當前位置：首頁 > news >正文

設計師可以做兼職的網(wǎng)站/馮耀宗seo

news 2025/7/1 4:54:57

設計師可以做兼職的網(wǎng)站,馮耀宗seo,通遼網(wǎng)站建設公司,wordpress 加入搜索本文檔參考backtrader官方文檔，是官方文檔的完整中文翻譯，可作為backtrader中文教程、backtrader中文參考手冊、backtrader中文開發(fā)手冊、backtrader入門資料使用。快速入門章節(jié)目錄快速入門使用平臺從0到100：一步一步的演示基本設置設置現(xiàn)…

本文檔參考backtrader官方文檔，是官方文檔的完整中文翻譯，可作為backtrader中文教程、backtrader中文參考手冊、backtrader中文開發(fā)手冊、backtrader入門資料使用。

快速入門章節(jié)目錄

快速入門
- 使用平臺
- 從0到100：一步一步的演示
- - 基本設置
  - 設置現(xiàn)金
  - 添加一個數(shù)據(jù)源
  - 我們的第一個策略
  - 給策略添加執(zhí)行邏輯
  - 不僅要買...還要賣
  - 券商說:打錢!
  - 自定義策略：參數(shù)
  - 添加指標
  - 可視化檢查：繪圖
  - 讓我們優(yōu)化
  - 結論

快速入門

使用平臺

讓我們通過一系列的示例（從幾乎空白到完全成熟的策略）來運行，但在此之前，讓我們大致解釋一下使用backtrader時的兩個基本概念。

Lines線

數(shù)據(jù)源、指標和策略都有線。

一條線是一系列點的連續(xù)性，這些點連接在一起形成這條線。當談論市場時，數(shù)據(jù)源通常每天有以下一組點：
- Open, High, Low, Close, Volume, OpenInterest （開盤價、最高價、最低價、收盤價、成交量、持倉量）
時間序列中的開盤價是一條線。因此，數(shù)據(jù)源通常有6條線。

如果我們還考慮DateTime（這是單個點的實際參考），我們可以計算出7條線。
索引0的用法

在訪問線中的值時，使用索引：0訪問當前值

last輸出值使用*-1訪問。這符合Python可迭代對象的慣例（線可以迭代，因此是可迭代的），其中索引-1*用于訪問可迭代/數(shù)組的last項。

在我們的情況下，訪問的是最后一個輸出值。

因此，索引0緊隨*-1*之后，用于訪問線中的當前時刻。

有了這個想法，如果我們想在初始化期間創(chuàng)建一個簡單移動平均線的策略：

    self.sma = SimpleMovingAverage(.....)

訪問此移動平均線的當前值的最簡單和最簡單的方法是：

    av = self.sma[0]

無需知道已處理了多少個bar/分鐘/天/月，因為0是當前時刻的唯一標識。

按照Python的傳統(tǒng)，使用*-1*訪問last輸出值：

    previous_value = self.sma[-1]

當然，可以使用-2、-3等訪問早期的輸出值。

從0到100：一步一步的演示

基本設置

讓我們開始吧。

from __future__ import (absolute_import, division, print_function,unicode_literals)
# 導入Backtrader
import backtrader as btif __name__ == '__main__':# 創(chuàng)建一個Cerebro引擎實例cerebro = bt.Cerebro()# 打印初始資金print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())# 執(zhí)行回測cerebro.run()# 打印最終資金print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())

