Backtrader信号策略

Backtrader   |   2022年6月21日

操作 backtrader 也是可能的，而无需编写策略。虽然这是首选方式，但由于构成机器的对象层次结构，使用信号也是可能的。

注意

可从版本获得1.8.0.x

快速摘要：

  • 而不是编写策略类，实例化指针，编写买入/卖出逻辑...

  • 最终用户添加信号（无论如何指针），其余部分在后台完成

简单范例：

import backtrader as bt

data = bt.feeds.OneOfTheFeeds(dataname='mydataname')
cerebro.adddata(data)

cerebro.add_signal(bt.SIGNAL_LONGSHORT, MySignal)
cerebro.run()

Et voilá！.

当然，信号本身是缺失的。让我们定义一个非常愚蠢的信号，它产生：

  • Long 指示价格是否 close 高于简单移动平均线

  • Short 指示价格是否 close 低于简单移动平均线

定义：

class MySignal(bt.Indicator):
    lines = ('signal',)
    params = (('period', 30),)

    def __init__(self):
        self.lines.signal = self.data - bt.indicators.SMA(period=self.p.period)

现在它真的完成了。当run 运行时， Cerebro 将负责实例化一个特殊的策略实例，该实例知道如何处理信号。

初始常见问题

  • 如何确定买入/卖出操作 volume ？

    cerebro实例会自动FixedSize向策略添加sizer。最终用户可以更改sizer以更改策略cerebro.addsizer

  • 订单如何运行？

    运行类型为Market “有效”，直到“取消”为止

信号技术细节

从技术和理论的角度来看，可以这样描述：

  • 一个可调用对象，在调用时返回另一个对象（仅一次）

    在大多数情况下，这是类的实例化，但不得是

  • __getitem__支持接口。唯一请求的键/索引将是0

从实际的角度来看，看看上面的例子，一个信号是：

  • 来自backtrader生态系统的lines对象，主要是指针

    这在使用其他指针时很有说明，例如在示例中使用简单移动平均线时。

信号指示

信号在查找signal[0] 时提供指示，含义为：

  • > 0 -> long indication

  • ´< 0 -> short indication

  • ´== 0 -> 无适应症

该范例使用self.data - SMA 和运行简单的算术运算：

  • 问题 along indication 当 高于dataSMA

  • 问题 ashort indication 当 data 低于 SMA

注意

当 没有为data 指示特定价格字段时 close ，价格就是参考价格。

信号类型

下面指示的常量，如上面的示例所示，可直接从主 bactrader 模块获得，如下所示：

import backtrader as bt

bt.SIGNAL_LONG

有5种类型的信号，分为2组。

主要组：

  • LONGSHORT：两者都 long 从 short 这个信号中获取指示

  • LONG:

    • long 适应症需要做多

    • short 指示用于 close 多头头寸。但：

    • 如果系统中存在LONGEXIT （见下文）信号，它将用于退出多头

    • 如果信号SHORT可用而无LONGEXIT可用，它将用于在打开 a 之前closelongshort

  • SHORT:

    • short 适应症被采取短路

    • long 指示用于 close 空头头寸。但：

    • 如果系统中存在SHORTEXIT （见下文）信号，它将用于退出空头

    • 如果信号LONG可用而无SHORTEXIT可用，它将用于在打开之前closeshortlong

离开群组：

这 2 个信号旨在覆盖其他信号，并为退出 along/short 仓位提供标准

  • LONGEXIT： short 指示用于退出 long 仓位

  • SHORTEXIT： long 指示用于退出 short 仓位

累积和订单并发

上面显示的示例信号将持续发出长短指示，因为它只是从价格中SMA减去值，这将始终是和> 0 < 0 （几次== 0）close

这将导致连续生成订单，从而产生 2 种情况：

  • Accumulation：即使已经在市场上，信号也会产生新的订单，这将增加市场的可能性

  • Concurrency：新订单将在不等待其他订单运行的情况下生成

为避免这种情况，缺省行为为：

  • 不累积

  • 不允许并发

如果希望这两种行为中的任何一种，可以通过以下方式进行控制cerebro ：

  • cerebro.signal_accumulate(True) （或 False 重新禁用它）

  • cerebro.signal_concurrency(True) （或 False 重新禁用它）

示例

backtrader源包含用于测试功能的范例。

要使用的主信号。

class SMACloseSignal(bt.Indicator):
    lines = ('signal',)
    params = (('period', 30),)

    def __init__(self):
        self.lines.signal = self.data - bt.indicators.SMA(period=self.p.period)

