Backtrader 策略回测初探

这篇介绍简单的回测流程，主要的内容如下：

• 回测函数介绍
  
• 单股回测
  
• 多股回测
  

回测函数

回测策略类很简洁，直接继承 bt.Strategy ，复写父类的方法，最后把回测策略类添加到大脑即可。

回测参数 回测类参数添加通过属性变量 params 记录，可以是元组形式，也可以是字典形式。

• 定义参数
  

# 元组形式，注意最后一个，逗号别删除params = (        ('maperiod', 20),    )

或# 字典形式params = {'maperiod': 20}

• 使用
  通过 self.p.maperiod 访问提取。
  

bt.ind.SMA(self.data, period=self.p.maperiod)

• 传参
  将策略类传入大脑时，传入参数
  

cerebro.addstrategy(TestStrategy, maperiod=5)

函数
因为继承了策略类 bt.Strategy ，运行策略时会回调这些函数，需要搞的事情是在相应的函数调用买卖逻辑即可。
先说下 lines 线对象概念，每个指标都是一条 line 线对象，贯穿所有的回测日期。bar 概念是每个日期对应所有的指标。简单理解就是 excel 表的中的列和行，line 线对象相当于 excel 的列，bar 概念相当于 excel 表的行。

还有其他一些函数，这里不一一介绍了，不是很重要的。

指标简介

指标在代码层面上的表示形式就是以 line 线对象的方式存在，贯穿整个回测周期，一般在测类类的 __init__ 函数里面构建好
在数据篇，有展示过在 feeds.Data 上直接扩展指标，下面介绍的是通过 backtrader 的指标对象来构建新的指标，新的指标也是 line 对象，贯穿整个回测周期。

下面例子构建 20 日移动平均线 SMA：

def __init__(self):    self.sma = bt.ind.SMA(self.data, period=20)

注意： 这种形式构建的指标是基于数据篇里面所说的第一个表数据的指标，并不是针对所有表的。而且会影响到 next 回调时机。20 日移动平均线的指标，前 20 日个回测 bar 是无效的，不会在 next() 函数回调，但回调到 prenext() 函数。

下图所示：

关于指标在这里不细说，后面会写一篇详细点的介绍。

回测简易配置

只是做一个简单回测测试，所以简易配置下经纪商，setcash() 配置了一小目标资产 1亿 ，设置佣金 setcommission() 千分之一，addstrategy() 添加策略并设置自定义的参数。

# 设置资产cerebro.broker.setcash(100000000.0)# 设置佣金cerebro.broker.setcommission(commission=0.001)# 添加回测策略，设置自定义参数数值cerebro.addstrategy(SingleTestStrategy, maperiod=20)# 执行策略cerebro.run()# 画图cerebro.plot()

这里不细说这配置了，后面再详细说一篇。

单股回测

下面进入主题，搞一个策略，回测下能不能赚钱，这里只是介绍使用方法，实际应用肯定不能只靠一个指标。

策略 这策略很简单，当当日收盘价高于 20 日平均线时买买买！当当日收盘价低于 20 日移动平均线时卖卖卖。

注意：

• 该策略是以收盘价下单，以下单后的下一日开盘价作为交割价。
  
• 最后一日不做任何的买卖。所以在回测的最后一日的前一天必须下单卖出股票，以便在最后一根 bar 的开盘价做为交割价卖出，不然出现未来函数。
  

买卖常用函数：

1. self.order_target_percent(secu_data, target_pct, name=secu)
   
2. self.order_target_value(secu_data, target_val, name=secu)
   
3. self.buy(secu_data, order_amount, name=secu)
   
4. self.sell(secu_data, order_amount, name=secu)
   

代码胜过千言万语，直接上完整代码：

import datetime

import backtrader as btimport pandas as pd

import stock_db as sdb

class SingleTestStrategy(bt.Strategy):    params = (        ('maperiod', 20),    )

    def __init__(self):        self.order = None        self.sma = bt.ind.SMA(self.data, period=self.p.maperiod)        pass

    def downcast(self, amount, lot):        return abs(amount // lot * lot)