上面示例代碼實現(xiàn)（雖然什么也沒做，但是流程走完了）：

導入Backtrader
實例化Cerebro引擎
打印初始資金
執(zhí)行回測
打印最終資金

代碼的執(zhí)行結果(小白注意不用拷貝執(zhí)行，這是運行后得到的內(nèi)容）：

Starting Portfolio Value: 10000.00
Final Portfolio Value: 10000.00

在這個例子中：

導入了backtrader
實例化了Cerebro引擎
生成的cerebro實例被告知run（循環(huán)數(shù)據(jù)）
并打印出了結果

雖然看起來不起眼，但讓我們明確指出一些東西：

Cerebro引擎在后臺創(chuàng)建了一個broker實例
該實例已經(jīng)有一些現(xiàn)金可以開始交易

這種幕后經(jīng)紀人實例化是平臺中的一個常見特征，以簡化用戶的生活。如果用戶沒有設置經(jīng)紀人，則會放置一個默認經(jīng)紀人。

而10K的測試貨幣量是回測常用的一個貨幣價值。

設置現(xiàn)金

在金融世界中，只有輸家才從10k開始。讓我們改變現(xiàn)金并再次運行示例。

from __future__ import (absolute_import, division, print_function,unicode_literals)import backtrader as btif __name__ == '__main__':cerebro = bt.Cerebro()cerebro.broker.setcash(100000.0)print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())cerebro.run()print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())

執(zhí)行后的輸出為:

  Starting Portfolio Value: 1000000.00Final Portfolio Value: 1000000.00

本節(jié)任務完成，讓我們提升任務的難度。

添加一個數(shù)據(jù)源

有現(xiàn)金很有趣，但所有這一切的目的是讓策略在我們提供的數(shù)據(jù)源資產(chǎn)上自動操作，而不需要動手。

因此…沒有數(shù)據(jù)源->沒有樂趣。讓我們將其添加到不斷增長的示例中。

from __future__ import (absolute_import, division, print_function,unicode_literals)import datetime  # 用于日期時間對象
import os.path  # 用于管理路徑
import sys  # 用于查找腳本名稱（在argv [0]中）# 導入backtrader平臺
import backtrader as btif __name__ == '__main__':# 創(chuàng)建cerebro實體cerebro = bt.Cerebro()# 數(shù)據(jù)在樣本的子文件夾中。需要找到腳本所在的位置# 因為它可以從任何地方調(diào)用modpath = os.path.dirname(os.path.abspath(sys.argv[0]))datapath = os.path.join(modpath, '../datas/orcl-1995-2014.txt')# 創(chuàng)建數(shù)據(jù)源data = bt.feeds.YahooFinanceCSVData(dataname=datapath,# 不傳遞此日期之前的值fromdate=datetime.datetime(2000, 1, 1),# 不傳遞此日期之后的值todate=datetime.datetime(2000, 12, 31),reverse=False)# 將數(shù)據(jù)源添加到Cerebrocerebro.adddata(data)# 設置我們所需的現(xiàn)金起始值cerebro.broker.setcash(100000.0)# 打印出起始條件print('起始投資組合價值：%.2f' % cerebro.broker.getvalue())# 運行所有cerebro.run()# 打印出最終結果print('最終投資組合價值：%.2f' % cerebro.broker.getvalue())

執(zhí)行后的輸出為:

起始投資組合價值：100000.00
最終投資組合價值：100000.00

模板代碼的數(shù)量略有增加，因為我們添加了：

找出我們的示例腳本所在的位置，以便能夠定位示例數(shù)據(jù)源文件
有datetime對象以過濾我們將要操作的數(shù)據(jù)源中的數(shù)據(jù)

除此之外，Data Feed被創(chuàng)建并添加到cerebro中。

輸出沒有改變，如果它改變了，那將是一個奇跡。

注意：Yahoo Online以日期降序發(fā)送CSV數(shù)據(jù)，這不是標準約定。reversed=True參數(shù)考慮到CSV數(shù)據(jù)在文件中已經(jīng)被反轉并具有標準預期的日期升序。

我們的第一個策略

現(xiàn)金在broker中，Data Feed也在那里。我們馬上就可以跑生意了。

讓我們將策略放入方程式中，并打印每天（bar）的Close價格。

DataSeries（Data Feeds中的基礎類）對象具有訪問眾所周知的OHLC（Open High Low Close）每日值的別名。這應該簡化我們的打印邏輯的創(chuàng)建。

