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水平有限，也是摸索了很久，才简单的掌握了如何用这个系统去进行回测。很多文章中，有介绍比较简单的均线策略，关于indicators里的其他包介绍比较少，这里我就用布林带策略作为演示。因为我基本没有查到有用这个包做测试的文章，而且我对于类的调用不是很熟悉，如果你和我一样，对于类不是很熟悉，那么想去调用，确实会很费劲。

回测系统，我的理解是一个迭代器，在一段时间内，使用我们写的策略去迭代，然后这个时间段内的收益。首先介绍策略的写法。

import pandas as pd
from datetime import datetime
from datetime import timedelta
import backtrader as bt
import matplotlib.pyplot as pltclass Boll_strategy(bt.Strategy):#自定义参数，每次买入100手params=(('size',1000),)def __init__(self):self.dataclose=self.datas[0].closeself.order=Noneself.buyprice=Noneself.buycomm=None##使用自带的indicators中自带的函数计算出支撑线和压力线，period设置周期，默认是20self.lines.top=bt.indicators.BollingerBands(self.datas[0],period=20).topself.lines.bot=bt.indicators.BollingerBands(self.datas[0],period=20).botdef next(self):if not self.position:if self.dataclose<=self.lines.bot[0]:#执行买入self.order=self.buy(size=self.params.size)else:if self.dataclose>=self.lines.top[0]:#执行卖出self.order=self.sell(size=self.params.size)

BollingerBands函数，一共有三个值分别为mid（均值），top（压力线），bot（支撑线）,设置时间周期参数是period，默认20，还有一个倍数参数devfactor，默认2.0。若不设置，则为默认值。

策略写好后，就是调用并回测计算收益了。但是我先通过tushare获取数据。

#使用tushare旧版接口获取数据
import tushare as ts
def get_data(code,start=start.strftime("%Y-%m-%d"),end=end.strftime("%Y-%m-%d")):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 df

##加载数据
start=datetime(2020,1,31)
end=datetime(2020,9,15)
dataframe=get_data('601021')
#将数据转换为回测系统可识别的
data = bt.feeds.PandasData(dataname=dataframe,fromdate=start,todate=end)

通过code码获取了2020年1月31号开始的数据，接下来就是回测步骤了。

##回测设置主要包括几项：回测系统初始化，数据加载到回测系统，添加交易策略， broker设置（如交易资金和交易佣金），
##头寸规模设置作为策略一部分的交易规模等，最后显示执行交易策略时积累的总资金和净收益。
# 初始化cerebro回测系统设置
cerebro=bt.Cerebro()
#将数据传入回测系统
cerebro.adddata(data)
# 将交易策略加载到回测系统中
cerebro.addstrategy(Boll_strategy)
# 设置初始资本为200,000
startcash=200000
cerebro.broker.setcash(startcash)
# 设置交易手续费为 0.25%
cerebro.broker.setcommission(commission=0.0025)
d1=start.strftime('%Y%m%d')
d2=end.strftime('%Y%m%d')
print(f'初始资金: {startcash}\n回测期间：{d1}:{d2}')
#运行回测系统
cerebro.run()
#获取回测结束后的总资金
portvalue=cerebro.broker.getvalue()
pnl=portvalue-startcash
#打印结果
print(f'总资金: {round(portvalue,2)}')
#最后可视化
%matplotlib inline
cerebro.plot(style='candlestick')

最后就输出我们的结果啦，如下所示：

初始资金: 200000
回测期间：20200131:20200916
总资金: 204718.38

截了一张模糊的图，可以试运行一下，有问题请留言。

Python backtrader回测之布林带策略相关推荐

用 Python 在股票交易中实现布林带策略
布林带(BOLL)指标是美国股市分析家约翰·布林根据统计学中的标准差原理设计出来的一种非常简单实用的技术分析指标.一般而言,股价的运动总是围绕某一价值中枢(如均线.成本线等)在一定的范围内变动,布林线 ...
python数据分析及可视化（十七）聚宽（双均线分析、因子选股策略、多因子选股策略、均值回归理论、布林带策略、PEG策略、权重收益策略）
聚宽聚宽是一个做金融量化的网站,https://www.joinquant.com,登录注册,如果你写的文章.策略被别人采纳,增加积分,积分用于免费的回测时长.在我的策略,进入策略列表,里面有做好的 ...
量化策略——准备3 数据、Backtrader回测框架与quantstats评价指标
我们一般使用AKShare这个库来获取股票数据或策略中用得到的数据: AKShare github主页:https://github.com/akfamily/akshare 使用Backtrader ...
12、【股票策略】使用backtrader回测升级版的狗股策略-基于股息率和市净率两个因子
12.使用backtrader回测升级版的狗股策略-基于股息率和市净率两个因子更进一步的回测代码可以参考版本4:[股票策略]使用backtrader测试狗股策略版本4-在版本3的基础上进行代码改进优 ...
【Python量化】布林带策略
文章目录一.计算布林带三.构建策略,计算持仓头寸序列和买卖信号序列四.计算策略收益五.绘制交易信号布林带(BOLL)指标是美国股市分析家约翰·布林根据统计学中的标准差原理设计出来的一种非常简 ...
Python实现布林带策略
布林带策略原理这个策略的原理很简单,就是当股价突破你的上轨线时,则卖出:当股价突破你的下轨线,则买入.中轨线为周期内均值线.但是此策略不适合单独使用,若股票最近涨停或者跌停,很快就会突破你的上下轨 ...
python回测代码_只用3行Python回测你的交易策略
作者|Lorenzo Ampil 编译|VK 来源|Towards Data Science 自从我开始学习投资,我接触了不同的股票分析方法-技术分析和基本面分析.我甚至读过很多关于这些技巧的书和文章 ...
11、【股票策略】用backtrader回测在A股上复利年化收益率超20%的“狗股策略”？
11.用backtrader回测在A股上复利年化收益率超20%的"狗股策略"? 更进一步的回测代码可以参考版本4:[股票策略]使用backtrader测试狗股策略版本4-在版本3的 ...
A股月份效应的研究——基于python量化视角(backtrader回测)
A股月份效应的研究前言 <易经>早就揭示出:物极必反,盛极必衰! 阴阳总是不断交替的.股票市场也一样,涨跌互现,涨多了会出现调整,跌多了会出现反弹,因此我们看到K线组合总是红(阳)绿(阴 ...

Python backtrader回测之布林带策略

Python backtrader回测之布林带策略相关推荐

最新文章

热门文章