Backtraderta-lib 集成

Backtrader   |   2022年6月19日

即使 backtrader 提供了已经 high 数量的内置指针，并且开发指针主要是定义输入，输出和以自然的方式编写公式的问题，有些人也希望使用TA-LIB。一些原因：

  • 指针 X 在库中，而不是在 backtrader 中（作者很乐意接受请求）

  • TA-LIB的行为是众所周知的，人们相信好的旧事物

为了满足每一种口味，TA-LIB集成提供了。

要求

  • Python wrapper for TA-Lib

  • 它需要的任何依赖项（例如 numpy）

安装详细信息位于 GitHub 保存库中

使用 ta-lib

就像使用 backtrader中已经内置的任何指针一样简单。简单移动平均线示例。首先是 backtrader* 一：

import backtrader as bt

class MyStrategy(bt.Strategy):
    params = (('period', 20),)

    def __init__(self):
        self.sma = bt.indicators.SMA(self.data, period=self.p.period)
        ...

...

现在以 ta-lib 为例：

import backtrader as bt

class MyStrategy(bt.Strategy):
    params = (('period', 20),)

    def __init__(self):
        self.sma = bt.talib.SMA(self.data, timeperiod=self.p.period)
        ...

...

Et voilá！当然，ta-lib 指针的参数是由库本身定义的，而不是由 backtrader定义的。在这种情况下，ta-lib 中的 SMA 采用一个名为定义timeperiod 操作窗口大小的参数。

对于需要多个输入的指针，例如随机指针：

import backtrader as bt

class MyStrategy(bt.Strategy):
    params = (('period', 20),)

    def __init__(self):
        self.stoc = bt.talib.STOCH(self.data.high, self.data.low, self.data.close,
                                   fastk_period=14, slowk_period=3, slowd_period=3)

        ...

...

注意如何high， low 并且 close 已经单独通过。人们总是 open 可以通过而不是 low （或任何其他数据系列）并进行实验。

ta-lib 指针文档会自动解析并添加到 backtrader 文档中。您也可以查看 ta-lib 原始代码/文档。或者兼职做：

print(bt.talib.SMA.__doc__)

在这种情况下，输出：

SMA([input_arrays], [timeperiod=30])

Simple Moving Average (Overlap Studies)

Inputs:
    price: (any ndarray)
Parameters:
    timeperiod: 30
Outputs:
    real

它提供了一些信息：

  • 哪个输入是预期的（忽略“ndarray”注释，因为 backtrader 在后台管理转换）

  • 哪些参数和哪些默认值

  • 哪个outpu lines 提供指针

移动平均线和MA_Type

要为指针选择特定的移动平均线，例如bt.talib.STOCH，可以使用 标准 ta-lib MA_Type 访问 bactrader.talib.MA_Type。例如：

import backtrader as bt
print('SMA:', bt.talib.MA_Type.SMA)
print('T3:', bt.talib.MA_Type.T3)

绘制 ta-lib 指针

就像常规用法一样，绘制ta-lib指针也没什么特别的。

注意

输出蜡烛的指针（所有寻找烛台模式的指针）提供二进位输出：0 或 100。为了避免向图表添加 asubplot ，有一个自动绘制转换，以在识别模式的时间点将它们绘制在数据上。