    # 可以不要，但如果你数据未对齐，需要在这里检验    def prenext(self):        print('prenext 执行 ', self.datetime.date(), self.getdatabyname('300015')._name              , self.getdatabyname('300015').close[0])        pass

    def next(self):        # 检查是否有指令执行，如果有则不执行这bar        if self.order:            return        # 回测如果是最后一天，则不进行买卖        if pd.Timestamp(self.data.datetime.date(0)) == end_date:            return        if not self.position:  # 没有持仓            # 执行买入条件判断：收盘价格上涨突破20日均线；            # 不要在股票剔除日前一天进行买入            if self.datas[0].close > self.sma and pd.Timestamp(self.data.datetime.date(1)) < end_date:                # 永远不要满仓买入某只股票                order_value = self.broker.getvalue() * 0.98                order_amount = self.downcast(order_value / self.datas[0].close[0], 100)                self.order = self.buy(self.datas[0], order_amount, name=self.datas[0]._name)

        else:            # 执行卖出条件判断：收盘价格跌破20日均线，或者股票剔除            if self.datas[0].close < self.sma or pd.Timestamp(self.data.datetime.date(1)) >= end_date:                # 执行卖出                self.order = self.order_target_percent(self.datas[0], 0, name=self.datas[0]._name)                self.log(f'卖{self.datas[0]._name},price:{self.datas[0].close[0]:.2f},pct: 0')        pass

    def notify_order(self, order):        if order.status in [order.Submitted, order.Accepted]:            # Buy/Sell order submitted/accepted to/by broker - Nothing to do            return

        # Check if an order has been completed        # Attention: broker could reject order if not enough cash        if order.status in [order.Completed, order.Canceled, order.Margin]:            if order.isbuy():                self.log(                    f"买入{order.info['name']}, 成交量{order.executed.size}，成交价{order.executed.price:.2f} 订单状态：{order.status}")                self.log('买入后当前资产：%.2f 元' % self.broker.getvalue())            elif order.issell():                self.log(                    f"卖出{order.info['name']}, 成交量{order.executed.size}，成交价{order.executed.price:.2f} 订单状态：{order.status}")                self.log('卖出后当前资产：%.2f 元' % self.broker.getvalue())            self.bar_executed = len(self)

        # Write down: no pending order        self.order = None

    def log(self, txt, dt=None):        """        输出日期        :param txt:        :param dt:        :return:        """        dt = dt or self.datetime.date(0)  # 现在的日期        print('%s , %s' % (dt.isoformat(), txt))

    pass

    def notify_trade(self, trade):        '''可选，打印交易信息'''        pass

# 开始查询时间start_query = '2019-01-01'end_query = '2022-09-01'

# 开始回测时间from_date = datetime.datetime(2022, 1, 1)to_date = datetime.datetime(2022, 10, 10)cerebro = bt.Cerebro()# 添加几个股票数据codes = [    '300015',    # '300347',    # '300760',    # '603127',    # '600438']

# 添加多个股票回测数据end_date = 0for code in codes:    data = sdb.stock_daily(code, start_query, end_query)    data.index.names = ['datetime']    data_feed = bt.feeds.PandasData(dataname=data,                                    fromdate=from_date,                                    todate=to_date)    cerebro.adddata(data_feed, name=code)    end_date = data.index[-1]  # 股票剔除日    print('添加股票数据：code: %s' % code)

cerebro.broker.setcash(100000000.0)cerebro.broker.setcommission(commission=0.001)cerebro.addstrategy(SingleTestStrategy, maperiod=20)cerebro.run()cerebro.plot()

if __name__ == '__main__':    pass

结果：

em em ... 一个亿的资产，亏了接近 1000w， 策略失败!!!!

来看看回测图，backtrader 的回测图的确有点丑哈，后面会有重构可视化篇的。

最上面是资产分析图，行情数据区域的绿色三角形是买入，红色三角形是卖出。

多股回测

单股回测，上面已经介绍了，那如何多个股同时回测呢？在这个问题上，我们首先要解决的是多个股的指标计算并存储起来。

策略逻辑和上面的相同。 计算均线的时候用了dict循环计算每只股票的指标。

1. self.getdatanames()按顺序返回所有股票的名称list
   
2. self.getdatabyname(secu_name):返回该股票的data
   

所以，在给大脑塞数据时，需要指定 feedData 的 name ,统一用股票代码赋值，这样方便后面的索引。

直接上图说下整个流程逻辑：

代码只是再单股回测的基础下添加多股指标和多股持仓买卖判断，策略和单股相同。
代码如下：

import datetime

import backtrader as btimport pandas as pd

import stock_db as sdb

class MultiTestStrategy(bt.Strategy):    params = (        ('maperiod', 20),    )

    def prenext(self):        pass

    def downcast(self, amount, lot):        return abs(amount // lot * lot)

