Backtrader：用feather格式股票数据代替tushare进行数据回测

用tushare虽然方便，但毕竟不是本机数据，可能受网速、权限等各方面的限制。前面我们有这篇文章：

通达信日线数据转换为feather格式，提高后续数据处理速度https://blog.csdn.net/bq_cui/article/details/122730357?spm=1001.2014.3001.5501介绍了如何把通达信日线数据转换为feather格式。我们这次使用转换好的feather格式数据来进行数据回测。

如果没有feather格式数据，请下载。使用feather格式后，运行速度显著提升。

运行结果：

期初资金: 100000.00
2021-01-22, Close, 7.37
2021-01-25, Close, 7.25
2021-01-26, Close, 7.21
2021-01-27, Close, 7.27
2021-01-28, Close, 7.19
2021-01-29, Close, 7.02
2021-02-01, Close, 7.08
2021-02-02, Close, 6.98
2021-02-03, Close, 6.69
2021-02-04, Close, 6.57
......
2021-12-13, 买入单, 8.67
2021-12-14, 已买入, 价格: 8.66, 费用: 8.66, 佣金 0.01
2021-12-14, Close, 8.78
2021-12-15, Close, 8.65
2021-12-16, Close, 8.42
2021-12-16, 卖出单, 8.42
2021-12-17, 已卖出, 价格: 8.40, 费用: 8.66, 佣金 0.01
2021-12-17, 交易利润, 毛利润 -0.26, 净利润 -0.28
2021-12-17, Close, 8.32
2021-12-20, Close, 8.37
2021-12-21, Close, 8.43
2021-12-22, Close, 8.47
2021-12-23, Close, 8.30
2021-12-24, Close, 8.53
2021-12-24, 买入单, 8.53
2021-12-27, 已买入, 价格: 8.53, 费用: 8.53, 佣金 0.01
2021-12-27, Close, 8.69
2021-12-28, Close, 8.61
2021-12-29, Close, 8.63
2021-12-30, Close, 8.73
2021-12-31, Close, 8.88
2022-01-04, Close, 8.95
2022-01-05, Close, 8.70
2022-01-06, Close, 8.97
2022-01-07, Close, 8.89
2022-01-10, Close, 8.84
2022-01-11, Close, 8.89
2022-01-12, Close, 9.26
2022-01-13, Close, 9.09
2022-01-14, Close, 9.17
2022-01-17, Close, 9.16
2022-01-18, Close, 8.77
2022-01-18, 卖出单, 8.77
2022-01-19, 已卖出, 价格: 8.75, 费用: 8.53, 佣金 0.01
2022-01-19, 交易利润, 毛利润 0.22, 净利润 0.20
2022-01-19, Close, 8.75
2022-01-20, Close, 8.65
2022-01-21, Close, 8.24
2022-01-24, Close, 8.10
2022-01-25, Close, 7.70
2022-01-26, Close, 7.64
2022-01-27, Close, 7.57
期末资金: 99999.28

代码：

# -*- coding: utf-8 -*-
"""
Created on Sat Feb  6 17:37:50 2022@author: freepy
"""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# 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# 加入均线指标self.sma = bt.indicators.SimpleMovingAverage(self.datas[0], period=self.params.maperiod)# 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()start = '2020-01-01'
end = '2022-01-31'def get_data(code, start_date, end_date):df_tdx = pd.read_feather(r'./dataout/tdx/'+code+r'.day.feather')df_tdx.index=pd.to_datetime(df_tdx.date, format = '%Y%m%d')df_tdx_b=df_tdx.truncate(before=start_date, after = end_date)df_tdx_b['openinterest']=0df_tdx_b.rename(columns={'vol':'volume'}, inplace = True)df_tdx_b=df_tdx_b[['open','high','low','close','volume','openinterest']]return df_tdx_bdataframe=get_data('sh600851', datetime.strptime(start,'%Y-%m-%d'), datetime.strptime(end,'%Y-%m-%d'))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 = datetime.strptime(start,'%Y-%m-%d'), todate = datetime.strptime(end,'%Y-%m-%d'))# 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)# 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())

Backtrader：用feather格式股票数据代替tushare进行数据回测相关推荐

使用关联规则分析股票数据--数据来自tushare大数据社区
使用关联规则分析股票数据--数据来自tushare大数据社区一.开发环境二.目标三.关联规则(之前了解过直接跳到第四步) 1.关联规则的定义 2.啤酒尿布的例子 2.1 支持度 2.2置信度 2 ...
如何借助现有股票量化交易平台编写策略和回测分析
每个交易日的股票都会上涨或者下跌,在这个过程中笔者们偶尔会想针对部分股票进行股价的涨跌幅进行监控,或者自动进行交易,在这个需求前提下,现有券商.股票分析软件都会带有机器人自动交易策略功能,大部分都需要 ...
用python进行yahoo股票数据分析（tushare接口数据）
文章目录前言一.导入包二.导入数据三.利用python分析片仔癀企业的股票数据 1.数据的基本信息 2.描述性统计分析 3.片仔黄公司的股价走势图 4.片仔黄.同仁堂.云南白药公司的股价对比 ...
【76 backtrader可转债策略】一个基础的可转债交易策略回测(供参考的可转债回测模板)
这个可转债的策略并不复杂,由于是交易在1分钟上,所以交易特别频繁,对交易手续费特别敏感,如果不考虑手续费,曲线特别好,考虑过手续费(万分之二)之后,亏的很惨.如果在这种频繁交易的话,需要考虑和券商协商 ...
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 ...
【Tushare 大数据社区——解救你的财经数据需求】
Tushare 大数据社区--解救你的财经数据需求 Tushare大数据社区--想要的我都有 for who? 有哪些内容? 数据质量怎么样? 上证50指数数据的对比实例该如何获取呢? 写在最后感 ...
backtrader回测框架实例
backtrader是基于Python的量化回测框架,功能丰富,操作方便.其优点是运行速度快,支持pandas的矢量运算:内置多种技术指标计算,还支持股票分析技术指标库talib:支持参数自动寻优运算 ...
【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 backtrader回测之布林带策略
在做量化分析时,我们有很多种策略,这些策略的好坏如何去评价,那就是用过往数据进行测试.这里就需要用到量化分析的回测系统了.由于刚入门,就使用了Python中的backtrader.由于自己Python ...

Backtrader：用feather格式股票数据代替tushare进行数据回测

Backtrader：用feather格式股票数据代替tushare进行数据回测相关推荐

最新文章

热门文章