0021 - 2005-02-01 - data percent 0.31 0021 - 2005-02-01 - Order Target Percent: 0.30 0022 - 2005-02-02 - Position Size: 8530 - Value 995005.45 0022 - 2005-02-02 - data percent 0.30 0022 - 2005-02-02 - Order Target Percent: 0.29 0023 - 2005-02-03 - Position Size: 8120 - Value 991240.75 0023 - 2005-02-03 - data percent 0.29 0023 - 2005-02-03 - Order Target Percent: 0.28 ...
並且信息已更改以查看數據在投資組合中代表的% 。
示例使用
$ ./order_target.py --help
usage: order_target.py [-h] [--data DATA] [--fromdate FROMDATE]
[--todate TODATE] [--cash CASH]
(--target-size | --target-value | --target-percent)
[--plot [kwargs]]
Sample for Order Target
optional arguments:
-h, --help show this help message and exit
--data DATA Specific data to be read in (default:
../../datas/yhoo-1996-2015.txt)
--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)
--cash CASH Ending date in YYYY-MM-DD format (default: 1000000)
--target-size Use order_target_size (default: False)
--target-value Use order_target_value (default: False)
--target-percent Use order_target_percent (default: False)
--plot [kwargs], -p [kwargs]
Plot the read data applying any kwargs passed For
example: --plot style="candle" (to plot candles)
(default: None)
示例代碼
from __future__ import (absolute_import, division, print_function,
unicode_literals)
import argparse
from datetime import datetime
import backtrader as bt
class TheStrategy(bt.Strategy):
'''
This strategy is loosely based on some of the examples from the Van
K. Tharp book: *Trade Your Way To Financial Freedom*. The logic:
- Enter the market if:
- The MACD.macd line crosses the MACD.signal line to the upside
- The Simple Moving Average has a negative direction in the last x
periods (actual value below value x periods ago)
- Set a stop price x times the ATR value away from the close
- If in the market:
- Check if the current close has gone below the stop price. If yes,
exit.
- If not, update the stop price if the new stop price would be higher
than the current
'''
params = (
('use_target_size', False),
('use_target_value', False),
('use_target_percent', False),
)
def notify_order(self, order):
if order.status == order.Completed:
pass
if not order.alive():
self.order = None # indicate no order is pending
def start(self):
self.order = None # sentinel to avoid operrations on pending order
def next(self):
dt = self.data.datetime.date()
portfolio_value = self.broker.get_value()
print('%04d - %s - Position Size: %02d - Value %.2f' %
(len(self), dt.isoformat(), self.position.size, portfolio_value))
data_value = self.broker.get_value([self.data])
if self.p.use_target_value:
print('%04d - %s - data value %.2f' %
(len(self), dt.isoformat(), data_value))
elif self.p.use_target_percent:
port_perc = data_value / portfolio_value
print('%04d - %s - data percent %.2f' %
(len(self), dt.isoformat(), port_perc))
if self.order:
return # pending order execution
size = dt.day
if (dt.month % 2) == 0:
size = 31 - size
if self.p.use_target_size:
target = size
print('%04d - %s - Order Target Size: %02d' %
(len(self), dt.isoformat(), size))
self.order = self.order_target_size(target=size)
elif self.p.use_target_value:
value = size * 1000
print('%04d - %s - Order Target Value: %.2f' %
(len(self), dt.isoformat(), value))
self.order = self.order_target_value(target=value)
elif self.p.use_target_percent:
percent = size / 100.0
print('%04d - %s - Order Target Percent: %.2f' %
(len(self), dt.isoformat(), percent))
self.order = self.order_target_percent(target=percent)
def runstrat(args=None):
args = parse_args(args)
cerebro = bt.Cerebro()
cerebro.broker.setcash(args.cash)
dkwargs = dict()
if args.fromdate is not None:
dkwargs['fromdate'] = datetime.strptime(args.fromdate, '%Y-%m-%d')
if args.todate is not None:
dkwargs['todate'] = datetime.strptime(args.todate, '%Y-%m-%d')
# data
data = bt.feeds.YahooFinanceCSVData(dataname=args.data, **dkwargs)
cerebro.adddata(data)
# strategy
cerebro.addstrategy(TheStrategy,
use_target_size=args.target_size,
use_target_value=args.target_value,
use_target_percent=args.target_percent)
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 Order Target')
parser.add_argument('--data', required=False,
default='../../datas/yhoo-1996-2015.txt',
help='Specific data to be read in')
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('--cash', required=False, action='store',
type=float, default=1000000,
help='Ending date in YYYY-MM-DD format')
pgroup = parser.add_mutually_exclusive_group(required=True)
pgroup.add_argument('--target-size', required=False, action='store_true',
help=('Use order_target_size'))
pgroup.add_argument('--target-value', required=False, action='store_true',
help=('Use order_target_value'))
pgroup.add_argument('--target-percent', required=False,
action='store_true',
help=('Use order_target_percent'))
# 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()