使用Backtrader对股票历史数据进行指标回测

本次使用tushare接口，股票为600018，时间是20200101——20211231。

使用的指标是：收盘价大于简单移动平均价。

佣金为0.001。

英文代码的英文原文：Quickstart Guide - Backtrader

注意：代码最后plot画图，在spyder中不能正常显示图片，只能显示提示信息：

<IPython.core.display.Javascript object>
<IPython.core.display.HTML object>

在Jupyter Notebook中则可以正常显示图片。

期初资金: 100000.00
2020-02-26, Close, 11.20
2020-02-26, 买入单, 11.20
2020-02-27, 已买入, 价格: 11.20, 费用: 112.00, 佣金 0.11
2020-02-27, Close, 11.21
2020-02-28, Close, 10.85
2020-02-28, 卖出单, 10.85
2020-03-02, 已卖出, 价格: 10.95, 费用: 112.00, 佣金 0.11
2020-03-02, 交易利润, 毛利润 -2.50, 净利润 -2.72
2020-03-02, Close, 11.04
2020-03-03, Close, 11.06
......
2022-01-21, Close, 8.76
2022-01-24, Close, 8.69
2022-01-25, Close, 8.56
2022-01-25, 卖出单, 8.56
2022-01-26, 已卖出, 价格: 8.57, 费用: 86.30, 佣金 0.09
2022-01-26, 交易利润, 毛利润 -0.60, 净利润 -0.77
2022-01-26, Close, 8.57
2022-01-27, Close, 8.45
2022-01-28, Close, 8.41
期末资金: 99968.07

from __future__ import (absolute_import, division, print_function,unicode_literals)
from datetime import datetime  # For datetime objects
# Import the backtrader platform
import backtrader as bt
import pandas as pd
import tushare as ts# 创建策略继承bt.Strategy
class TestStrategy(bt.Strategy):params = (# 均线参数设置15天，15日均线('maperiod', 15),)def log(self, txt, dt=None):# 记录策略的执行日志dt = dt or self.datas[0].datetime.date(0)print('%s, %s' % (dt.isoformat(), txt))def __init__(self):# 保存收盘价的引用self.dataclose = self.datas[0].close# 跟踪挂单self.order = None# 买入价格和手续费self.buyprice = Noneself.buycomm = None# 加入指标# Add a MovingAverageSimple indicatorself.sma = bt.indicators.SimpleMovingAverage(self.datas[0], period=self.params.maperiod)# Indicators for the plotting showbt.indicators.ExponentialMovingAverage(self.datas[0], period=25)bt.indicators.WeightedMovingAverage(self.datas[0], period=25,subplot=True)bt.indicators.StochasticSlow(self.datas[0])bt.indicators.MACDHisto(self.datas[0])rsi = bt.indicators.RSI(self.datas[0])bt.indicators.SmoothedMovingAverage(rsi, period=10)bt.indicators.ATR(self.datas[0], plot=False) # 订单状态通知，买入卖出都是下单def notify_order(self, order):if order.status in [order.Submitted, order.Accepted]:# broker 提交/接受了，买/卖订单则什么都不做return# 检查一个订单是否完成# 注意: 当资金不足时，broker会拒绝订单if order.status in [order.Completed]:if order.isbuy():self.log('已买入, 价格: %.2f, 费用: %.2f, 佣金 %.2f' %(order.executed.price,order.executed.value,order.executed.comm))self.buyprice = order.executed.priceself.buycomm = order.executed.commelif order.issell():self.log('已卖出, 价格: %.2f, 费用: %.2f, 佣金 %.2f' %(order.executed.price,order.executed.value,order.executed.comm))# 记录当前交易数量self.bar_executed = len(self)elif order.status in [order.Canceled, order.Margin, order.Rejected]:self.log('订单取消/保证金不足/拒绝')# 其他状态记录为：无挂起订单self.order = None# 交易状态通知，一买一卖算交易def notify_trade(self, trade):if not trade.isclosed:returnself.log('交易利润, 毛利润 %.2f, 净利润 %.2f' %(trade.pnl, trade.pnlcomm))def next(self):# 记录收盘价self.log('Close, %.2f' % self.dataclose[0])# 如果有订单正在挂起，不操作if self.order:return# 如果没有持仓则买入if not self.position:# 今天的收盘价在均线价格之上 if self.dataclose[0] > self.sma[0]: # 买入self.log('买入单, %.2f' % self.dataclose[0])# 跟踪订单避免重复self.order = self.buy()else:# 如果已经持仓，收盘价在均线价格之下if self.dataclose[0] < self.sma[0]:# 全部卖出self.log('卖出单, %.2f' % self.dataclose[0])# 跟踪订单避免重复self.order = self.sell()def get_data(code,start='2020-01-01',end='2022-01-31'):df=ts.get_k_data(code,autype='qfq',start=start,end=end)df.index=pd.to_datetime(df.date)df['openinterest']=0df=df[['open','high','low','close','volume','openinterest']]return dfdataframe=get_data('600018')start=datetime(2020, 1, 1)
end=datetime(2021, 12, 31)if __name__ == '__main__':# 初始化cerebro回测系统设置cerebro = bt.Cerebro()# 取得股票历史数据data = bt.feeds.PandasData(dataname=dataframe, fromdate=start, todate=end)# 为Cerebro引擎添加策略cerebro.addstrategy(TestStrategy)# 加载交易数据cerebro.adddata(data)# 设置投资金额cerebro.broker.setcash(100000.0)# 每笔交易使用固定交易量cerebro.addsizer(bt.sizers.FixedSize, stake=10)# 设置佣金为0.001,除以100去掉%号cerebro.broker.setcommission(commission=0.001)#获取回测开始时的总资金print('期初资金: %.2f' % cerebro.broker.getvalue())#运行回测系统cerebro.run()#获取回测结束后的总资金print('期末资金: %.2f' % cerebro.broker.getvalue())# Plot the resultcerebro.plot()