示例和比较

以下是将一些 ta-lib 指针的输出与 backtrader中等效的内置指针进行比较的图。要考虑：

  • ta-lib 指针在图上获取TA_ 前缀。这是由示例专门完成的，以说明用户发现哪个是

  • 移动平均线（如果两者都提供相同的结果）将绘制在其他现有移动平均线之上。这两个指针不能分开看到，如果是这种情况，测试就是通过。

  • 所有样品都包括一个CDLDOJI 指针作为参考

KAMA （考夫曼移动平均线）

这是第 1 个 范例，因为它是唯一一个（来自样本直接比较的所有指针）有差异：

  • 样本的初始值不相同

  • 在某个时间点，值会收敛，并且两个 KAMA 实现具有相同的行为。

在分析了 ta-lib 原始代码之后：

  • ta-lib 中的实现为 KAMA 的第 1个 值提供了非行业标准选择。

    选择可以在原代码中引用原始代码中看到）：昨天的价格在这里与以前的KAMA一样使用。

backtrader 做通常的选择，这与例如Stockcharts中的选择相同：

  • KAMA在股票图表

    由于我们需要一个初始值来开始计算，因此第一个KAMA只是一个简单的移动平均线

因此，区别。此外：

  • ta-lib KAMA 实现不允许指定和slow周期来fast调整 Kaufman 定义的可伸缩常量。

范例运行：

$ ./talibtest.py --plot --ind kama

输出

断续器

$ ./talibtest.py --plot --ind sma

输出

均线

$ ./talibtest.py --plot --ind ema

输出

随机

$ ./talibtest.py --plot --ind stoc

输出

断续器

$ ./talibtest.py --plot --ind rsi

输出

麦克德

$ ./talibtest.py --plot --ind macd

输出

布尔带

$ ./talibtest.py --plot --ind bollinger

输出

阿龙

请注意，ta-lib 选择先放下 line ，与 backtrader 内置指针相比，颜色是反转的。

$ ./talibtest.py --plot --ind aroon

输出

终极振荡器

$ ./talibtest.py --plot --ind ultimate

输出

特里克斯

$ ./talibtest.py --plot --ind trix

输出

断续器

在这里，backtrader提供ADX和ADXRlines。

$ ./talibtest.py --plot --ind adxr

输出

德马

$ ./talibtest.py --plot --ind dema

输出

特玛

$ ./talibtest.py --plot --ind tema

输出

断续器

在这里， backtrader 不仅ppo提供了 line，而且提供了更传统的 macd 方法。

$ ./talibtest.py --plot --ind ppo

输出

威廉姆斯

$ ./talibtest.py --plot --ind williamsr

输出

大鹏

所有指针都显示具有完全相同的形状，但如何跟踪动量或变化率有几个定义

$ ./talibtest.py --plot --ind roc

输出

示例用法

$ ./talibtest.py --help
usage: talibtest.py [-h] [--data0 DATA0] [--fromdate FROMDATE]
                    [--todate TODATE]
                    [--ind {sma,ema,stoc,rsi,macd,bollinger,aroon,ultimate,trix,kama,adxr,dema,tema,ppo,williamsr,roc}]
                    [--no-doji] [--use-next] [--plot [kwargs]]

Sample for sizer

optional arguments:
  -h, --help            show this help message and exit
  --data0 DATA0         Data to be read in (default:
                        ../../datas/yhoo-1996-2015.txt)
  --fromdate FROMDATE   Starting date in YYYY-MM-DD format (default:
                        2005-01-01)
  --todate TODATE       Ending date in YYYY-MM-DD format (default: 2006-12-31)
  --ind {sma,ema,stoc,rsi,macd,bollinger,aroon,ultimate,trix,kama,adxr,dema,tema,ppo,williamsr,roc}
                        Which indicator pair to show together (default: sma)
  --no-doji             Remove Doji CandleStick pattern checker (default:
                        False)
  --use-next            Use next (step by step) instead of once (batch)
                        (default: False)
  --plot [kwargs], -p [kwargs]
                        Plot the read data applying any kwargs passed For
                        example (escape the quotes if needed): --plot
                        style="candle" (to plot candles) (default: None)

示例代码

from __future__ import (absolute_import, division, print_function,
                        unicode_literals)

import argparse
import datetime

import backtrader as bt


class TALibStrategy(bt.Strategy):
    params = (('ind', 'sma'), ('doji', True),)

    INDS = ['sma', 'ema', 'stoc', 'rsi', 'macd', 'bollinger', 'aroon',
            'ultimate', 'trix', 'kama', 'adxr', 'dema', 'ppo', 'tema',
            'roc', 'williamsr']

    def __init__(self):
        if self.p.doji:
            bt.talib.CDLDOJI(self.data.open, self.data.high,
                             self.data.low, self.data.close)

        if self.p.ind == 'sma':
            bt.talib.SMA(self.data.close, timeperiod=25, plotname='TA_SMA')
            bt.indicators.SMA(self.data, period=25)
        elif self.p.ind == 'ema':
            bt.talib.EMA(timeperiod=25, plotname='TA_SMA')
            bt.indicators.EMA(period=25)
        elif self.p.ind == 'stoc':
            bt.talib.STOCH(self.data.high, self.data.low, self.data.close,
                           fastk_period=14, slowk_period=3, slowd_period=3,
                           plotname='TA_STOCH')

