Backtrader-快速开始（第一个策略）

交易用的资金和历史数据已经交给经纪人（broker），还去一个策略，告诉经纪人按照策略进行交易。下面先实现一个简单的策略，让经纪人输出每天交易的收盘价

# -*- coding: utf-8 -*-
"""
backtrader手册样例代码
@author: 一块自由的砖
"""
#############################################################
#import
#############################################################
from __future__ import (absolute_import, division, print_function,
                        unicode_literals)
import os,sys
import pandas as pd
import backtrader as bt
#############################################################
#global const values
#############################################################
#############################################################
#static function
#############################################################
#############################################################
#class
#############################################################
# Create a Stratey
class TestStrategy(bt.Strategy):
    def log(self, txt, dt=None):
        ''' Logging function for this strategy，这里定义日志的显示格式'''
        dt = dt or self.datas[0].datetime.date(0)
        print('%s, %s' % (dt.isoformat(), txt))

    def __init__(self):
        # Keep a reference to the "close" line in the data[0] dataseries（获取收盘价）
        self.dataclose = self.datas[0].close

    def next(self):
        # Simply log the closing price of the series from the reference（调用日志方法，显示收盘价）
        self.log('Close, %.2f' % self.dataclose[0])
#############################################################
#global values
#############################################################
#############################################################
#global function
#############################################################
# 通过读取cvs文件，获取想要的数据
def get_dataframe():
    # Get a pandas dataframe（这里是股票数据文件放的目录路径）
    datapath = 'qtbt\data\stockinfo.csv'
    # 数据转换用临时文件路径和名称，用完后删除
    tmpdatapath = datapath + '.tmp'
    print('-----------------------read csv---------------------------')
    dataframe = pd.read_csv(datapath,
                                skiprows=0,
                                header=0,
                                parse_dates=True,
                                index_col=0)
    # 定义交易日期格式
    dataframe.trade_date =  pd.to_datetime(dataframe.trade_date, format="%Y%m%d")
    # 原始cvs数据有很多列，这里组织需要使用的数据列，生成目标数据的tmp数据文件后，读取需要的数据
    dataframe['openinterest'] = '0'
    feedsdf = dataframe[['trade_date', 'open', 'high', 'low', 'close', 'vol', 'openinterest']]
    feedsdf.columns =['datetime', 'open', 'high', 'low', 'close', 'volume', 'openinterest']
    # 按照交易日期升序排列
    feedsdf.set_index(keys='datetime', inplace =True)
    # 生成临时文件
    feedsdf.iloc[::-1].to_csv(tmpdatapath)
    # 获取需要使用的数据
    feedsdf = pd.read_csv(tmpdatapath, skiprows=0, header=0, parse_dates=True, index_col=0)
    # 删除tmp临时文件
    if os.path.isfile(tmpdatapath):
        os.remove(tmpdatapath)
        print(tmpdatapath+" removed!")
    # 返回需要的数据
    return feedsdf
########################################################################
#main
########################################################################
if __name__ == '__main__':
    # Create a cerebro entity(创建cerebro)
    cerebro = bt.Cerebro()
    # Add a strategy(加入自定义策略,可以设置自定义参数，方便调节)
    cerebro.addstrategy(TestStrategy)
    # Get a pandas dataframe(获取dataframe格式股票数据)
    feedsdf = get_dataframe()
    # Pass it to the backtrader datafeed and add it to the cerebro(加入数据)
    data = bt.feeds.PandasData(dataname=feedsdf)
    # 加入数据到Cerebro
    cerebro.adddata(data)
    # Add a FixedSize sizer according to the stake(国内1手是100股，最小的交易单位)
    cerebro.addsizer(bt.sizers.FixedSize, stake=100)
    # Set our desired cash start(给经纪人，可以理解为交易所股票账户充钱)
    cerebro.broker.setcash(100000.0)
    # Print out the starting conditions(输出账户金额)
    print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())
    # Run over everything(执行回测)
    cerebro.run()
    # Print out the final result(输出账户金额)
    print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())

脚本执行后输入如下：

-----------------------read csv---------------------------
qtbt\data\stockinfo.csv.tmp removed!
Starting Portfolio Value: 100000.00
2020-01-02, Close, 12.47
2020-01-03, Close, 12.60
2020-01-06, Close, 12.46
2020-01-07, Close, 12.50
2020-01-08, Close, 12.32
2020-01-09, Close, 12.37
2020-01-10, Close, 12.39
2020-01-13, Close, 12.41
2020-01-14, Close, 12.43
...
...
2021-09-13, Close, 9.39
2021-09-14, Close, 9.21
2021-09-15, Close, 9.19
2021-09-16, Close, 9.12
2021-09-17, Close, 9.11
2021-09-22, Close, 9.03
2021-09-23, Close, 9.03
2021-09-24, Close, 9.02
2021-09-27, Close, 9.02
2021-09-28, Close, 9.03
2021-09-29, Close, 9.02
2021-09-30, Close, 9.00
Final Portfolio Value: 100000.00

对上面 TestStrategy 的源码做一些说明：

1 在调用 TestStrategy 的 __init__ 时如果没有特别指定参数，就已经加载所有需要分析的数据

2 数据的组织格式为标准的python List结构，可以按照交易日顺序逐个放入到策略对象中访问

3 self.datas[0]是当前交易日访问数据列表中的第一个数据，也是交易操作的默认数据

4 self.dataclose=self.datas[0].close 直接读取数据行中的收盘价，保存在 dataclose 成员变量中，方便以后访问

5 TestStrategy 的next方法获取当前交易日的数据（self.datas[0]）。在这个方法中主要实现各种逻辑和指标的实现