Backtrader信號策略

Backtrader   |   2022年6月21日

操作 backtrader 也是可能的，而無需編寫策略。雖然這是首選方式，但由於構成機器的對象層次結構，使用信號也是可能的。

注意

可從版本獲得1.8.0.x

快速摘要：

  • 而不是編寫策略類，實例化指標，編寫買入/賣出邏輯...

  • 最終使用者添加信號（無論如何指標），其餘部分在後台完成

簡單範例：

import backtrader as bt

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

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

Et voilá！.

當然，信號本身是缺失的。讓我們定義一個非常愚蠢的信號，它產生：

  • Long 指示價格是否 close 高於簡單移動平均線

  • Short 指示價格是否 close 低於簡單移動平均線

定義：

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

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

現在它真的完成了。當run 執行時， Cerebro 將負責實例化一個特殊的策略實例，該實例知道如何處理信號。

初始常見問題

  • 如何確定買入/賣出操作 volume ？

    cerebro實例會自動FixedSize向策略添加sizer。最終使用者可以更改sizer以更改策略cerebro.addsizer

  • 訂單如何執行？

    執行類型為Market “有效”，直到“取消”為止

信號技術細節

從技術和理論的角度來看，可以這樣描述：

  • 一個可調用物件，在調用時返回另一個物件（僅一次）

    在大多數情況下，這是類的實例化，但不得是

  • __getitem__支援介面。唯一請求的鍵/索引將是0

從實際的角度來看，看看上面的例子，一個信號是：

  • 來自backtrader生態系統的lines物件，主要是指標

    這在使用其他指標時很有説明，例如在示例中使用簡單移動平均線時。

信號指示

信號在查詢signal[0] 時提供指示，含義為：

  • > 0 -> long indication

  • ´< 0 -> short indication

  • ´== 0 -> 無適應症

該範例使用self.data - SMA 和執行簡單的算術運算：

  • 問題 along indication 當 高於dataSMA

  • 問題 ashort indication 當 data 低於 SMA

注意

當 沒有為data 指示特定價格欄位時 close ，價格就是參考價格。

信號類型

下面指示的常量，如上面的示例所示，可直接從主 bactrader 模組獲得，如下所示：

import backtrader as bt

bt.SIGNAL_LONG

有5種類型的信號，分為2組。

主要組：

  • LONGSHORT：兩者都 long 從 short 這個信號中獲取指示

  • LONG:

    • long 適應症需要做多

    • short 指示用於 close 多頭頭寸。但：

    • 如果系統中存在LONGEXIT （見下文）信號，它將用於退出多頭

    • 如果信號SHORT可用而無LONGEXIT可用，它將用於在打開 a 之前closelongshort

  • SHORT:

    • short 適應症被採取短路

    • long 指示用於 close 空頭頭寸。但：

    • 如果系統中存在SHORTEXIT （見下文）信號，它將用於退出空頭

    • 如果信號LONG可用而無SHORTEXIT可用，它將用於在打開之前closeshortlong

離開群組：

這 2 個信號旨在覆蓋其他信號，併為退出 along/short 倉位提供標準

  • LONGEXIT： short 指示用於退出 long 倉位

  • SHORTEXIT： long 指示用於退出 short 倉位

累積和訂單併發

上面顯示的示例信號將持續發出長短指示，因為它只是從價格中SMA減去值，這將始終是和> 0 < 0 （幾次== 0）close

這將導致連續生成訂單，從而產生 2 種情況：

  • Accumulation：即使已經在市場上，信號也會產生新的訂單，這將增加市場的可能性

  • Concurrency：新訂單將在不等待其他訂單執行的情況下生成

為避免這種情況，預設行為為：

  • 不累積

  • 不允許併發

如果希望這兩種行為中的任何一種，可以通過以下方式進行控制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源包含用於測試功能的範例。

要使用的主信號。

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

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

如果指定了該選項，則退出信號。

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

首次運行：長跑和短跑

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

輸出

要注意：

  • 繪製信號。這是正常的，因為它只是一個指標，並且它的繪圖規則適用

  • 策略是真的long 和 short.這可以看出，因為現金水平永遠不會回到價值水準。

  • 附注：即使是一個愚蠢的想法...（並且沒有傭金）該策略沒有損失金錢...

