Backtrader观察员和统计

Backtrader   |   2022年6月20日

在 backtrader 内部运行的策略主要处理数据 和 指针。

数据被添加到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），而指针由策略本身声明和管理。

到目前为止，所有 backtrader 样图都有3件事似乎是理所当然的，因为它们没有在任何地方声明：

  • 现金和价值（经纪人中的钱发生了什么）

  • 交易（又名运营）

  • 买入/卖出订单

它们存在于Observers 子模块 backtrader.observers中。它们之所以存在，是因为 Cerebro 支持一个参数来自动添加（或不添加）它们到策略中：

  • stdstats （默认值： True）

如果遵循默认值，Cerebro将运行以下等效的用户代码：

import backtrader as bt

...

cerebro = bt.Cerebro()  # default kwarg: stdstats=True

cerebro.addobserver(backtrader.observers.Broker)
cerebro.addobserver(backtrader.observers.Trades)
cerebro.addobserver(backtrader.observers.BuySell)

让我们看看通常的图表，其中包含这3个默认 observers （即使没有发出订单，因此没有交易发生，现金和投资组合价值也没有变化）

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

import backtrader as bt
import backtrader.feeds as btfeeds

if __name__ == '__main__':
    cerebro = bt.Cerebro(stdstats=False)
    cerebro.addstrategy(bt.Strategy)

    data = bt.feeds.BacktraderCSVData(dataname='../datas/2006-day-001.txt')
    cerebro.adddata(data)

    cerebro.run()
    cerebro.plot()

现在，让我们在创建Cerebro实例时将 False 的值stdstats更改为 （也可以在调用run时完成）：

cerebro = bt.Cerebro(stdstats=False)

现在的图表不同了。

访问 Observers

如上所述， Observers 在默认情况下已经存在，并且收集可用于统计目的的信息，这就是为什么可以通过策略的一个属性来完成 observers 的原因，称为：

  • stats

它只是一个占比特。如果我们还记得上面列出的添加缺省Observers 之一：

...
cerebro.addobserver(backtrader.observers.Broker)
...

显而易见的问题是如何访问Brokerobserver。例如，如何从策略的方法完成next此操作：

class MyStrategy(bt.Strategy):

    def next(self):

        if self.stats.broker.value[0] < 1000.0:
           print('WHITE FLAG ... I LOST TOO MUCH')
        elif self.stats.broker.value[0] > 10000000.0:
           print('TIME FOR THE VIRGIN ISLANDS ....!!!')

Broker observer就像数据一样，指针和策略本身也是一个Lines对象。在本例中，Broker有2个lines：

  • cash

  • value

Observer 实施

实现与指针非常相似：

class Broker(Observer):
    alias = ('CashValue',)
    lines = ('cash', 'value')

    plotinfo = dict(plot=True, subplot=True)

    def next(self):
        self.lines.cash[0] = self._owner.broker.getcash()
        self.lines.value[0] = value = self._owner.broker.getvalue()

步骤：

  • 派生自Observer （而不是从 Indicator）

  • 根据需要声明 lines 和参数（Broker 有 2 个 lines 但没有参数）

  • 将有一个自动属性_owner ，即持有 observer

Observers 行动：

  • 在计算完所有指针后

  • 在运行策略next 方法后

  • 这意味着：在周期结束时...他们观察 发生了什么

在这种情况下，Broker 它只是盲目地记录经纪人在每个时间点的现金和投资组合价值。

向策略添加Observers

如上所述，Cerebro 正在使用该 stdstats 参数来决定是否添加3个缺省 Observers，从而减轻最终用户的工作。

在混合物中添加其他 Observers 是可能的，无论是沿着stdstats 还是删除它们。

让我们采用通常的策略，当价格高于aSimpleMovingAverage时close买入，如果相反true，则卖出。

通过一个「添加」：

  • DrawDown是生态系统中backtrader已经存在observer
from __future__ import (absolute_import, division, print_function,
                        unicode_literals)

import argparse
import datetime
import os.path
import time
import sys


import backtrader as bt
import backtrader.feeds as btfeeds
import backtrader.indicators as btind


class MyStrategy(bt.Strategy):
    params = (('smaperiod', 15),)

    def log(self, txt, dt=None):
        ''' Logging function fot this strategy'''
        dt = dt or self.data.datetime[0]
        if isinstance(dt, float):
            dt = bt.num2date(dt)
        print('%s, %s' % (dt.isoformat(), txt))

    def __init__(self):

