Backtrader-快速开始（给策略增加逻辑）-钱多多量化小栈

本章节在策略中加入如果收盘价三连跌就让经纪人（broker）购买股票的逻辑

# -*- 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])
        # 判定当前交易日的收盘价是否小于昨日的
        if self.dataclose[0] < self.dataclose[-1]:
            # current close less than previous close（判定昨日的收盘价是否小于前日的）
            if self.dataclose[-1] < self.dataclose[-2]:
                # previous close less than the previous close
                # BUY, BUY, BUY!!! 购买动作，购买用收盘价购买
                self.log('BUY CREATE, %.2f' % self.dataclose[0])
                self.buy()
#############################################################
#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())

执行后的输出：

-----------------------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
2020-01-15, Close, 12.25
2020-01-16, Close, 12.20
2020-01-16, BUY CREATE, 12.20
...
...
2021-09-17, BUY CREATE, 9.11
2021-09-22, Close, 9.03
2021-09-22, BUY CREATE, 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
2021-09-30, BUY CREATE, 9.00

关于上面的代码，虽然给股票经纪人发出了购买的指令，但是不知道是否执行，何时执行，执行购买价格如何。同样购买多少股票，买什么股票，订单是如何执行的也没有说明。如果没有指定系统会以当前交易日的数据以下一个交易日的开盘价购买1手股票。虽然购买了，大家都知道股票交易是有佣金和印花税的，这里也没有设定任何的佣金。这个需要下一个篇文章完善。

相关推荐