無論是回溯測試還是交易，能夠分析交易系統的性能是瞭解是否不僅獲得了利潤，而且是否在風險太大的情況下實現了利潤，或者與參考資產（或無風險資產）相比，是否真的值得付出努力的關鍵。

這就是物件家族的用武之Analyzer 地：提供對所發生事件甚至實際發生的事情的分析。

analyzers的性質

該介面是根據 Lines 物件（例如next 方法）的介面建模的，但有一個主要區別：

• Analyzers 不要握住 lines。

  這意味著它們在記憶體方面並不昂貴，因為即使在分析了數千個價格柱之後，它們仍然可能只是在記憶體中保存單個結果。

在生態系統中的位置

Analyzer 物件（如策略、 observers 和數據）通過 cerebro 實例添加到系統中：

• addanalyzer(ancls, *args, **kwargs)

但是，當涉及到操作期間cerebro.run ，系統中存在的每個策略將發生以下情況

• ancls將在*args **kwargscerebro.run

• 實例ancls 將附加到策略

這意味著：

• 例如，如果回溯測試運行包含 3 個策略，則將創建 3 個實例，每個實例 ancls 將附加到不同的策略。

綜述：分析器分析單個策略的性能，而不是整個系統的性能

其他位置

某些Analyzer 對象實際上可能使用其他 analyzers 來完成其工作。例如： SharpeRatio 使用的 TimeReturn 輸出進行計算。

這些子analyzers 或從analyzers 也將插入到與創建它們的策略相同的策略中。但它們對用戶來說是完全不可見的。

屬性

為了執行預期的工作，Analyzer 物件提供了一些預設屬性，這些屬性會自動傳遞並在實例中設置，以便於使用：

• self.strategy：引用分析器物件在其中操作的策略子類。策略可訪問的任何內容也可以由分析器訪問

• self.datas[x]：策略中存在的 data feeds 陣列。儘管可以通過策略參考訪問這一點，但快捷方式使工作更加舒適。

• self.data：為增加舒適度而快捷鍵 self.datas[0] 。

• self.dataX：不同 self.datas[x]

其他一些別名可用，儘管它們可能有些過分：

* `self.dataX_Y` where X is a reference to `self.datas[X]` and `Y`
  refers to the line, finally pointing to: `self.datas[X].lines[Y]`

如果 line 具有名稱，則以下選項也可用：

* `self.dataX_Name` which resolves to `self.datas[X].Name` returning
  the line by name rather than by index

對於第一個數據， last 兩個快捷方式在沒有初始X 數位參考的情況下可用。例如：

* `self.data_2` refers to `self.datas[0].lines[2]`

和

* `self.data_close` refers to `self.datas[0].close`

返回分析

Analyzer 基類創建一個self.rets（類型collections.OrderedDict為 ）成員屬性以返回分析。這是在方法中完成的，如果創建自定義analyzers，則該方法create_analysis可由子類覆蓋。

做法

雖然Analyzer 物件不是 Lines 物件，因此不會反覆運算 lines，但它們被設計為遵循相同的操作模式。

1. 在系統啟動之前實例化（因此呼叫__init__ ）

2. 發出開始操作的信號start

3. prenext / nextstart / next 將在指標工作的策略的計算最短周期之後被調用。

   的預設nextstart行為prenext是調用 next，因為分析器可能從系統處於活動狀態的第一刻起就開始分析。

   習慣上調用len(self)Lines對象來檢查實際的柱數。這也通過返回值來工作Analyzersself.strategy

4. 訂單和交易將像notify_order 通過和 notify_trade

5. 現金和價值也將被通知，就像策略完成的方法一notify_cashvalue 樣

6. 現金，價值和基金價值以及基金份額也將被通知，就像使用方法的策略notify_fund 一樣

7. stop 將被調用以指示操作結束

一旦常規操作週期完成， analyzers 具有提取/輸出資訊的其他方法

• get_analysis：理想情況下（不強制）返回包含 dict 分析結果的類似物件。

• print 使用標準 backtrader.WriterFile （除非被覆蓋）從 get_analysis寫入分析結果。

• pprint （漂亮的列印）使用Python pprint 模組來列印 get_analysis resutls。

最後：

• get_analysis 創建一個成員屬性 self.ret （類型 collections.OrderedDict）， analyzers 向該屬性寫入分析結果。

  Analyzer 的子類可以重寫此方法以更改此行為

分析器模式

平臺中 Analyzer 物件的backtrader 開發揭示了生成分析的 2 種不同使用模式：

1. 在執行過程中，通過在 和 next 方法中notify_xxx收集資訊，並在next

   TradeAnalyzer例如，僅使用該notify_trade方法來生成統計資訊。

2. 收集（或不收集）上述資訊，但在方法過程中stop 一次性生成分析

   SQN （系統質量編號）在方法期間notify_trade收集交易資訊，但在方法期間stop生成統計資訊

一個簡單的例子

盡可能簡單：

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

import datetime

import backtrader as bt
import backtrader.analyzers as btanalyzers
import backtrader.feeds as btfeeds
import backtrader.strategies as btstrats

cerebro = bt.Cerebro()

# data
dataname = '../datas/sample/2005-2006-day-001.txt'
data = btfeeds.BacktraderCSVData(dataname=dataname)

cerebro.adddata(data)

# strategy
cerebro.addstrategy(btstrats.SMA_CrossOver)

# Analyzer
cerebro.addanalyzer(btanalyzers.SharpeRatio, _name='mysharpe')

thestrats = cerebro.run()
thestrat = thestrats[0]

print('Sharpe Ratio:', thestrat.analyzers.mysharpe.get_analysis())

