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
這意味著不僅交易構成了系統的盈利能力，因為信貸上的利息在帳戶上佔有一席之地。
為了涵蓋這種情況， backtrader 包括（從發佈1.8.8.96開始）功能來考慮這一點。
擴展傭金資訊
即使不與任何訂單/交易相關聯，帳戶現金的折扣也可以建模為經紀人收取的傭金。因此，鑒於 backtrader 已經提供了靈活且可擴展的傭金系統，該系統已略微擴展以支持信貸利息。
現在可以使用兩個新參數實例化 ACommissionInfo ：
-
interest（防守：0.0）如果此值為非零，則為持有賣空頭寸所收取的年利息。這主要用於股票賣空
公式：
days \* price \* abs(size) \* (interest / 365)必須以絕對值指定：0.05 -> 5%
注意
可以通過重寫該方法來更改行為：
_get_credit_interest -
interest_long（防守：False）一些產品，如ETF，需要對空頭和多頭頭寸收取利息。如果 ths 為
True非interest零，則將在兩個方向上收取利息
也可以使用以下方法通過代理設定參數：
def setcommission(self,
commission=0.0, margin=None, mult=1.0,
commtype=None, percabs=True, stocklike=False,
interest=0.0, interest_long=False,
name=None)
其中interest 和 interest_long 顯然具有與上述相同的含義。
應用傭金資訊
對於傭金百分比的股票，具有信用利息的典型使用場景如下
import backtrader as bt
cerebro = bt.Cerebro()
comminfo = bt.CommissionInfo(commtype=bt.CommissionInfo.COMM_PERC, # % commission
commission=0.005, # 0.5%
percabs=True, # perc expressed in abs terms
stocklike=True,
interest=0.05, # 5% anual credit interest rate
)
cerebro.broker.addcommissioninfo(comminfo)
...
如果最終使用者有自己的傭金方案，這非常有用。
一個更簡單的案例，包括setcommission：
import backtrader as bt
cerebro = bt.Cerebro()
cerebro.broker.setcommission(commtype=bt.CommissionInfo.COMM_PERC, # % commission
commission=0.005, # 0.5%
percabs=True, # perc expressed in abs terms
stocklike=True,
interest=0.05, # 5% anual credit interest rate
)
...
其餘的就像任何其他通常 backtrader 腳本一樣。
一些示例方案
只做多，不退出，無利息
為了建立一個最小的基線，讓我們從沒有興趣開始，讓腳本只進入市場很長時間，避免退出。
$ ./credit-interest.py --plot --stocklike --long --no-exit 01 2005-04-11 23:59:59 BUY Size: +10 / Price: 3088.47
這個想法現在應該很清楚了。將固定現金 line 遠離投資組合總價值，並且沒有扣除。
只做多，不退出，不感興趣
讓我們嘗試增加興趣，看看會發生什麼（我們將增加一個巨大的15% 興趣來試圖注意到這些動向）
$ ./credit-interest.py --plot --stocklike --long --no-exit --interest 0.15 01 2005-04-11 23:59:59 BUY Size: +10 / Price: 3088.47
一切都沒有改變！這是意料之中的。在大多數情況下，利息僅適用於short 頭寸（以信用方式持有），這是一個僅做多的頭寸。
讓我們告訴腳本也為long 倉位執行此操作
$ ./credit-interest.py --plot --stocklike --long --no-exit --interest 0.15 --interest_long 01 2005-04-11 23:59:59 BUY Size: +10 / Price: 3088.47
變化就在那裡。已經減少了並且很大（考慮到正在採取的巨大興趣）
多空方案
這將類比像一個有ETF 年度興趣的東西，可以是常規的，也可以是反向的。首先，讓我們建立基線。
$ ./credit-interest.py --plot --stocklike 01 2005-03-22 23:59:59 SELL Size: -10 / Price: 3040.55 02 2005-04-11 23:59:59 BUY Size: +10 / Price: 3088.47 ... ... 34 2006-12-19 23:59:59 BUY Size: +10 / Price: 4121.01 35 2006-12-19 23:59:59 BUY Size: +10 / Price: 4121.01
更多的操作和系統總是在市場上。
由於多ETF 頭和空頭操作都將收取利息，因此現在將同時添加兩者的利息：
$ ./credit-interest.py --plot --stocklike --interest 0.15 --interest_long 01 2005-03-22 23:59:59 SELL Size: -10 / Price: 3040.55 02 2005-04-11 23:59:59 BUY Size: +10 / Price: 3088.47 ... ... 34 2006-12-19 23:59:59 BUY Size: +10 / Price: 4121.01
ACHTUNG：34 操作而不是 35.似乎有些東西可能壞了，但是...不。。。
收取的利息正在從現金儲備中扣除一點，這最終不允許 last 訂單，因為沒有足夠的現金
從多頭操作中取消利息費用（即使對於ETF來說不是真實的）將使系統達到目的：
$ ./credit-interest.py --plot --stocklike --interest 0.15 01 2005-03-22 23:59:59 SELL Size: -10 / Price: 3040.55 02 2005-04-11 23:59:59 BUY Size: +10 / Price: 3088.47 ... ... 34 2006-12-19 23:59:59 BUY Size: +10 / Price: 4121.01 35 2006-12-19 23:59:59 BUY Size: +10 / Price: 4121.01
重新開始營業，35th 直到運營。
與原始現金的快速比較表明，最終現金已從7490 （無利息）變為 5418 （僅將利息應用於短期操作）
結論
這個新功能允許類比更保真度的回溯測試場景，以嘗試實現夢想：一個有利可圖的系統
示例用法
$ ./credit-interest.py --help
usage: credit-interest.py [-h] [--data DATA] [--fromdate FROMDATE]
[--todate TODATE] [--cash CASH] [--period1 PERIOD1]
[--period2 PERIOD2] [--interest INTEREST]
[--interest_long] [--long | --short] [--no-exit]
[--stocklike] [--margin MARGIN] [--mult MULT]
[--stake STAKE] [--plot [kwargs]]
Sample for Slippage
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)
--period1 PERIOD1 Fast moving average period (default: 10)