视觉输出显示回撤的演变

与部分文本输出：

...
2006-12-14T23:59:59+00:00, MaxDrawDown: 2.62
2006-12-15T23:59:59+00:00, DrawDown: 0.22
2006-12-15T23:59:59+00:00, MaxDrawDown: 2.62
2006-12-18T23:59:59+00:00, DrawDown: 0.00
2006-12-18T23:59:59+00:00, MaxDrawDown: 2.62
2006-12-19T23:59:59+00:00, DrawDown: 0.00
2006-12-19T23:59:59+00:00, MaxDrawDown: 2.62
2006-12-20T23:59:59+00:00, DrawDown: 0.10
2006-12-20T23:59:59+00:00, MaxDrawDown: 2.62
2006-12-21T23:59:59+00:00, DrawDown: 0.39
2006-12-21T23:59:59+00:00, MaxDrawDown: 2.62
2006-12-22T23:59:59+00:00, DrawDown: 0.21
2006-12-22T23:59:59+00:00, MaxDrawDown: 2.62
2006-12-27T23:59:59+00:00, DrawDown: 0.28
2006-12-27T23:59:59+00:00, MaxDrawDown: 2.62
2006-12-28T23:59:59+00:00, DrawDown: 0.65
2006-12-28T23:59:59+00:00, MaxDrawDown: 2.62
2006-12-29T23:59:59+00:00, DrawDown: 0.06
2006-12-29T23:59:59+00:00, MaxDrawDown: 2.62

注意

从文本输出和代码中可以看出，DrawDownobserver实际上有2个lines：

  • drawdown

  • maxdrawdown

选择不是绘制maxdrawdownline，而是使其仍然可供用户使用。

实际上， last 值maxdrawdown 也可以在直接属性（不是 line）中使用，其名称为 maxdd

开发 Observers

observer的Broker实施情况如上所示。要生成有意义的observer，实现可以使用以下信息：

  • self._owner 是当前正在运行的策略

    因此，策略中的任何内容都可供 observer

  • 原则中可用的缺省内部内容可能很有用：

    • broker ->属性，用于访问策略创建订单的代理实例

    如 所示Broker，现金和投资组合价值是通过调用方法 getcash 和 getvalue

    • _orderspending ->列出由策略创建的订单，并且经纪人已向策略通知事件。

    BuySell observer遍历清单，查找已运行（全部或部分）的订单，以创建给定时间点（索引 0）的平均运行价格

    • _tradespending ->交易清单（一组已完成的买入/卖出或卖出/买入对），该列表是根据买入/卖出订单编译的

Observer显然可以通过路径访问其他observersself._owner.stats。

自订订单观察器

标准BuySellobserver只关心已运行的操作。我们可以创建一个observer显示订单的创建时间和到期时间。

为了提高可见性，显示不会沿价格绘制，而是在单独的轴上绘制。

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

import math

import backtrader as bt


class OrderObserver(bt.observer.Observer):
    lines = ('created', 'expired',)

    plotinfo = dict(plot=True, subplot=True, plotlinelabels=True)

    plotlines = dict(
        created=dict(marker='*', markersize=8.0, color='lime', fillstyle='full'),
        expired=dict(marker='s', markersize=8.0, color='red', fillstyle='full')
    )

    def next(self):
        for order in self._owner._orderspending:
            if order.data is not self.data:
                continue

            if not order.isbuy():
                continue

            # Only interested in "buy" orders, because the sell orders
            # in the strategy are Market orders and will be immediately
            # executed

            if order.status in [bt.Order.Accepted, bt.Order.Submitted]:
                self.lines.created[0] = order.created.price

            elif order.status in [bt.Order.Expired]:
                self.lines.expired[0] = order.created.price

自定义 observer 只关心买入 订单，因为这是一个只购买以试图获利的分层。卖出订单是市价订单，将立即运行。

Close-SMA 交叉策略更改为：

  • 创建一个限价订单，其价格低于信号时刻 close 价格的1.0%

  • 订单有效期为 7（日历）天

生成的图表。

在新子图表（红色方块）中可以看到，有几个订单已经过期，我们也可以理解，在“创建”和“运行”之间恰好有几天。

注意

从分支中的development提交1560fa8802 开始，如果在创建订单时未设置价格，则收盘价将用作参考价格。

这对市场订单没有影响，但始终保持order.create.price 可用，并简化了 buy

最后，该策略的代码应用了新的observer

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

import datetime

import backtrader as bt
import backtrader.feeds as btfeeds
import backtrader.indicators as btind

from orderobserver import OrderObserver


class MyStrategy(bt.Strategy):
    params = (
        ('smaperiod', 15),
        ('limitperc', 1.0),
        ('valid', 7),
    )

    def log(self, txt, dt=None):
        ''' Logging function fot this strategy'''
        dt = dt or self.data.datetime[0]
        if isinstance(dt, float):
            dt = bt.num2date(dt)
        print('%s, %s' % (dt.isoformat(), txt))

    def notify_order(self, order):
        if order.status in [order.Submitted, order.Accepted]:
            # Buy/Sell order submitted/accepted to/by broker - Nothing to do
            self.log('ORDER ACCEPTED/SUBMITTED', dt=order.created.dt)
            self.order = order
            return

        if order.status in [order.Expired]:
            self.log('BUY EXPIRED')

        elif order.status in [order.Completed]:
            if order.isbuy():
                self.log(
                    'BUY EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' %
                    (order.executed.price,
                     order.executed.value,
                     order.executed.comm))

            else:  # Sell
                self.log('SELL EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' %
                         (order.executed.price,
                          order.executed.value,
                          order.executed.comm))

