Backtrader教程：策略 - 信號

Backtrader Backtrader教程   |   2022年6月21日

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。

快速摘要：

  • 而不是編寫策略類，實例化指標，編寫買入/賣出邏輯...

  • 最終使用者添加信號（無論如何指標），其餘部分在後台完成

簡單範例：

import backtrader as bt

data = bt.feeds.OneOfTheFeeds(dataname='mydataname')
cerebro.adddata(data)

cerebro.add_signal(bt.SIGNAL_LONGSHORT, MySignal)
cerebro.run()

Et voilá！.

當然，信號本身是缺失的。讓我們定義一個非常愚蠢的信號，它產生：

  • Long 指示價格是否 close 高於簡單移動平均線

  • Short 指示價格是否 close 低於簡單移動平均線

定義：

class MySignal(bt.Indicator):
    lines = ('signal',)
    params = (('period', 30),)

    def __init__(self):
        self.lines.signal = self.data - bt.indicators.SMA(period=self.p.period)

現在它真的完成了。當run 執行時， Cerebro 將負責實例化一個特殊的策略實例，該實例知道如何處理信號。

初始常見問題

  • 如何確定買入/賣出操作 volume ？

    cerebro實例會自動FixedSize向策略添加sizer。最終使用者可以更改sizer以更改策略cerebro.addsizer

  • 訂單如何執行？

    執行類型為Market “有效”，直到“取消”為止

信號技術細節

從技術和理論的角度來看，可以這樣描述：

  • 一個可調用物件，在調用時返回另一個物件（僅一次）

    在大多數情況下，這是類的實例化，但不得是

  • __getitem__支援介面。唯一請求的鍵/索引將是0

從實際的角度來看，看看上面的例子，一個信號是：

  • 來自backtrader生態系統的lines物件，主要是指標

    這在使用其他指標時很有説明，例如在示例中使用簡單移動平均線時。

信號指示

信號在查詢signal[0] 時提供指示，含義為：

  • > 0 -> long indication

  • < 0 -> short indication

  • == 0 -> 無適應症

該範例使用self.data - SMA 和執行簡單的算術運算：

  • 問題 along indication 當 高於dataSMA

  • 問題 ashort indication 當 data 低於 SMA

注意

當 沒有為data 指示特定價格欄位時 close ，價格就是參考價格。

信號類型

下面指示的常量（如上面的示例所示）可直接從主 backtrader 模塊獲得，如下所示：

import backtrader as bt

bt.SIGNAL_LONG

有5種類型的信號，分為2組。

主要組：

  • LONGSHORT：兩者都 long 從 short 這個信號中獲取指示

  • LONG:

    • long 適應症需要做多

    • short 指示用於 close 多頭頭寸。但：

    • 如果系統中存在LONGEXIT （見下文）信號，它將用於退出多頭

    • 如果信號SHORT可用而無LONGEXIT可用，它將用於在打開 a 之前closelongshort

  • SHORT:

    • short 適應症被採取短路

    • long 指示用於 close 空頭頭寸。但：

    • 如果系統中存在SHORTEXIT （見下文）信號，它將用於退出空頭

    • 如果信號LONG可用而無SHORTEXIT可用，它將用於在打開之前closeshortlong

離開群組：

這 2 個信號旨在覆蓋其他信號，併為退出 along / short 倉位提供標準

  • LONGEXIT： short 指示用於退出 long 倉位

  • SHORTEXIT： long 指示用於退出 short 倉位

累積和訂單併發

上面顯示的示例信號將持續發出長短指示，因為它只是從價格中SMAclose減去值，這將始終是和> 0 < 0 （0在數學上是可能的，但不太可能真正發生）

這將導致連續生成訂單，從而產生 2 種情況：

  • Accumulation：即使已經在市場上，信號也會產生新的訂單，這將增加市場的可能性

  • Concurrency：新訂單將在不等待其他訂單執行的情況下生成

為避免這種情況，預設行為為：

  • 不累積

  • 不允許併發

如果希望這兩種行為中的任何一種，可以通過以下方式進行控制cerebro ：

  • cerebro.signal_accumulate(True) （或 False 重新禁用它）

  • cerebro.signal_concurrency(True) （或 False 重新禁用它）

示例

backtrader源包含用於測試功能的範例。

要使用的主信號。

class SMACloseSignal(bt.Indicator):
    lines = ('signal',)
    params = (('period', 30),)

    def __init__(self):
        self.lines.signal = self.data - bt.indicators.SMA(period=self.p.period)