如果指定了该选项，则退出信号。

class SMAExitSignal(bt.Indicator):
    lines = ('signal',)
    params = (('p1', 5), ('p2', 30),)

    def __init__(self):
        sma1 = bt.indicators.SMA(period=self.p.p1)
        sma2 = bt.indicators.SMA(period=self.p.p2)
        self.lines.signal = sma1 - sma2

首次运行：长跑和短跑

$ ./signals-strategy.py --plot --signal longshort

输出

要注意：

  • 绘制信号。这是正常的，因为它只是一个指针，并且它的绘图规则适用

  • 策略是真的long 和 short.这可以看出，因为现金水平永远不会回到价值水准。

  • 附注：即使是一个愚蠢的想法...（并且没有佣金）该策略没有损失金钱...

第二次运行：仅长

$ ./signals-strategy.py --plot --signal longonly

输出

要注意：

  • 在这里，现金水准回到每次卖出后的价值水准，这意味着策略已经退出市场。

  • 附注：再次没有钱损失...

第三次运行：仅短运行

$ ./signals-strategy.py --plot --signal shortonly

输出

要注意：

  • 1st 操作是预期的卖出，并且比上述 2 个示例中的第 1个操作a 晚。直到低于 close 和 SMA 简单减法 产生一个负数

  • 在这里，现金水准回到每次买入后的价值水准，这意味着策略已经退出市场。

  • 附注：最后系统赔钱

第四次运行：长+长输出

$ ./signals-strategy.py --plot --signal longonly --exitsignal longexit

输出

要注意：

  • 许多交易是相同的，但有些交易被提前中断，因为退出信号中的快速移动平均线穿过慢速移动平均线到下行

  • 该系统显示其长期属性，现金成为每笔交易结束时的价值

  • 附注：再次金钱...即使有一些修改的交易

用法

$ ./signals-strategy.py --help
usage: signals-strategy.py [-h] [--data DATA] [--fromdate FROMDATE]
                           [--todate TODATE] [--cash CASH]
                           [--smaperiod SMAPERIOD] [--exitperiod EXITPERIOD]
                           [--signal {longshort,longonly,shortonly}]
                           [--exitsignal {longexit,shortexit}]
                           [--plot [kwargs]]

Sample for Signal concepts

optional arguments:
  -h, --help            show this help message and exit
  --data DATA           Specific data to be read in (default:
                        ../../datas/2005-2006-day-001.txt)
  --fromdate FROMDATE   Starting date in YYYY-MM-DD format (default: None)
  --todate TODATE       Ending date in YYYY-MM-DD format (default: None)
  --cash CASH           Cash to start with (default: 50000)
  --smaperiod SMAPERIOD
                        Period for the moving average (default: 30)
  --exitperiod EXITPERIOD
                        Period for the exit control SMA (default: 5)
  --signal {longshort,longonly,shortonly}
                        Signal type to use for the main signal (default:
                        longshort)
  --exitsignal {longexit,shortexit}
                        Signal type to use for the exit signal (default: None)
  --plot [kwargs], -p [kwargs]
                        Plot the read data applying any kwargs passed For
                        example: --plot style="candle" (to plot candles)
                        (default: None)

代码

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

import argparse
import collections
import datetime

import backtrader as bt

MAINSIGNALS = collections.OrderedDict(
    (('longshort', bt.SIGNAL_LONGSHORT),
     ('longonly', bt.SIGNAL_LONG),
     ('shortonly', bt.SIGNAL_SHORT),)
)


