首先，让我们用两行总结反向交易方法的工作原理：
它就像一个带有基本构建块 (
Cerebro) 的建筑套件，可以插入许多不同的部件基本分布包含许多部分，如指针、分析器、观察器、 Sizer 、过滤器、数据馈送、经纪人、佣金/资产信息方案，...
可以从头开始或基于现有的构建块轻松构建新的构建块
基本构建块 (
Cerebro) 已经做了一些自动“插入”，以便更轻松地使用框架，而不必担心所有细节。
因此，该框架已预先配置为提供具有默认值的行为，例如：
- 使用单个/主要数据馈送
1-day时间框架/压缩组合- 10,000 单位货币
- 股票交易
这可能并不适合所有人，但重要的是：它可以根据每个交易者/进程员的个人需求进行定制
交易股票：整数
如上所述，默认配置是用于股票交易，当交易股票时，购买/出售完整股（即：1、2 ... 50 ... 1000，而不是像1.5或1001.7589股那样的数量。
这意味着当用户在默认配置中运行以下操作时：
def next(self):
# Apply 50% of the portfolio to buy the main asset
self.order_target_percent(target=0.5)
会发生以下情况：
系统计算需要多少股资产，使给定资产在投资组合中的价值尽可能接近
50%但是因为默认配置是使用共享，所以生成的共享数将是一个整数，即：整数
笔记
请注意，默认配置是使用单个/主要数据提要，这就是为什么在对order_percent_target的调用中未指定实际数据的原因。在使用多个数据源进行操作时，必须指定要获取/出售哪些数据（除非是指主要数据）
交易加密货币：分数
很明显，在交易加密货币时，即使是小数点后 20 位，也可以买到“半个比特币”。
好消息是人们实际上可以更改与资产有关的信息。这是通过CommissionInfo系列可插拔部件实现的。
一些文档： Docs - Commission Schemes - https://www. backtrader .com/docu/commission-schemes/commission-schemes/
笔记
不得不承认，这个名字是不幸的，因为这些计划不仅包含有关佣金的信息，还包含其他信息。
在分数场景中，感兴趣的是该方案的这种方法： getsize(price, cash) ，它具有以下文档字符串
Returns the needed size to meet a cash operation at a given price
这些方案与代理密切相关，通过代理API，可以将方案添加到系统中。
代理文档位于： Docs - Broker - https://www。 backtrader .com/docu/broker/
相关的方法是： addcommissioninfo(comminfo, name=None) 。除了添加适用于所有资产的方案（当name为None时）之外，还可以设置仅适用于具有特定名称的资产的方案。
实施分数方案
这可以通过扩展名为CommissionInfo的现有基础方案轻松实现。
class CommInfoFractional(bt.CommissionInfo):
def getsize(self, price, cash):
'''Returns fractional size for cash operation @price'''
return self.p.leverage * (cash / price)
同上并完成。继承CommissionInfo并编写一行方法，目的就达到了。因为原始方案定义支持leverage ，所以在计算中考虑到了这一点，以防万一可以用杠杆购买加密货币（默认值为1.0 ，即：无杠杆）
稍后在代码中，将像这样添加方案（通过命令行参数控制）
if args.fractional: # use the fractional scheme if requested
cerebro.broker.addcommissioninfo(CommInfoFractional())
即：添加子类方案的实例（注意()实例化）。如上所述， name参数未设置，这意味着它将应用于系统中的所有资产。
测试野兽
下面提供了实现多头/空头头寸的简单移动平均线交叉的完整脚本，可以直接在 shell 中使用。测试的默认数据馈送是来自backtrader存储库的数据馈送之一。
整数运行：没有分数 - 没有乐趣
$ ./fractional-sizes.py --plot 2005-02-14,3079.93,3083.38,3065.27,3075.76,0.00 2005-02-15,3075.20,3091.64,3071.08,3086.95,0.00 ... 2005-03-21,3052.39,3059.18,3037.80,3038.14,0.00 2005-03-21,Enter Short 2005-03-22,Sell Order Completed - Size: -16 @Price: 3040.55 Value: -48648.80 Comm: 0.00 2005-03-22,Trade Opened - Size -16 @Price 3040.55 2005-03-22,3040.55,3053.18,3021.66,3050.44,0.00 ...
一个规模为16单位的空头交易已打开。整个日志（由于明显原因未显示）包含许多其他操作，所有操作都包含完整大小的交易。
分数运行
在对分数进行硬子类化和单线工作之后......
$ ./fractional-sizes.py --fractional --plot 2005-02-14,3079.93,3083.38,3065.27,3075.76,0.00 2005-02-15,3075.20,3091.64,3071.08,3086.95,0.00 ... 2005-03-21,3052.39,3059.18,3037.80,3038.14,0.00 2005-03-21,Enter Short 2005-03-22,Sell Order Completed - Size: -16.457437774427774 @Price: 3040.55 Value: -50039.66 Comm: 0.00 2005-03-22,Trade Opened - Size -16.457437774427774 @Price 3040.55 2005-03-22,3040.55,3053.18,3021.66,3050.44,0.00 ...