執行它（已將其analyzer-test.py儲存在：

$ ./analyzer-test.py
Sharpe Ratio: {'sharperatio': 11.647332609673256}

沒有繪圖，因為在SharpeRatio 計算結束時是單個值。

分析儀的取證分析

讓我們重複一遍，Analyzers 這不是 Lines 物件，而是將它們無縫集成到生態系統中 backtrader ，遵循幾個 Lines 對象的內部API約定（實際上是它們的 混合 體）。

請查看 Analyzers 參考

另外還有一個SharpeRatio_A ，它以年化形式直接提供價值，而不管所尋求的時間範圍如何

代碼作為SharpeRatio 基礎（簡化版本）

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

import operator

from backtrader.utils.py3 import map
from backtrader import Analyzer, TimeFrame
from backtrader.mathsupport import average, standarddev
from backtrader.analyzers import AnnualReturn


class SharpeRatio(Analyzer):
    params = (('timeframe', TimeFrame.Years), ('riskfreerate', 0.01),)

    def __init__(self):
        super(SharpeRatio, self).__init__()
        self.anret = AnnualReturn()

    def start(self):
        # Not needed ... but could be used
        pass

    def next(self):
        # Not needed ... but could be used
        pass

    def stop(self):
        retfree = [self.p.riskfreerate] * len(self.anret.rets)
        retavg = average(list(map(operator.sub, self.anret.rets, retfree)))
        retdev = standarddev(self.anret.rets)

        self.ratio = retavg / retdev

    def get_analysis(self):
        return dict(sharperatio=self.ratio)

代碼可以分解為：

• params 聲明

  儘管未使用聲明的物件（作為示例），但 Analyzers 與支持參數中的大多數backtrader 其他對象一樣

• __init__ 方法

  就像策略聲明指標一__init__樣，支持物件 analyzers 也是如此。

  在這種情況下：使用SharpeRatio年度申報表計算。計算將是自動的，並SharpeRatio可用於自己的計算。

  注意

  實際實現SharpeRatio 使用更通用和後來開發的 TimeReturn 分析儀

• next 方法

  SharpeRatio 不需要它，但此方法將在每次調用父策略后調用 next

• start 方法

  在回溯測試開始之前調用。可用於額外的初始化任務。夏普不需要它

• stop 方法

  在回溯測試結束后立即調用。像SharpeRatio 這樣，它可以用來完成/進行計算

• get_analysis 方法（返回字典）

  外部呼叫者可以訪問生成的分析

  返回：帶有分析的字典。

參考

backtrader類 .分析儀（）

分析器基類。所有 analyzers 都是這個的子類

Analyzer 實例在策略的框架中運行，併為該策略提供分析。

自動設定成員屬性：

• self.strategy （允許存取策略以及從中存取的任何內容）

• self.datas[x] 允許訪問系統中存在的 data feeds 數位，也可以通過策略參考訪問

• self.data，授予訪問許可權 self.datas[0]

• self.dataX -> self.datas[X]

• self.dataX_Y -> self.datas[X].lines[Y]

• self.dataX_name -> self.datas[X].name

• self.data_name -> self.datas[0].name

• self.data_Y -> self.datas[0].lines[Y]

這不是一個 Lines 物件，但方法和操作遵循相同的設計

• __init__ 在實例化和初始設置期間

• start / stop 發出操作開始和結束的信號

• prenext / nextstart / next 遵循策略中對相同方法的調用的方法系列

• notify_trade / notify_order / notify_cashvalue notify_fund 接收與策略的等效方法相同的通知

操作模式 open ，不首選任何模式。因此，分析可以通過next 調用生成，在操作期間 stop 甚至使用單個方法，例如 notify_trade

重要的是重寫get_analysis 以返回包含分析結果的類似字典的物件（實際格式取決於實現）

開始（）

調用以指示操作的開始，使分析器有時間設置所需的內容

停止（）

調用以指示操作結束，使分析器有時間關閉所需的內容

prenext（）

針對策略的每次前置點調用調用，直到達到策略的最小週期

分析器的預設行為是調用next

nextstart（）

在策略的下一個啟動調用時僅調用一次，此時首次達到最小週期

下一步（）

在策略的每次下一次調用時調用，一旦達到策略的最小值

notify_cashvalue（現金，價值）

在每個下一個週期之前收到現金/價值通知

notify_fund（現金、價值、基金價值、股份）

接收當前現金、價值、基金價值和基金份額

notify_order（訂貨）

在每個下一個週期之前接收訂單通知

notify_trade（貿易）

在每個下一個週期之前接收交易通知

get_analysis（）

返回類似 dict 的物件以及分析結果

字典中分析結果的鍵和格式取決於實現。

甚至沒有強制要求結果是一個類似字典的物件，只是約定

默認實現返回由預設方法創建的預設 create_analysis OrderedDictrets

create_analysis（）

意味著被子類覆蓋。提供創建保存分析的結構的機會。

默認行為是創建一個OrderedDict named rets

print（*args， **kwargs）

列印通過標準Writerfile物件返回get_analysis的結果，該對象預設將內容寫入標準輸出

pprint（*args， **kwargs）

列印使用漂亮的列印 Python 模組 （pprint） 傳回get_analysis 的結果

倫（）

len通過實際返回分析器操作的策略的當前長度來支援調用analyzers