EXITSIGNALS = {
    'longexit': bt.SIGNAL_LONGEXIT,
    'shortexit': bt.SIGNAL_LONGEXIT,
}


class SMACloseSignal(bt.Indicator):
    lines = ('signal',)
    params = (('period', 30),)

    def __init__(self):
        self.lines.signal = self.data - bt.indicators.SMA(period=self.p.period)


class SMAExitSignal(bt.Indicator):
    lines = ('signal',)
    params = (('p1', 5), ('p2', 30),)

    def __init__(self):
        sma1 = bt.indicators.SMA(period=self.p.p1)
        sma2 = bt.indicators.SMA(period=self.p.p2)
        self.lines.signal = sma1 - sma2


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

    cerebro = bt.Cerebro()
    cerebro.broker.set_cash(args.cash)

    dkwargs = dict()
    if args.fromdate is not None:
        fromdate = datetime.datetime.strptime(args.fromdate, '%Y-%m-%d')
        dkwargs['fromdate'] = fromdate

    if args.todate is not None:
        todate = datetime.datetime.strptime(args.todate, '%Y-%m-%d')
        dkwargs['todate'] = todate

    # if dataset is None, args.data has been given
    data = bt.feeds.BacktraderCSVData(dataname=args.data, **dkwargs)
    cerebro.adddata(data)

    cerebro.add_signal(MAINSIGNALS[args.signal],
                       SMACloseSignal, period=args.smaperiod)

    if args.exitsignal is not None:
        cerebro.add_signal(EXITSIGNALS[args.exitsignal],
                           SMAExitSignal,
                           p1=args.exitperiod,
                           p2=args.smaperiod)

    cerebro.run()
    if args.plot:
        pkwargs = dict(style='bar')
        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 Signal concepts')

    parser.add_argument('--data', required=False,
                        default='../../datas/2005-2006-day-001.txt',
                        help='Specific data to be read in')

    parser.add_argument('--fromdate', required=False, default=None,
                        help='Starting date in YYYY-MM-DD format')

    parser.add_argument('--todate', required=False, default=None,
                        help='Ending date in YYYY-MM-DD format')

    parser.add_argument('--cash', required=False, action='store',
                        type=float, default=50000,
                        help=('Cash to start with'))

    parser.add_argument('--smaperiod', required=False, action='store',
                        type=int, default=30,
                        help=('Period for the moving average'))

    parser.add_argument('--exitperiod', required=False, action='store',
                        type=int, default=5,
                        help=('Period for the exit control SMA'))

    parser.add_argument('--signal', required=False, action='store',
                        default=MAINSIGNALS.keys()[0], choices=MAINSIGNALS,
                        help=('Signal type to use for the main signal'))

    parser.add_argument('--exitsignal', required=False, action='store',
                        default=None, choices=EXITSIGNALS,
                        help=('Signal type to use for the exit signal'))

    # 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:\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期货展期

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规范与非规范

这个问题或多或少地出现了几次：这样： backtrader如何最好/规范地实现这一点或那样？ 作为 backtrader 的目标之一，可以灵活地 支持尽可能多的情况和用例，答案很简单：“至少在几种方式上”。

Backtrader教程：Cerebro - 优化 - 改进

backtrader版本1.8.12.99改进了在多处理过程中管理data feeds和结果的方式。

Backtrader教程：绘图 - 日期范围

该版本1.9.31.x 增加了制作部分绘图的功能。 使用策略实例中保存的完整时间戳数组的索引 或者使用实际datetime.date 或 datetime.datetime 实例来限制必须绘制的内容。 一切都超过标准cerebro.plot。

Backtrader条形同步

文献和/或行业中缺乏标准公式不是问题，因为问题实际上可以总结为： 条形同步 工单 #23 提出了一些问题，即是否可以 backtrader 考虑计算 相对体积 指针。 请求者需要将给定时刻的 volume 与前一个交易日的相同时刻进行比较。

Backtrader节省内存

1.3.1.92版本已经重新设计并完全实现了以前到位的内存节省方案，尽管没有太多的吹捧和使用。

Backtrader蟒蛇隐藏的力量3

Last，但并非最不重要的一点是，在这个系列中，关于如何在 backtrader 中使用Python的隐藏功能是一些神奇变量是如何出现的。

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。

Backtrader熊猫数据馈送

在一些小的增强功能和一些OrderDict调整中，以获得更好的Python 2.6支持， backtrader 的最新版本增加了对分析Pandas Dataframe或Time Series数据的支持。