        # Sentinel to None: new orders allowed
        self.order = None

    def __init__(self):
        # SimpleMovingAverage on main data
        # Equivalent to -> sma = btind.SMA(self.data, period=self.p.smaperiod)
        sma = btind.SMA(period=self.p.smaperiod)

        # CrossOver (1: up, -1: down) close / sma
        self.buysell = btind.CrossOver(self.data.close, sma, plot=True)

        # Sentinel to None: new ordersa allowed
        self.order = None

    def next(self):
        if self.order:
            # pending order ... do nothing
            return

        # Check if we are in the market
        if self.position:
            if self.buysell < 0:
                self.log('SELL CREATE, %.2f' % self.data.close[0])
                self.sell()

        elif self.buysell > 0:
            plimit = self.data.close[0] * (1.0 - self.p.limitperc / 100.0)
            valid = self.data.datetime.date(0) + \
                datetime.timedelta(days=self.p.valid)
            self.log('BUY CREATE, %.2f' % plimit)
            self.buy(exectype=bt.Order.Limit, price=plimit, valid=valid)


def runstrat():
    cerebro = bt.Cerebro()

    data = bt.feeds.BacktraderCSVData(dataname='../datas/2006-day-001.txt')
    cerebro.adddata(data)

    cerebro.addobserver(OrderObserver)

    cerebro.addstrategy(MyStrategy)
    cerebro.run()

    cerebro.plot()


if __name__ == '__main__':
    runstrat()

保存/保留统计信息

截至目前backtrader ，尚未实施任何机制来跟踪 observers 的值将其存储到档中。最好的方法：

  • 在策略的方法中startOpen档

  • 在策略的方法中next 写下值

考虑到DrawDownobserver，可以这样完成：

class MyStrategy(bt.Strategy):

    def start(self):

        self.mystats = open('mystats.csv', 'wb')
        self.mystats.write('datetime,drawdown, maxdrawdown\n')


    def next(self):
        self.mystats.write(self.data.datetime.date(0).strftime('%Y-%m-%d'))
        self.mystats.write(',%.2f' % self.stats.drawdown.drawdown[-1])
        self.mystats.write(',%.2f' % self.stats.drawdown.maxdrawdown-1])
        self.mystats.write('\n')

要保存索引 0 的值，一旦处理完所有 observers ，就可以添加一个自定义 observer ，该自定义可以作为 last observer 添加到系统中，以将值保存到 csv 档中。

推荐阅读

相关文章

BacktraderPython Hidden Powers 2

让我们进一步讨论一下Python的隐藏功能如何在 backtrader 中使用，以及如何实现它以尝试实现主要目标：易用性 这些定义是什么？ 例如指针： import backtrader as bt class MyIndicator(bt.

Backtrader观察员和统计

在 backtrader 内部运行的策略主要处理数据 和 指针。 数据被添加到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），而指针由策略本身声明和管理。

Backtrader教程：指针 - 开发

如果必须开发任何东西（除了一个或多个获胜策略之外），那么这个东西就是一个自定义指针。 根据作者的说法，平台内的这种开发很容易。 需要满足以下条件： 从指针派生的类（直接或从现有的子类派生） 定义它将保持lines 指针必须至少具有 1 line。

Backtrader股票筛选

在寻找其他一些东西时，我在StackOverlow家族网站之一上遇到了一个问题：Quantitative Finance aka Quant StackExchange。问题： 它被标记为Python，因此值得一看的是 backtrader 是否能够胜任这项任务。 分析仪本身 该问题似乎适合用于简单的分析器。

Backtrader教程：数据馈送 - 展期交割

并非每个供应商都为可以交易的工具提供连续的未来。有时提供的数据是仍然有效的到期日期的数据，即：仍在交易的日期 这在回溯测试方面并不是很有帮助，因为数据分散在几个不同的仪器上，这些仪器另外...时间重叠。 能够正确地将这些仪器的数据从过去连接到连续的流中，可以减轻疼痛。

Backtrader教程：过滤器 - 参考

工作阶段筛检程序 类 backtrader.filters。

Backtrader python 隐藏的细节

只有当遇到 backtrader 的真实用户时，人们才能意识到平台中使用的抽象和Python功能是否有意义。 在不撇开python的座右铭的情况下， backtrader 试图为用户提供尽可能多的控制权，同时通过将Python提供的隐藏功能付诸行动来简化使用。 第一个示例是系列文章的第一篇。

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：数据馈送 - 熊猫

注意 pandas 并且必须安装其依赖项 支持Pandas Dataframes似乎受到很多人的关注，他们依赖于已经可用的解析代码来分析不同的数据源（包括CSV）和Pandas提供的其他功能。 数据馈送的重要声明。 注意 这些只是 声明。不要盲目拷贝此代码。

Backtrader动量策略

在另一篇伟大的文章中，泰迪·科克（Teddy Koker）再次展示了算法交易策略的发展之路： 研究优先应用 pandas 回溯测试，然后使用 backtrader 荣誉!!! 该帖子可以在以下位置找到： 泰迪·科克（Teddy Koker）给我留言，问我是否可以评论 backtrader的用法。