使用Backtrader对股票历史数据进行指标回测相关推荐

如何用backtrader对股票组合进行量化回测？
01 引言 backtrader是功能非常强大的量化回测框架之一,得到欧洲很多银行.基金等金融机构的青睐,并应用于实盘交易中.公众号Python金融量化针对backtrader的入门和应用已连续发布了 ...
自己做量化交易软件(44)小白量化实战17--利用小白量化金融模块在迅投QMT极速策略交易系统上仿大智慧指标回测及实战交易设计
自己做量化交易软件(44)小白量化实战17–利用小白量化金融模块在迅投QMT极速策略交易系统上仿大智慧指标回测及实战交易设计小白量化平台是由若干小白金融模块构成.其中包含行情接收模块,仿通达信大智慧 ...
自己做量化交易软件(43)小白量化实战16--利用小白量化金融模块在恒生PTrade交易系统(交易端)上仿大智慧指标回测及实战交易设计
自己做量化交易软件(43)小白量化实战16–利用小白量化金融模块在恒生PTrade交易系统(交易端)上仿大智慧指标回测及实战交易设计量化产品PTrade(Personalise Trade)交易系统 ...
把backtrader改造成金融强化学习回测引擎
原创文章第119篇,专注"个人成长与财富自由.世界运作的逻辑, AI量化投资". 继续强化学习应用于金融投资. 我们的AI量化平台,针对传统规则量化策略,进行了"积木式& ...
Excel-VBA 股票网格交易策略回测
大家好,我是陈小虾,是一名自动化方向的IT民工.写博客是为了记录自己的学习过程,通过不断输出倒逼自己加速成长.功能说明:由于水平有限,博客中难免会出现一些BUG,或者有更优方案恳请各位大佬不吝赐教!微 ...
backtrader股票技术指标自定义与量化回测
01 引言股票市场自交易以来,人们就开始孜孜不倦地探索各种各样的投资理论,其中技术分析是重要的理论之一.实际上,技术分析是100多年前创建的股票投资理论,是投资者对股票量价变化长期观察归纳总结的若干 ...
【手把手教你】用backtrader量化回测海龟交易策略
01 引言海龟交易策略是比较经典的趋势交易系统之一,涵盖了从入场交易(品种选择).仓位管理(基于ATR加减仓).离场(触发条件)的整个过程.机械套用海龟交易法则在A股上进行交易可能效果不佳,但其交易 ...
Python量化投资——股票择时到底能否赚钱？ADX指标的有效性回测
ADX指标的有效性回测 Python量化投资--`ADX`技术指标的有效性研究背景介绍技术指标介绍指标用法建议 `qteasy`中的ADX内置策略 433支股票五年回测结果 12.45% --该 ...
pb 如何导出csv_backtrader如何加载股票因子数据？以换手率、市盈率为例进行回测【附Python代码】
1引言关于backtrader,公众号已连续发布了三篇推文:<[手把手教你]入门量化回测最强神器backtrader(一)>.<[手把手教你]入门量化回测最强神器backtrade ...

使用Backtrader对股票历史数据进行指标回测

使用Backtrader对股票历史数据进行指标回测相关推荐

最新文章

热门文章