# 導入所需模塊
from __future__ import (absolute_import, division, print_function, unicode_literals)
import datetime  # 日期時間模塊
import os.path  # 路徑模塊
import sys  # 系統(tǒng)模塊# 導入backtrader平臺
import backtrader as bt# 創(chuàng)建策略
class TestStrategy(bt.Strategy):def log(self, txt, dt=None):''' 日志函數(shù) '''dt = dt or self.datas[0].datetime.date(0)print('%s, %s' % (dt.isoformat(), txt))def __init__(self):# 保留對數(shù)據(jù)序列中`close`線的引用self.dataclose = self.datas[0].closedef next(self):# 記錄數(shù)據(jù)序列的收盤價self.log('收盤價, %.2f' % self.dataclose[0])if __name__ == '__main__':# 創(chuàng)建cerebro實體cerebro = bt.Cerebro()# 添加策略cerebro.addstrategy(TestStrategy)# 數(shù)據(jù)在樣本的子文件夾中。需要找到腳本所在的位置，因為它可以從任何地方調(diào)用modpath = os.path.dirname(os.path.abspath(sys.argv[0]))datapath = os.path.join(modpath, '../datas/orcl-1995-2014.txt')# 創(chuàng)建數(shù)據(jù)源data = bt.feeds.YahooFinanceCSVData(dataname=datapath,# 不傳遞此日期之前的值fromdate=datetime.datetime(2000, 1, 1),# 不傳遞此日期之前的值todate=datetime.datetime(2000, 12, 31),reverse=False)# 將數(shù)據(jù)源添加到Cerebrocerebro.adddata(data)# 設置初始資金cerebro.broker.setcash(100000.0)# 打印初始條件print('初始資產(chǎn)價值: %.2f' % cerebro.broker.getvalue())# 運行策略cerebro.run()# 打印最終結果print('最終資產(chǎn)價值: %.2f' % cerebro.broker.getvalue())

執(zhí)行后的輸出為::

初始資產(chǎn)價值: 100000.00
2000-01-03, 收盤價, 26.27
2000-01-04, 收盤價, 23.95.........
2000-12-28, 收盤價, 27.63
2000-12-29, 收盤價, 25.85
最終資產(chǎn)價值: 100000.00

有人說股票市場是冒險的生意，但似乎并非如此。

讓我們解釋一些神奇的事：

在調(diào)用__init__時，策略已經(jīng)有了一個存在于平臺中的數(shù)據(jù)列表

這是一個標準的Python的list，可以按照它們插入的順序訪問數(shù)據(jù)。

列表中的第一個數(shù)據(jù)self.datas[0]是用于交易操作的默認數(shù)據(jù)，并且為了保持所有策略元素同步（它是系統(tǒng)時鐘）
self.dataclose = self.datas[0].close保留對close line的引用。只需要一個間接級別即可訪問關閉值。
策略next方法將在系統(tǒng)時鐘（self.datas[0]）的每個柱上調(diào)用。這是真實的，直到其他事情進入比如indicators，它需要一些柱才能開始產(chǎn)生輸出。稍后再說。

給策略添加執(zhí)行邏輯

讓我們嘗試一些瘋狂的想法，通過查看一些圖表

如果價格連續(xù)下跌3個會話… 買買買!!!