            bt.indicators.Stochastic(self.data)

        elif self.p.ind == 'macd':
            bt.talib.MACD(self.data, plotname='TA_MACD')
            bt.indicators.MACD(self.data)
            bt.indicators.MACDHisto(self.data)
        elif self.p.ind == 'bollinger':
            bt.talib.BBANDS(self.data, timeperiod=25,
                            plotname='TA_BBANDS')
            bt.indicators.BollingerBands(self.data, period=25)

        elif self.p.ind == 'rsi':
            bt.talib.RSI(self.data, plotname='TA_RSI')
            bt.indicators.RSI(self.data)

        elif self.p.ind == 'aroon':
            bt.talib.AROON(self.data.high, self.data.low, plotname='TA_AROON')
            bt.indicators.AroonIndicator(self.data)

        elif self.p.ind == 'ultimate':
            bt.talib.ULTOSC(self.data.high, self.data.low, self.data.close,
                            plotname='TA_ULTOSC')
            bt.indicators.UltimateOscillator(self.data)

        elif self.p.ind == 'trix':
            bt.talib.TRIX(self.data, timeperiod=25,  plotname='TA_TRIX')
            bt.indicators.Trix(self.data, period=25)

        elif self.p.ind == 'adxr':
            bt.talib.ADXR(self.data.high, self.data.low, self.data.close,
                          plotname='TA_ADXR')
            bt.indicators.ADXR(self.data)

        elif self.p.ind == 'kama':
            bt.talib.KAMA(self.data, timeperiod=25, plotname='TA_KAMA')
            bt.indicators.KAMA(self.data, period=25)

        elif self.p.ind == 'dema':
            bt.talib.DEMA(self.data, timeperiod=25, plotname='TA_DEMA')
            bt.indicators.DEMA(self.data, period=25)

        elif self.p.ind == 'ppo':
            bt.talib.PPO(self.data, plotname='TA_PPO')
            bt.indicators.PPO(self.data, _movav=bt.indicators.SMA)

        elif self.p.ind == 'tema':
            bt.talib.TEMA(self.data, timeperiod=25, plotname='TA_TEMA')
            bt.indicators.TEMA(self.data, period=25)

        elif self.p.ind == 'roc':
            bt.talib.ROC(self.data, timeperiod=12, plotname='TA_ROC')
            bt.talib.ROCP(self.data, timeperiod=12, plotname='TA_ROCP')
            bt.talib.ROCR(self.data, timeperiod=12, plotname='TA_ROCR')
            bt.talib.ROCR100(self.data, timeperiod=12, plotname='TA_ROCR100')
            bt.indicators.ROC(self.data, period=12)
            bt.indicators.Momentum(self.data, period=12)
            bt.indicators.MomentumOscillator(self.data, period=12)

        elif self.p.ind == 'williamsr':
            bt.talib.WILLR(self.data.high, self.data.low, self.data.close,
                           plotname='TA_WILLR')
            bt.indicators.WilliamsR(self.data)


def runstrat(args=None):
    args = parse_args(args)

    cerebro = bt.Cerebro()

    dkwargs = dict()
    if args.fromdate:
        fromdate = datetime.datetime.strptime(args.fromdate, '%Y-%m-%d')
        dkwargs['fromdate'] = fromdate

    if args.todate:
        todate = datetime.datetime.strptime(args.todate, '%Y-%m-%d')
        dkwargs['todate'] = todate

    data0 = bt.feeds.YahooFinanceCSVData(dataname=args.data0, **dkwargs)
    cerebro.adddata(data0)

    cerebro.addstrategy(TALibStrategy, ind=args.ind, doji=not args.no_doji)

    cerebro.run(runcone=not args.use_next, stdstats=False)
    if args.plot:
        pkwargs = dict(style='candle')
        if args.plot is not True:  # evals to True but is not True
            npkwargs = eval('dict(' + args.plot + ')')  # args were passed
            pkwargs.update(npkwargs)

        cerebro.plot(**pkwargs)


def parse_args(pargs=None):

