休士顿我们有一个问题：
- cerebro 不应多次运行。这不是第1次 ，而不是认为用户做错了，这似乎是一个用例。
这个有趣的用例是通过票证177出现的。在这种情况下， cerebro 被多次用于评估从外部数据源获取的不同策略。
backtrader 仍然可以支持此用例，但不能以直接尝试的方式支持。
backtrader中的内置优化已经完成了所需的操作：
- 实例化多个策略实例并收集结果
是唯一一个实例都属于同一类的东西。这就是Python通过让我们控制对象的创建来提供说明的地方。
首先，让我们使用内置的信号技术向脚本中添加非常快速的策略 backtrader
class St0(bt.SignalStrategy):
def __init__(self):
sma1, sma2 = bt.ind.SMA(period=10), bt.ind.SMA(period=30)
crossover = bt.ind.CrossOver(sma1, sma2)
self.signal_add(bt.SIGNAL_LONG, crossover)
class St1(bt.SignalStrategy):
def __init__(self):
sma1 = bt.ind.SMA(period=10)
crossover = bt.ind.CrossOver(self.data.close, sma1)
self.signal_add(bt.SIGNAL_LONG, crossover)
它再简单不过了。
现在让我们来做一个神奇的实现这两个策略。
class StFetcher(object):
_STRATS = [St0, St1]
def __new__(cls, *args, **kwargs):
idx = kwargs.pop('idx')
obj = cls._STRATS[idx](*args, **kwargs)
return obj
Et voilá！实例化类StFetcher 时，方法 __new__ 将控制实例的创建。在这种情况下：
-
获取
idx传递给它的参数 -
使用此参数从
_STRATS存储了我们之前的范例策略的清单中获取策略注意
没有什么可以阻止使用此
idx值从服务器和/或数据库获取策略。 -
实例化并返回受影响的策略
主持演出
cerebro.addanalyzer(bt.analyzers.Returns)
cerebro.optstrategy(StFetcher, idx=[0, 1])
results = cerebro.run(maxcpus=args.maxcpus, optreturn=args.optreturn)
事实上！优化就是这样！而不是addstrategy 我们使用 optstrategy 并传递的值数组 idx。这些值将由优化引擎反复运算。
由于cerebro 可以在每个优化传递中托管多个策略，因此结果将包含清单清单。每个子清单都是每个优化传递的结果。
在我们的例子中，每次通过只有 1 个策略，我们可以快速平展结果并提取我们添加的分析器的值。
strats = [x[0] for x in results] # flatten the result
for i, strat in enumerate(strats):
rets = strat.analyzers.returns.get_analysis()
print('Strat {} Name {}:\n - analyzer: {}\n'.format(
i, strat.__class__.__name__, rets))
示例运行
./strategy-selection.py Strat 0 Name St0: - analyzer: OrderedDict([(u'rtot', 0.04847392369449283), (u'ravg', 9.467563221580632e-05), (u'rnorm', 0.02414514457151587), (u'rnorm100', 2.414514457151587)]) Strat 1 Name St1: - analyzer: OrderedDict([(u'rtot', 0.05124714332260593), (u'ravg', 0.00010009207680196471), (u'rnorm', 0.025543999840699633), (u'rnorm100', 2.5543999840699634)])
我们的2个策略已经运行，并交付（如预期）不同的结果。
注意
该示例很少，但已使用所有可用的CPU运行。运行--maxpcpus=1 它将更快。对于使用所有 CPU 的更复杂的方案，将非常有用。
结论
策略选择用例是可能的，并且不需要绕过 backtrader 或Python本身中的任何内置设施。
示例用法
$ ./strategy-selection.py --help
usage: strategy-selection.py [-h] [--data DATA] [--maxcpus MAXCPUS]
[--optreturn]
Sample for strategy selection
optional arguments:
-h, --help show this help message and exit
--data DATA Data to be read in (default:
../../datas/2005-2006-day-001.txt)
--maxcpus MAXCPUS Limit the numer of CPUs to use (default: None)
--optreturn Return reduced/mocked strategy object (default: False)
代码
这已被包括在 backtrader
from __future__ import (absolute_import, division, print_function,
unicode_literals)
import argparse
import backtrader as bt
class St0(bt.SignalStrategy):
def __init__(self):
sma1, sma2 = bt.ind.SMA(period=10), bt.ind.SMA(period=30)
crossover = bt.ind.CrossOver(sma1, sma2)
self.signal_add(bt.SIGNAL_LONG, crossover)
class St1(bt.SignalStrategy):
def __init__(self):
sma1 = bt.ind.SMA(period=10)
crossover = bt.ind.CrossOver(self.data.close, sma1)
self.signal_add(bt.SIGNAL_LONG, crossover)
class StFetcher(object):
_STRATS = [St0, St1]
def __new__(cls, *args, **kwargs):
idx = kwargs.pop('idx')
obj = cls._STRATS[idx](*args, **kwargs)
return obj
def runstrat(pargs=None):
args = parse_args(pargs)
cerebro = bt.Cerebro()
data = bt.feeds.BacktraderCSVData(dataname=args.data)
cerebro.adddata(data)
cerebro.addanalyzer(bt.analyzers.Returns)
cerebro.optstrategy(StFetcher, idx=[0, 1])
results = cerebro.run(maxcpus=args.maxcpus, optreturn=args.optreturn)
strats = [x[0] for x in results] # flatten the result
for i, strat in enumerate(strats):
rets = strat.analyzers.returns.get_analysis()
print('Strat {} Name {}:\n - analyzer: {}\n'.format(
i, strat.__class__.__name__, rets))
def parse_args(pargs=None):
parser = argparse.ArgumentParser(
formatter_class=argparse.ArgumentDefaultsHelpFormatter,
description='Sample for strategy selection')
parser.add_argument('--data', required=False,
default='../../datas/2005-2006-day-001.txt',
help='Data to be read in')
parser.add_argument('--maxcpus', required=False, action='store',
default=None, type=int,
help='Limit the numer of CPUs to use')
parser.add_argument('--optreturn', required=False, action='store_true',
help='Return reduced/mocked strategy object')
return parser.parse_args(pargs)
if __name__ == '__main__':
runstrat()