如果指定了該選項，則退出信號。

class SMAExitSignal(bt.Indicator):
    lines = ('signal',)
    params = (('p1', 5), ('p2', 30),)

    def __init__(self):
        sma1 = bt.indicators.SMA(period=self.p.p1)
        sma2 = bt.indicators.SMA(period=self.p.p2)
        self.lines.signal = sma1 - sma2

首次運行：長跑和短跑

$ ./signals-strategy.py --plot --signal longshort

輸出

要注意：

  • 繪製信號。這是正常的，因為它只是一個指標，並且它的繪圖規則適用

  • 策略是真的long 和 short.這可以看出，因為現金水平永遠不會回到價值水準。

  • 附注：即使是一個愚蠢的想法...（並且沒有傭金）該策略沒有損失金錢...

第二次運行：僅長

$ ./signals-strategy.py --plot --signal longonly

輸出

要注意：

  • 在這裡，現金水準回到每次賣出后的價值水準，這意味著策略已經退出市場。

  • 附注：再次沒有錢損失...

第三次運行：僅短運行

$ ./signals-strategy.py --plot --signal shortonly

輸出

要注意：

  • 第 1次 操作是預期的賣出，並且比上述 2 個示例中的第 1次 操作晚。直到低於 close 和 SMA 簡單減法 產生一個負數

  • 在這裡，現金水準回到每次買入后的價值水準，這意味著策略已經退出市場。

  • 附注：最後系統賠錢

第四次運行：長+長輸出

$ ./signals-strategy.py --plot --signal longonly --exitsignal longexit

輸出

要注意：

  • 許多交易是相同的，但有些交易被提前中斷，因為退出信號中的快速移動平均線穿過慢速移動平均線到下行

  • 該系統顯示其長期屬性，現金成為每筆交易結束時的價值

  • 附注：再次賺錢...即使有一些修改的交易

用法

$ ./signals-strategy.py --help
usage: signals-strategy.py [-h] [--data DATA] [--fromdate FROMDATE]
                           [--todate TODATE] [--cash CASH]
                           [--smaperiod SMAPERIOD] [--exitperiod EXITPERIOD]
                           [--signal {longshort,longonly,shortonly}]
                           [--exitsignal {longexit,shortexit}]
                           [--plot [kwargs]]

Sample for Signal concepts

optional arguments:
  -h, --help            show this help message and exit
  --data DATA           Specific data to be read in (default:
                        ../../datas/2005-2006-day-001.txt)
  --fromdate FROMDATE   Starting date in YYYY-MM-DD format (default: None)
  --todate TODATE       Ending date in YYYY-MM-DD format (default: None)
  --cash CASH           Cash to start with (default: 50000)
  --smaperiod SMAPERIOD
                        Period for the moving average (default: 30)
  --exitperiod EXITPERIOD
                        Period for the exit control SMA (default: 5)
  --signal {longshort,longonly,shortonly}
                        Signal type to use for the main signal (default:
                        longshort)
  --exitsignal {longexit,shortexit}
                        Signal type to use for the exit signal (default: None)
  --plot [kwargs], -p [kwargs]
                        Plot the read data applying any kwargs passed For
                        example: --plot style="candle" (to plot candles)
                        (default: None)

代碼

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

import argparse
import collections
import datetime

import backtrader as bt

MAINSIGNALS = collections.OrderedDict(
    (('longshort', bt.SIGNAL_LONGSHORT),
     ('longonly', bt.SIGNAL_LONG),
     ('shortonly', bt.SIGNAL_SHORT),)
)