from __future__ import (absolute_import, division, print_function,unicode_literals)import datetime  # 導入日期時間庫
import os.path  # 導入路徑管理庫
import sys  # 導入系統(tǒng)庫# 導入backtrader平臺
import backtrader as bt# 創(chuàng)建策略
class TestStrategy(bt.Strategy):def log(self, txt, dt=None):''' 日志記錄函數(shù)'''dt = dt or self.datas[0].datetime.date(0)print('%s, %s' % (dt.isoformat(), txt))def __init__(self):# 保留對數(shù)據(jù)序列中`close`線的引用self.dataclose = self.datas[0].closedef next(self):# 記錄數(shù)據(jù)序列的收盤價self.log('Close, %.2f' % self.dataclose[0])if self.dataclose[0] < self.dataclose[-1]:# 當前收盤價小于前一個收盤價if self.dataclose[-1] < self.dataclose[-2]:# 前一個收盤價小于前一個收盤價# 買入self.log('BUY CREATE, %.2f' % self.dataclose[0])self.buy()if __name__ == '__main__':# 創(chuàng)建cerebro實體cerebro = bt.Cerebro()# 添加策略cerebro.addstrategy(TestStrategy)# 數(shù)據(jù)在樣本的子文件夾中。需要找到腳本所在的位置# 因為它可以從任何地方調(diào)用modpath = os.path.dirname(os.path.abspath(sys.argv[0]))datapath = os.path.join(modpath, '../datas/orcl-1995-2014.txt')# 創(chuàng)建數(shù)據(jù)源data = bt.feeds.YahooFinanceCSVData(dataname=datapath,# 不要傳遞此日期之前的值fromdate=datetime.datetime(2000, 1, 1),# 不要傳遞此日期之前的值todate=datetime.datetime(2000, 12, 31),# 不要傳遞此日期之后的值reverse=False)# 將數(shù)據(jù)源添加到Cerebrocerebro.adddata(data)# 設置我們的期望現(xiàn)金起始值cerebro.broker.setcash(100000.0)# 打印出起始條件print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())# 運行策略cerebro.run()# 打印出最終結果print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())

執(zhí)行后的輸出為：

Starting Portfolio Value: 100000.00
2000-01-03, Close, 26.27
2000-01-04, Close, 23.95
2000-01-05, Close, 22.68
2000-01-05, BUY CREATE, 22.68
2000-01-06, Close, 21.35
2000-01-06, BUY CREATE, 21.35
...
...
...
2000-12-20, BUY CREATE, 25.35
2000-12-21, Close, 26.24
2000-12-22, Close, 28.35
2000-12-26, Close, 27.52
2000-12-27, Close, 27.30
2000-12-27, BUY CREATE, 27.30
2000-12-28, Close, 27.63
2000-12-29, Close, 25.85
Final Portfolio Value: 99740.45

發(fā)出了幾個買入訂單，我們的組合價值減少了。顯然缺少了一些重要的事情。

訂單已創(chuàng)建，但不知道是否執(zhí)行，何時執(zhí)行以及以什么價格執(zhí)行。

下一個示例將在此基礎上構建，通過監(jiān)聽訂單狀態(tài)的通知來解決這個問題。

好奇的讀者可能會問買了多少股票，買了哪些資產(chǎn)以及如何執(zhí)行訂單。在可能的情況下（在這種情況下），平臺填補了這些空白：

self.datas[0]（主數(shù)據(jù)，即系統(tǒng)時鐘）是操作買賣的目標資產(chǎn)，如果沒有指定其他資產(chǎn)的話（即默認操作datas[0])
買賣股份數(shù)量由position sizer在幕后提供，使用固定股份，即默認值1。它將在稍后的示例中進行修改
訂單是市價執(zhí)行的。經(jīng)紀人（在前面的示例中顯示）使用下一個條的開盤價執(zhí)行此操作，因為那是當前正在檢查的條下一個tick。
訂單迄今為止沒有任何傭金（稍后會詳細介紹）

不僅要買…還要賣

在了解如何進入市場（多頭）之后，需要一個退出概念，即給策略添加從市場退出的邏輯（賣股）。

幸運的是，Strategy對象提供了對默認數(shù)據(jù)源的position屬性的訪問
方法buy和sell返回已創(chuàng)建（尚未執(zhí)行）的訂單
訂單狀態(tài)的更改將通過notify方法通知策略