    def __init__(self):        # 初始化交易指令        self.order = None        self.buy_list = []        # 添加移动平均线指标，循环计算每个股票的指标        self.sma = {x: bt.ind.SMA(self.getdatabyname(x), period=self.p.maperiod) for x in self.getdatanames()}

    def next(self):        if self.order:  # 检查是否有指令等待执行            return        # 如果是最后一天，不进行买卖        if pd.Timestamp(self.datas[0].datetime.date(0)) == end_dates[self.datas[0]._name]:            return        # 是否持仓        if len(self.buy_list) < 2:  # 没有持仓            # 没有购买的票            for secu in set(self.getdatanames()) - set(self.buy_list):                data = self.getdatabyname(secu)                # 如果突破 20 日均线买买买，不要在最后一根bar的前一天买                if data.close > self.sma[secu] and pd.Timestamp(data.datetime.date(1)) < end_dates[secu]:                    # 买买买                    order_value = self.broker.getvalue() * 0.48                    order_amount = self.downcast(order_value / data.close[0], 100)                    self.order = self.buy(data, size=order_amount, name=secu)                    self.log(f"买{secu}, price:{data.close[0]:.2f}, amout: {order_amount}")                    self.buy_list.append(secu)        elif self.position:            now_lst = []            for secu in self.buy_list:                data = self.getdatabyname(secu)                # 执行卖出条件判断：收盘价格跌破20日均线，或者股票最后一根bar 的前一天之剔除日                if data.close[0] < self.sma[secu] or pd.Timestamp(data.datetime.date(1)) >= end_dates[secu]:                    # 卖卖卖                    self.order = self.order_target_percent(data, 0, name=secu)                    self.log(f"卖{secu}, price:{data.close[0]:.2f}, pct: 0")                    continue                now_lst.append(secu)            self.buy_list = now_lst

    def notify_order(self, order):        if order.status in [order.Submitted, order.Accepted]:            # Buy/Sell order submitted/accepted to/by broker - Nothing to do            return

        # Check if an order has been completed        # Attention: broker could reject order if not enough cash        if order.status in [order.Completed, order.Canceled, order.Margin]:            if order.isbuy():                self.log(f"""买入{order.info['name']}, 成交量{order.executed.size}，成交价{order.executed.price:.2f}""")                self.log(                    f'资产：{self.broker.getvalue():.2f} 持仓：{[(x, self.getpositionbyname(x).size) for x in self.buy_list]}')            elif order.issell():                self.log(f"""卖出{order.info['name']}, 成交量{order.executed.size}，成交价{order.executed.price:.2f}""")                self.log(                    f'资产：{self.broker.getvalue():.2f} 持仓：{[(x, self.getpositionbyname(x).size) for x in self.buy_list]}')            self.bar_executed = len(self)

        # Write down: no pending order        self.order = None

    def log(self, txt, dt=None):        """        输出日期        :param txt:        :param dt:        :return:        """        dt = dt or self.datetime.date(0)  # 现在的日期        print('%s , %s' % (dt.isoformat(), txt))

# 开始查询时间start_query = '2019-01-01'end_query = '2022-09-01'

# 开始回测时间from_date = datetime.datetime(2022, 1, 1)to_date = datetime.datetime(2022, 10, 10)cerebro = bt.Cerebro()# 添加几个股票数据codes = [    '300015',    '300347',    # '300760',    # '603127',    # '600438']

# 添加多个股票回测数据end_dates = {}end_date = 0for code in codes:    data = sdb.stock_daily(code, start_query, end_query)    data.index.names = ['datetime']    data_feed = bt.feeds.PandasData(dataname=data,                                    fromdate=from_date,                                    todate=to_date)    cerebro.adddata(data_feed, name=code)    end_dates[code] = data.index[-1]  # 股票剔除日    end_date = data.index[-1]  # 股票剔除日    print('添加股票数据：code: %s' % code)

cerebro.broker.setcash(100000000.0)cerebro.broker.setcommission(commission=0.001)cerebro.addstrategy(MultiTestStrategy, maperiod=20)cerebro.run()# 获取回测结束后的总资金portvalue = cerebro.broker.getvalue()# 打印结果print(f'结束资金: {round(portvalue, 2)}')cerebro.plot()

if __name__ == '__main__':    pass

看下日志：

enen ，居然赚钱了，小赚接近 1000w.

看下 backtracder 的买卖点：

后面日期好像没触发买卖逻辑，这后面再看看是咋回事。

写于 2022 年 10 月 23 日 10:27:29