--period2 PERIOD2 Slow moving average period (default: 30)
--interest INTEREST Activate credit interest rate (default: 0.0)
--interest_long Credit interest rate for long positions (default:
False)
--long Do a long only strategy (default: False)
--short Do a long only strategy (default: False)
--no-exit The 1st taken position will not be exited (default:
False)
--stocklike Consider the asset to be stocklike (default: False)
--margin MARGIN Margin for future like instruments (default: 0.0)
--mult MULT Multiplier for future like instruments (default: 1.0)
--stake STAKE Stake to apply (default: 10)
--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
import collections
import datetime
import itertools
import backtrader as bt
class SMACrossOver(bt.Signal):
params = (('p1', 10), ('p2', 30),)
def __init__(self):
sma1 = bt.indicators.SMA(period=self.p.p1)
sma2 = bt.indicators.SMA(period=self.p.p2)
self.lines.signal = bt.indicators.CrossOver(sma1, sma2)
class NoExit(bt.Signal):
def next(self):
self.lines.signal[0] = 0.0
class St(bt.SignalStrategy):
opcounter = itertools.count(1)
def notify_order(self, order):
if order.status == bt.Order.Completed:
t = ''
t += '{:02d}'.format(next(self.opcounter))
t += ' {}'.format(order.data.datetime.datetime())
t += ' BUY ' * order.isbuy() or ' SELL'
t += ' Size: {:+d} / Price: {:.2f}'
print(t.format(order.executed.size, order.executed.price))
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.signal_strategy(St)
cerebro.addsizer(bt.sizers.FixedSize, stake=args.stake)
sigtype = bt.signal.SIGNAL_LONGSHORT
if args.long:
sigtype = bt.signal.SIGNAL_LONG
elif args.short:
sigtype = bt.signal.SIGNAL_SHORT
cerebro.add_signal(sigtype,
SMACrossOver, p1=args.period1, p2=args.period2)
if args.no_exit:
if args.long:
cerebro.add_signal(bt.signal.SIGNAL_LONGEXIT, NoExit)
elif args.short:
cerebro.add_signal(bt.signal.SIGNAL_SHORTEXIT, NoExit)
comminfo = bt.CommissionInfo(
mult=args.mult,
margin=args.margin,
stocklike=args.stocklike,
interest=args.interest,
interest_long=args.interest_long)
if True:
cerebro.broker.addcommissioninfo(comminfo)
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 Slippage')
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('--period1', required=False, action='store',
type=int, default=10,
help=('Fast moving average period'))
parser.add_argument('--period2', required=False, action='store',
type=int, default=30,
help=('Slow moving average period'))
parser.add_argument('--interest', required=False, action='store',
default=0.0, type=float,
help=('Activate credit interest rate'))
parser.add_argument('--interest_long', required=False, action='store_true',
help=('Credit interest rate for long positions'))
pgroup = parser.add_mutually_exclusive_group()
pgroup.add_argument('--long', required=False, action='store_true',
help=('Do a long only strategy'))
pgroup.add_argument('--short', required=False, action='store_true',
help=('Do a long only strategy'))
parser.add_argument('--no-exit', required=False, action='store_true',
help=('The 1st taken position will not be exited'))
parser.add_argument('--stocklike', required=False, action='store_true',
help=('Consider the asset to be stocklike'))
parser.add_argument('--margin', required=False, action='store',
default=0.0, type=float,
help=('Margin for future like instruments'))
parser.add_argument('--mult', required=False, action='store',
default=1.0, type=float,
help=('Multiplier for future like instruments'))
parser.add_argument('--stake', required=False, action='store',
default=10, type=int,
help=('Stake to apply'))
# 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()