BacktraderCSV 数据馈送开发

  |  

backtrader已经提供了通用 CSV数据提要和一些特定的 CSV数据提要。总结:

  • 通用CSV数据

  • 可视化图表CSV数据

  • YahooFinanceData(用于在线下载)

  • YahooFinanceCSVData(用于已下载的数据)

  • BacktraderCSVData(内部......用于测试目的,但可以使用)

但即便如此,最终用户可能希望开发对特定 CSV Data Feed的支持。

通常的座右铭是:“说起来容易做起来难”。实际上,该结构旨在使其变得容易。

脚步:

  • backtrader .CSVDataBase继承

  • 如果需要,定义任何params

  • start方法中进行任何初始化

  • stop方法中进行任何清理

  • 定义实际工作发生的_loadline方法

    此方法接收一个参数:linetokens。

    顾名思义,这包含根据separator参数拆分当前之后的标记(继承自基类)

    如果完成工作后有新数据……填写相应的并返回True

    如果没有可用的东西,因此解析已经结束:返回False

    如果正在读取文档的幕后代码发现没有更多可以解析,则甚至可能不需要返回False

已经考虑到的事情:

  • 打开文档(或接收类似文档的对象)

  • 如果指示存在,则跳过标题行

  • 线

  • 标记线条

  • 预加载支持(将整个数据馈送一次加载到内存中)

通常一个例子抵得上一千个需求描述。让我们使用来自BacktraderCSVData的内部定义的 CSV 解析代码的简化版本。这个不需要初始化或清理(例如,这可能是打开一个套接字并稍后关闭它)。

笔记

backtrader数据提要包含通常的行业标准提要,这些提要是要填写的。即:

  • 约会时间

  • 打开

  • 高的

  • 低的

  • 体积

  • 未平仓合约

如果您的策略/算法或简单的数据阅读只需要,例如收盘价,您可以保持其他不变(每次迭代都会在最终用户代码有机会做任何事情之前自动用 float('NaN') 值填充它们。

在此示例中,仅支持每日格式:

import itertools
...
import backtrader import bt

class MyCSVData(bt.CSVDataBase):

    def start(self):
        # Nothing to do for this data feed type
        pass

    def stop(self):
        # Nothing to do for this data feed type
        pass

    def _loadline(self, linetokens):
        i = itertools.count(0)

        dttxt = linetokens[next(i)]
        # Format is YYYY-MM-DD
        y = int(dttxt[0:4])
        m = int(dttxt[5:7])
        d = int(dttxt[8:10])

        dt = datetime.datetime(y, m, d)
        dtnum = date2num(dt)

        self.lines.datetime[0] = dtnum
        self.lines.open[0] = float(linetokens[next(i)])
        self.lines.high[0] = float(linetokens[next(i)])
        self.lines.low[0] = float(linetokens[next(i)])
        self.lines.close[0] = float(linetokens[next(i)])
        self.lines.volume[0] = float(linetokens[next(i)])
        self.lines.openinterest[0] = float(linetokens[next(i)])

        return True

该代码期望所有字段都到位并且可以转换为浮点数,除了具有固定 YYYY-MM-DD 格式并且可以在不使用datetime.datetime.strptime的情况下进行解析的日期时间。

通过添加几代码来解决空值、日期格式解析,可以满足更复杂的需求。 GenericCSVData就是这样做的。

买者自负

使用GenericCSVData现有的提要和继承可以完成很多以支持格式。

让我们添加对Sierra Chart每日格式(始终以 CSV 格式存储)的支持。

定义(通过查看“.dly”数据文档之一:

  • 字段:日期、开盘价最高价、最低价收盘价、成交量开盘价

    行业标准和已由GenericCSVData以相同顺序支持的那些(这也是行业标准)

  • 分隔符:,

  • 日期格式:YYYY/MM/DD

这些文档的解析器:

class SierraChartCSVData(backtrader.feeds.GenericCSVData):

    params = (('dtformat', '%Y/%m/%d'),)

params定义只是重新定义了基类中的现有参数之一。在这种情况下,只需更改日期的格式字符串。

等等…… Sierra Chart的解析器完成了。

下面是GenericCSVData的参数定义作为提醒:

class GenericCSVData(feed.CSVDataBase):
    params = (
        ('nullvalue', float('NaN')),
        ('dtformat', '%Y-%m-%d %H:%M:%S'),
        ('tmformat', '%H:%M:%S'),

        ('datetime', 0),
        ('time', -1),
        ('open', 1),
        ('high', 2),
        ('low', 3),
        ('close', 4),
        ('volume', 5),
        ('openinterest', 6),
    )

推荐阅读

相关文章

Backtrader写下来

随着 1.1.7.88 版本的发布, backtrader有了一个新的补充:作家这可能早就到期了,应该已经存在了,问题 #14中的讨论也应该已经开始了开发。但迟到总比没有好。

Backtrader教程:仓位

资产的头寸通常从策略中检查: position (财产)或 getposition(data=None, broker=None) 这将返回策略在默认broker状态下datas[0]的位置,由cerebro 仓位只是指示: 资产被持有size 平均价格price 它作为一种状态,

Backtrader同步不同市场

使用次数越多, backtrader 必须面对的想法和意外场景的混合就越多。对于每个新平台,一个挑战是要看看平台是否能够达到开发开始时设置的期望,灵活性和易用性是目标,Python被选为基石。 工单#76 提出了一个问题,即是否可以完成具有不同交易日历的同步市场。

BacktraderPyFolio 集成

注意 2017年2月 pyfolio API 已更改,不再 create_full_tear_sheet 具有 gross_lev 作为命名参数的参数。

Backtrader扩展数据馈送

GitHub 中的问题实际上是在推动文档部分的完成,或者说明我了解 backtrader 是否具有我从最初时刻就设想的易用性和灵活性以及在此过程中做出的决定。 在本例中为问题 #9。

Backtrader数据同步

在最新版本中,次要编号已从 8 移至 9,以指示即使已考虑兼容性,也可能会对行为产生一些影响。 在 1.9.0.99 版中,使用 datetime 同步多个数据的整个机制已经重新设计(适用于下一个和一次模式)。

Backtrader教程:观察者 - 统计

在内部backtrader 运行的策略主要处理 data feeds 和 指针。 Data feeds 被添加到Cerebro 实例中,并最终成为策略输入的一部分(解析并用作实例的属性),而指针则由策略本身声明和管理。

Backtrader 教程:Cerebro - 例外

设计目标之一是尽早退出,让用户完全了解错误发生的情况。目的是强迫自己拥有会因异常而中断的代码并强制重新访问受影响的部分。但是时机已经成熟,一些例外可能会慢慢添加到平台中。

Backtrader卡尔曼等

注意 对以下指令的支持从提交开始 发布1.9.30.x 将是包含它的第1个版本 。 backtrader的原始目标之一是成为纯python,即:仅使用标准发行版中可用的软件包。只有一个例外是matplotlib在没有重新发明轮子的情况下进行绘图。

Backtrader 教程:订单 - 目标订单

在1.8.10.96版本之前,可以使用反向交易者通过策略方法进行智能质押: buy和sell 。这一切都是为了在负责赌注大小的等式中添加一个Sizer 。 Sizer不能做的是决定操作是买入还是卖出。这意味着需要一个新概念,在其中添加一个小的智能层来做出这样的决定。