本篇內(nèi)容介紹了“怎么理解Python的回測框架backtrader”的有關(guān)知識(shí)，在實(shí)際案例的操作過程中，不少人都會(huì)遇到這樣的困境，接下來就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！
backtrader屬于功能相對完善的本地版Python量化回測框架。既然業(yè)界好評(píng)如云，我們作為量化交易者理應(yīng)集所有好用的工具于一身，就讓我們來體驗(yàn)一下這個(gè)框架。
backtrader的使用方法在官方文檔上介紹的挺詳細(xì)的。大體分為兩步：
創(chuàng)建一個(gè)策略，創(chuàng)建一個(gè)策略類，這個(gè)類要繼承自backtrader.Strategy，然后就可以自定義里面的方法。策略類中有一個(gè)類屬性params，用于定義一些在策略中可調(diào)參數(shù)值backtrader.indicators內(nèi)置了許多指標(biāo)的計(jì)算方法，比如移動(dòng)平均線、MACD、RSI等等，使用時(shí)只需要實(shí)例化策略中會(huì)使用到的技術(shù)指標(biāo)即可next函數(shù)中編寫交易策略，也就是進(jìn)入市場和退出市場的邏輯
創(chuàng)建一個(gè)策略決策引擎（原文是Cerebro，這里我用決策這個(gè)詞）把定義的策略注入到?jīng)Q策引擎之中把行情數(shù)據(jù)注入到?jīng)Q策引擎之中可視化方式反饋回測結(jié)果
以上是框架中核心的部分，當(dāng)然了，其他還有很多可擴(kuò)展的功能。
backtrader的數(shù)據(jù)加載非常靈活，此處我們使用DataFrame格式數(shù)據(jù)，如下所示：
重慶分公司
重慶分公司
"""
High Low Open Close Volume OpenInterest
trade_date
2017-01-03 8.12 8.07 8.07 8.12 179801.01 0
2017-01-04 8.16 8.09 8.13 8.15 166242.35 0
2017-01-05 8.23 8.13 8.15 8.17 222902.53 0
2017-01-06 8.19 8.12 8.18 8.13 128549.96 0
2017-01-09 8.15 8.08 8.13 8.13 136700.04 0
"""
構(gòu)建策略的類是繼承backtrader.Strategy，然后根據(jù)自己的需要重寫其中的方法即可。比如__init__、log、notify_order、notify_trade、next等等。
關(guān)于策略中的指標(biāo)，backtrader內(nèi)置了很多類型，直接調(diào)用即可。比如移動(dòng)平均線：
self.sma = bt.indicators.SimpleMovingAverage(
self.datas[0], period=self.params.maperiod)
由于內(nèi)置了talib模塊，也可以這么調(diào)用：
# 內(nèi)置了talib模塊
self.sma = bt.talib.SMA(self.data,
timeperiod=self.params.maperiod)
next方法中，我們實(shí)現(xiàn)一個(gè)簡單的雙均線策略作為交易的邏輯。比如買入條件是MA5上穿MA10；賣出條件是MA10下穿MA5。
關(guān)于策略回測，把數(shù)據(jù)和策略添加到Cerebro中之外，還有設(shè)置一些參數(shù)。比如broker的設(shè)置，像初始資金、交易傭金。也可以用addsizer設(shè)定每次交易買入的股數(shù)。
回測結(jié)束后返回得到執(zhí)行交易策略時(shí)積累的總資金。此處我們回測的是新希望 2017年1月1日到2020年1月1日期間的策略執(zhí)行效果，最終資金從10000變成了15941.95。
由于backtrader內(nèi)置了Matplotlib，因此我們也可以可視化回測的效果，如下所示：
“怎么理解Python的回測框架backtrader”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識(shí)可以關(guān)注創(chuàng)新互聯(lián)-成都網(wǎng)站建設(shè)公司網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實(shí)用文章！