第二次運行：僅長

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

輸出

要注意：

  • 在這裡，現金水準回到每次賣出后的價值水準，這意味著策略已經退出市場。

  • 附注：再次沒有錢損失...

第三次運行：僅短運行

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

輸出

要注意：

  • 1st 操作是預期的賣出，並且比上述 2 個示例中的第 1個操作a 晚。直到低於 close 和 SMA 簡單減法 產生一個負數

  • 在這裡，現金水準回到每次買入后的價值水準，這意味著策略已經退出市場。

  • 附注：最後系統賠錢

第四次運行：長+長輸出

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

輸出

要注意：

  • 許多交易是相同的，但有些交易被提前中斷，因為退出信號中的快速移動平均線穿過慢速移動平均線到下行

  • 該系統顯示其長期屬性，現金成為每筆交易結束時的價值

  • 附注：再次金錢...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)

代碼

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()

推薦閱讀

相關文章

Backtrader按日線交易

似乎在世界某個地方有一種权益(Interest)可以總結如下： 使用每日柱線引入訂單，但使用開盤價 這來自工單#105订单执行逻辑与当前数据和#101动态投注计算中的對話 backtrader 嘗試盡可能保持現實，並且在處理每日柱線時適用以下前提： 當每日柱被評估時，柱線已經結束 這是有道理的，

Backtrader教程：經紀人 - 開倉作弊

“發佈”1.9.44.116 添加了對 Cheat-On-Open的支援。這似乎是那些全力以赴的人的需求功能，他們在酒吧 close 后進行了計算，但希望與 open 價格相匹配。 當開盤價跳空（上漲或下跌，取決於是否buysell有效）並且現金不足以進行全面運營時，這樣的用例就會失敗。這將強制代理拒絕該操作。

Backtrader教程：指標 - 開發

如果必須開發任何東西（除了一個或多個獲勝策略之外），那麼這個東西就是一個自定義指標。 根據作者的說法，平臺內的這種開發很容易。 需要滿足以下條件： 從指標派生的類（直接或從現有的子類派生） 定義它將保持lines 指標必須至少具有 1 line。

Backtrader同步不同市場

使用次數越多， backtrader 必須面對的想法和意外場景的混合就越多。對於每個新平臺，一個挑戰是要看看平臺是否能夠達到開發開始時設定的期望，靈活性和易用性是目標，Python被選為基石。 工單#76 提出了一個問題，即是否可以完成具有不同交易日曆的同步市場。

Backtrader教程：日誌記錄 - 編寫器

將以下內容寫出到流中： csv 流，

Backtrader教程：數據饋送 - 擴展 (Extending DataFeed)

GitHub 中的問題實際上是在推動文檔部分的完成，或者説明我瞭解我是否backtrader 具有我從一開始就設想的易用性和靈活性以及在此過程中做出的決定。 在本例中為問題 #9。

Backtrader跨越數位

《backtrader》的發佈1.9.27.105糾正了一個疏忽。這是一個疏忽，因為拼圖的所有部分都已到位，但啟動並不是在所有角落都進行的。 該機制使用一個名為的屬性_mindatas，因此讓我們將其稱為： mindatas。 社區問了這個問題，答案並不是很到位。

Backtrader Python隐藏的细节

只有當遇到 backtrader 的真實使用者時，人們才能意識到平臺中使用的抽象和Python功能是否有意義。 在不撇開python的座右銘的情況下， backtrader 試圖為使用者提供盡可能多的控制權，同時通過將Python提供的隱藏功能付諸行動來簡化使用。 第一個示例是系列文章的第一篇。

Backtrader教程：尺寸調整器

智慧質押 策略提供了交易方法，即：buy和 sell close。

Backtrader現實咬合

上一篇文章設法複製了該BTFD 策略，發現真正的收益 16x 而不是 31x。 但正如複製期間所指出的： 不收取傭金 使用2x 槓桿不收取利息 這就提出了一個顯而易見的問題： 當收取傭金和利息時，這16x中有多少會存在？ 幸運的是，前面的示例足夠靈活，可以對其進行試驗。