EXITSIGNALS = {
    'longexit': bt.SIGNAL_LONGEXIT,
    'shortexit': bt.SIGNAL_LONGEXIT,
}


class SMACloseSignal(bt.Indicator):
    lines = ('signal',)
    params = (('period', 30),)

    def __init__(self):
        self.lines.signal = self.data - bt.indicators.SMA(period=self.p.period)


class SMAExitSignal(bt.Indicator):
    lines = ('signal',)
    params = (('p1', 5), ('p2', 30),)

    def __init__(self):
        sma1 = bt.indicators.SMA(period=self.p.p1)
        sma2 = bt.indicators.SMA(period=self.p.p2)
        self.lines.signal = sma1 - sma2


def runstrat(args=None):
    args = parse_args(args)

    cerebro = bt.Cerebro()
    cerebro.broker.set_cash(args.cash)

    dkwargs = dict()
    if args.fromdate is not None:
        fromdate = datetime.datetime.strptime(args.fromdate, '%Y-%m-%d')
        dkwargs['fromdate'] = fromdate

    if args.todate is not None:
        todate = datetime.datetime.strptime(args.todate, '%Y-%m-%d')
        dkwargs['todate'] = todate

    # if dataset is None, args.data has been given
    data = bt.feeds.BacktraderCSVData(dataname=args.data, **dkwargs)
    cerebro.adddata(data)

    cerebro.add_signal(MAINSIGNALS[args.signal],
                       SMACloseSignal, period=args.smaperiod)

    if args.exitsignal is not None:
        cerebro.add_signal(EXITSIGNALS[args.exitsignal],
                           SMAExitSignal,
                           p1=args.exitperiod,
                           p2=args.smaperiod)

    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 Signal concepts')

    parser.add_argument('--data', required=False,
                        default='../../datas/2005-2006-day-001.txt',
                        help='Specific data to be read in')

    parser.add_argument('--fromdate', required=False, default=None,
                        help='Starting date in YYYY-MM-DD format')

    parser.add_argument('--todate', required=False, default=None,
                        help='Ending date in YYYY-MM-DD format')

    parser.add_argument('--cash', required=False, action='store',
                        type=float, default=50000,
                        help=('Cash to start with'))

    parser.add_argument('--smaperiod', required=False, action='store',
                        type=int, default=30,
                        help=('Period for the moving average'))

    parser.add_argument('--exitperiod', required=False, action='store',
                        type=int, default=5,
                        help=('Period for the exit control SMA'))

    parser.add_argument('--signal', required=False, action='store',
                        default=MAINSIGNALS.keys()[0], choices=MAINSIGNALS,
                        help=('Signal type to use for the main signal'))

    parser.add_argument('--exitsignal', required=False, action='store',
                        default=None, choices=EXITSIGNALS,
                        help=('Signal type to use for the exit signal'))

    # 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()

推薦閱讀

相關文章

Backtrader教程：分析儀

無論是回溯測試還是交易，能夠分析交易系統的性能是瞭解是否不僅獲得了利潤，而且是否在風險太大的情況下實現了利潤，或者與參考資產（或無風險資產）相比，是否真的值得付出努力的關鍵。 這就是物件家族的用武之Analyzer 地：提供對所發生事件甚至實際發生的事情的分析。

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：觀察者 - 基準測試

工單 #89 是關於針對資產添加基準測試的。明智的是，人們實際上可能有一個策略，即使積極，也低於簡單地跟蹤資產所能提供的策略。

Backtrader回溯

在一些關於改進的ShapeRatio的提示之後， backtrader 已將此分析儀添加到其武器庫中。 文獻位於： 從對數回報的好處開始，並遵循在SharpeRatio方程的分母中具有標準偏差的副作用，本文檔開發了該分析儀的公式和期望。

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條形同步

文獻和/或行業中缺乏標準公式不是問題，因為問題實際上可以總結為： 條形同步 工單 #23 提出了一些問題，即是否可以 backtrader 考慮計算 相對體積 指標。 請求者需要將給定時刻的 volume 與前一個交易日的相同時刻進行比較。

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卡爾曼等

注意 對以下指令的支援從提交開始 發佈1.9.30.x 將是包含它的第1個版本 。 backtrader的原始目標之一是成為純python，即：僅使用標準發行版中可用的軟體包。只有一個例外是matplotlib在沒有重新發明輪子的情況下進行繪圖。

Backtrader開場作弊

“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。

Backtrader熊貓數據饋送

在一些小的增強功能和一些OrderDict調整中，以獲得更好的Python 2.6支援， backtrader 的最新版本增加了對分析Pandas Dataframe或Time Series數據的支援。