网站设计和平面设计dw做企业网站

backtrader整体框架

backtrader 是一个量化回测的库，支持多品种、多策略、多周期的回测和交易。更重要的是可以集成 torch 等神经网络分析模块。

Cerebro类是 backtrader 的核心。Strategy类、Broker和Sizer类都是由Cerebro类实例化而来。

整体流程

• backtrade 自带的数据源是yahoofinance()，也可使用自己本地的 csv 文件。
• DataFeed模块会将原始数据导入到 Cerebro ，之后就可以进行矢量化操作。
• Strategy模块会根据策略将订单提交到Broker。Broker是一个抽象的交易所，里面定义了订单执行、仓位管理和交易费率等。
• Strategy模块中包括了三个模块Observer、Analyzer和Indicator。Observer负责观测市场数据。Analyzer负责分析算法产生的数据，可以看做是一个评估模块。Indicator是指标和信号模块，策略主要通过指标和信号来判断是否触发交易。
• Sizer主要负责仓位的管理。因为Strategy只负责触发交易，但不知道怎么分配仓位。Sizer就可以独立控制仓位管理。

数据流程

实操流程

安装环境

pip install backtrader matplotlib

回测示例

注意，需要准备CSV格式的个股数据。

import backtrader as bt
import pandas as pd
import matplotlib.pyplot as plt
import datetime as dt
import numpy as npclass SMAStrategy(bt.Strategy):'''自定义的策略， 需继承 bt.Strategy'''def __init__(self):self.dataclose = self.data0.closeself.order = Noneself.buyprice = Noneself.buycomm = Noneself.sma = bt.indicators.SimpleMovingAverage(self.data0, period=15)def next(self):'''一般在这里写实际的策略。这里就是收盘价上穿sma买入，反之则卖出。'''if not self.position:  # 判断是否有持仓if self.dataclose[0] > self.sma[0]:  # 判断收盘价是否上穿smaself.buy()else:if self.dataclose[0] < self.sma[0]:self.close()  # 平仓def notify_order(self, order):'''获取订单状态，这个函数一般可以通用。'''if order.status in [order.Submitted, order.Accepted]:returnif order.status in [order.Completed]:if order.isbuy():self.log('BUY EXECUTED, Price： %.2f, Cost: %.2f, Comm %.2f' %(order.executed.price,order.executed.value,order.executed.comm))self.buyprice = order.executed.priceself.buycomm = order.executed.commelse:self.log('SELL EXECUTED, Price： %.2f, Cost: %.2f, Comm %.2f' %(order.executed.price,order.executed.value,order.executed.comm))self.bar_executed = len(self)elif order.status in [order.Canceled, order.Margin, order.Rejected]:self.log('Drder Canceled / Margin / Rejected')self.order = Nonedef notify_trade(self, trade):'''追踪每笔交易的状态，这个函数一般可以通用。'''if not trade.isclosed:returnself.log('OPERATION PROFIT, GROSS %.2f, NET %.2f' %(trade.pnl, trade.pnlcomm))def log(self, txt, dt=None, doprint=False):'''保存日志'''if doprint:dt = dt or self.datas[0].datetiem.date(0)print('%s, %s' % (dt.isoformat(), txt))if __name__ == "__main__":# 实例化cerebrocerebro = bt.Cerebro()# 处理数据dataframe = pd.read_csv('TSLA.csv')dataframe['Datetime'] = pd.to_datetime(dataframe['Date'])dataframe.set_index('Datetime', inplace=True)# 加载数据源data_TSLA = bt.feeds.PandasData(dataname = dataframe,fromdate = dt.datetime(2025,1,2), todate = dt.datetime(2025,1,31))cerebro.adddata(data_TSLA)# 加载策略cerebro.addstrategy(SMAStrategy)# 加载Analyzercerebro.addanalyzer(bt.analyzers.SharpeRatio, _name="SharpeRatio")cerebro.addanalyzer(bt.analyzers.DrawDown, _name = "DrawDown")# 在Broker中设置初始资金和手续费cerebro.broker.setcash(10000.0)cerebro.broker.setcommission(commission = 0.0006)# 设置Sizercerebro.addsizer(bt.sizers.PercentSizer, percents = 90)result = cerebro.run()print("夏普比率", result[0].analyzers.SharpeRatio.get_analysis()['sharperatio'])print("最大回撤", result[0].analyzers.DrawDown.get_analysis["max"]['drawdown'])cerebro.plot()

参考：【【Backtrader教程01】Python Backtrader量化回测框架 | 代码实战教学 | 单均线回测收益率570%？】 https://www.bilibili.com/video/BV1QR4y147rS/?share_source=copy_web&vd_source=9eb6d7fad45f9fa869cd9abb34fa68ca