    parser = argparse.ArgumentParser(
        formatter_class=argparse.ArgumentDefaultsHelpFormatter,
        description='Sample for sizer')

    parser.add_argument('--data0', required=False,
                        default='../../datas/yhoo-1996-2015.txt',
                        help='Data to be read in')

    parser.add_argument('--fromdate', required=False,
                        default='2005-01-01',
                        help='Starting date in YYYY-MM-DD format')

    parser.add_argument('--todate', required=False,
                        default='2006-12-31',
                        help='Ending date in YYYY-MM-DD format')

    parser.add_argument('--ind', required=False, action='store',
                        default=TALibStrategy.INDS[0],
                        choices=TALibStrategy.INDS,
                        help=('Which indicator pair to show together'))

    parser.add_argument('--no-doji', required=False, action='store_true',
                        help=('Remove Doji CandleStick pattern checker'))

    parser.add_argument('--use-next', required=False, action='store_true',
                        help=('Use next (step by step) '
                              'instead of once (batch)'))

    # Plot options
    parser.add_argument('--plot', '-p', nargs='?', required=False,
                        metavar='kwargs', const=True,
                        help=('Plot the read data applying any kwargs passed\n'
                              '\n'
                              'For example (escape the quotes if needed):\n'
                              '\n'
                              '  --plot style="candle" (to plot candles)\n'))

    if pargs is not None:
        return parser.parse_args(pargs)

    return parser.parse_args()


if __name__ == '__main__':
    runstrat()

推荐阅读

相关文章

Backtrader按日线交易

似乎在世界某个地方有一种权益(Interest)可以总结如下： 使用每日柱线引入订单，但使用开盘价 这来自工单#105订单执行逻辑与当前数据和#101动态投注计算中的对话 backtrader 尝试尽可能保持现实，并且在处理每日柱线时适用以下前提： 当每日柱被评估时，柱线已经结束 这是有道理的，

Backtrader对逐笔报价数据重新采样

backtrader 已经可以从分钟数据中重新采样。接受价格变动数据不是问题，只需将 4 个常用字段（open、 high、 low、 close）设置为价格变动值。 但是传递要重新采样的逐笔报价数据再次生成相同的数据。作为或版本 1.1.11.88，情况已不再如此。

Backtrader教程：安装

要求和版本 backtrader 是独立的，没有外部依赖关系（除非要绘图） 基本要求是： Python 2.7 Python 3.2 / 3.3/ 3.4 / 3.5 pypy/pypy3 如果需要绘图，则其他要求： Matplotlib >= 1.4.

Backtrader教程：日志记录 - 编写器

将以下内容写出到流中： csv 流，

Backtrader跨越数字

《backtrader》的发布1.9.27.105纠正了一个疏忽。这是一个疏忽，因为拼图的所有部分都已到位，但启动并不是在所有角落都进行的。 该机制使用一个名为的属性_mindatas，因此让我们将其称为： mindatas。 社区问了这个问题，答案并不是很到位。

数据多时间帧

有时投资决策是使用不同的时间框架做出的： 每周评估趋势 每天执行条目 或者5分钟对60分钟。 这意味着需要将多个时间帧的数据组合在 backtrader 中以支援此类组合。 对它的本机支持已经内置。

Backtraderta-lib 集成

即使 backtrader 提供了已经 high 数量的内置指针，并且开发指针主要是定义输入，输出和以自然的方式编写公式的问题，有些人也希望使用TA-LIB。

Backtrader 多数据范例

社区中的几个主题似乎以如何跟踪订单为导向，特别是当几个data feeds在起作用时，还包括当多个订单一起工作时，

Backtrader教程：分析仪 - PyFolio

注意 从（至少）2017-07-25pyfolio 开始，API已更改，不再 create_full_tear_sheet 具有 gross_lev 作为命名参数的参数。

Backtrader信贷利息

在某些情况下，真实经纪人的现金金额可能会减少，因为资产操作包括利率。例子： 卖空股票 交易所买卖基金包括多头和空头 这意味着不仅交易构成了系统的盈利能力，因为信贷上的利息在帐户上佔有一席之地。 为了涵盖这种情况， backtrader 包括（从发佈1.8.8.96开始）功能来考虑这一点。