V代表胜利。空头交易以相同的交叉开盘，但这次的小数大小为-16.457437774427774
请注意，图表中的最终投资组合价值不同，这是因为实际交易规模不同。
是的，反向交易者可以。使用可插入/可扩展的构建工具包方法，可以很容易地根据交易者进程员的特定需求定制行为。
#!/usr/bin/env python
# -*- coding: utf-8; py-indent-offset:4 -*-
###############################################################################
# Copyright (C) 2019 Daniel Rodriguez - MIT License
# - https://opensource.org/licenses/MIT
# - https://en.wikipedia.org/wiki/MIT_License
###############################################################################
import argparse
import logging
import sys
import backtrader as bt
# This defines not only the commission info, but some other aspects
# of a given data asset like the "getsize" information from below
# params = dict(stocklike=True) # No margin, no multiplier
class CommInfoFractional(bt.CommissionInfo):
def getsize(self, price, cash):
'''Returns fractional size for cash operation @price'''
return self.p.leverage * (cash / price)
class St(bt.Strategy):
params = dict(
p1=10, p2=30, # periods for crossover
ma=bt.ind.SMA, # moving average to use
target=0.5, # percentage of value to use
)
def __init__(self):
ma1, ma2 = [self.p.ma(period=p) for p in (self.p.p1, self.p.p2)]
self.cross = bt.ind.CrossOver(ma1, ma2)
def next(self):
self.logdata()
if self.cross > 0:
self.loginfo('Enter Long')
self.order_target_percent(target=self.p.target)
elif self.cross < 0:
self.loginfo('Enter Short')
self.order_target_percent(target=-self.p.target)
def notify_trade(self, trade):
if trade.justopened:
self.loginfo('Trade Opened - Size {} @Price {}',
trade.size, trade.price)
elif trade.isclosed:
self.loginfo('Trade Closed - Profit {}', trade.pnlcomm)
else: # trade updated
self.loginfo('Trade Updated - Size {} @Price {}',
trade.size, trade.price)
def notify_order(self, order):
if order.alive():
return
otypetxt = 'Buy ' if order.isbuy() else 'Sell'
if order.status == order.Completed:
self.loginfo(
('{} Order Completed - '
'Size: {} @Price: {} '
'Value: {:.2f} Comm: {:.2f}'),
otypetxt, order.executed.size, order.executed.price,
order.executed.value, order.executed.comm
)
else:
self.loginfo('{} Order rejected', otypetxt)
def loginfo(self, txt, *args):
out = [self.datetime.date().isoformat(), txt.format(*args)]
logging.info(','.join(out))
def logerror(self, txt, *args):
out = [self.datetime.date().isoformat(), txt.format(*args)]
logging.error(','.join(out))
def logdebug(self, txt, *args):
out = [self.datetime.date().isoformat(), txt.format(*args)]
logging.debug(','.join(out))
def logdata(self):
txt = []
txt += ['{:.2f}'.format(self.data.open[0])]
txt += ['{:.2f}'.format(self.data.high[0])]
txt += ['{:.2f}'.format(self.data.low[0])]
txt += ['{:.2f}'.format(self.data.close[0])]
txt += ['{:.2f}'.format(self.data.volume[0])]
self.loginfo(','.join(txt))
def run(args=None):
args = parse_args(args)
cerebro = bt.Cerebro()
data = bt.feeds.BacktraderCSVData(dataname=args.data)
cerebro.adddata(data) # create and add data feed
cerebro.addstrategy(St) # add the strategy
cerebro.broker.set_cash(args.cash) # set broker cash
if args.fractional: # use the fractional scheme if requested
cerebro.broker.addcommissioninfo(CommInfoFractional())
cerebro.run() # execute
if args.plot: # Plot if requested to
cerebro.plot(**eval('dict(' + args.plot + ')'))
def logconfig(pargs):
if pargs.quiet:
verbose_level = logging.ERROR
else:
verbose_level = logging.INFO - pargs.verbose * 10 # -> DEBUG
logger = logging.getLogger()
for h in logger.handlers: # Remove all loggers from root
logger.removeHandler(h)
stream = sys.stdout if not pargs.stderr else sys.stderr # choose stream
logging.basicConfig(
stream=stream,
format="%(message)s", # format="%(levelname)s: %(message)s",
level=verbose_level,
)
def parse_args(pargs=None):
parser = argparse.ArgumentParser(
formatter_class=argparse.ArgumentDefaultsHelpFormatter,
description='Fractional Sizes with CommInfo',
)
pgroup = parser.add_argument_group('Data Options')
parser.add_argument('--data', default='../../datas/2005-2006-day-001.txt',
help='Data to read in')
pgroup = parser.add_argument_group(title='Broker Arguments')
pgroup.add_argument('--cash', default=100000.0, type=float,
help='Starting cash to use')
pgroup.add_argument('--fractional', action='store_true',
help='Use fractional commission info')
pgroup = parser.add_argument_group(title='Plotting Arguments')
pgroup.add_argument('--plot', default='', nargs='?', const='{}',
metavar='kwargs', help='kwargs: "k1=v1,k2=v2,..."')
pgroup = parser.add_argument_group('Verbosity Options')
pgroup.add_argument('--stderr', action='store_true',
help='Log to stderr, else to stdout')
pgroup = pgroup.add_mutually_exclusive_group()
pgroup.add_argument('--quiet', '-q', action='store_true',
help='Silent (errors will be reported)')
pgroup.add_argument('--verbose', '-v', action='store_true',
help='Increase verbosity level')
# Parse and process some args
pargs = parser.parse_args(pargs)
logconfig(pargs) # config logging
return pargs
if __name__ == '__main__':
run()