退出概念將是一個簡單的概念：

在5個bar（第6個bar）之后退出，無論好壞

請注意，1個bar的bar可以表示1分鐘，1小時，1天，1周或其他任何長度的時間單位。

盡管我們知道數(shù)據(jù)源是每日的，但策略不會對此做出任何假設。

此外，為了簡化：

僅在尚未進入市場時才允許購買訂單

注意：next方法沒有傳遞bar索引，因此似乎不清楚如何理解何時可能已經(jīng)過去了5個bar，但是這已經(jīng)以pythonic的方式建模：在對象上調(diào)用len，它將告訴您其lines的長度。
只需在操作中記錄（保存在變量中）已經(jīng)迭代過的bar的長度，然后查看當前長度是否相距5個bar。

from __future__ import (absolute_import, division, print_function,unicode_literals)import datetime  # 導入datetime模塊
import os.path  # 導入os.path模塊
import sys  # 導入sys模塊# 導入backtrader平臺
import backtrader as bt# 創(chuàng)建策略
class TestStrategy(bt.Strategy):def log(self, txt, dt=None):''' 日志記錄函數(shù)'''dt = dt or self.datas[0].datetime.date(0)print('%s, %s' % (dt.isoformat(), txt))def __init__(self):# 保留對數(shù)據(jù)序列中`close`線的引用self.dataclose = self.datas[0].close# 跟蹤待處理訂單self.order = Nonedef notify_order(self, order):if order.status in [order.Submitted, order.Accepted]:# 買入/賣出訂單已提交/已接受 - 無需操作return# 檢查訂單是否已完成# 注意：如果現(xiàn)金不足，經(jīng)紀人可能會拒絕訂單if order.status in [order.Completed]:if order.isbuy():self.log('買入已執(zhí)行, %.2f' % order.executed.price)elif order.issell():self.log('賣出已執(zhí)行, %.2f' % order.executed.price)self.bar_executed = len(self)elif order.status in [order.Canceled, order.Margin, order.Rejected]:self.log('訂單已取消/保證金不足/拒絕')# 記錄：沒有待處理訂單self.order = Nonedef next(self):# 僅記錄參考系列的收盤價self.log('Close, %.2f' % self.dataclose[0])# 檢查是否有待處理訂單...如果有，我們不能發(fā)送第二個訂單if self.order:return# 檢查是否在市場中if not self.position:# 還沒有...如果...if self.dataclose[0] < self.dataclose[-1]:# 當前收盤價小于前一個收盤價if self.dataclose[-1] < self.dataclose[-2]:# 前一個收盤價小于前一個收盤價# 買入self.log('買入創(chuàng)建, %.2f' % self.dataclose[0])# 記錄已創(chuàng)建的訂單，以避免產(chǎn)生第二個訂單self.order = self.buy()else:# 已經(jīng)在市場中...我們可能會賣出if len(self) >= (self.bar_executed + 5):# 賣出self.log('賣出創(chuàng)建, %.2f' % self.dataclose[0])# 記錄已創(chuàng)建的訂單，以避免第二個訂單self.order = self.sell()if __name__ == '__main__':# 創(chuàng)建cerebro實體cerebro = bt.Cerebro()# 添加策略cerebro.addstrategy(TestStrategy)# 數(shù)據(jù)在樣本的子文件夾中。需要找到腳本所在的位置# 因為它可以從任何地方調(diào)用modpath = os.path.dirname(os.path.abspath(sys.argv[0]))datapath = os.path.join(modpath, '../datas/orcl-1995-2014.txt')# 創(chuàng)建數(shù)據(jù)源data = bt.feeds.YahooFinanceCSVData(dataname=datapath,# 不要傳遞此日期之前的值fromdate=datetime.datetime(2000, 1, 1),# 不傳遞此日期之后的值todate=datetime.datetime(2000, 12, 31),reverse=False)# 將數(shù)據(jù)源添加到Cerebrocerebro.adddata(data)# 設置我們的期望現(xiàn)金起始值cerebro.broker.setcash(100000.0)# 打印出起始條件print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())# 運行整個策略cerebro.run()# 打印出最終結果print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())

執(zhí)行后的輸出為(打印日志是源文檔未翻譯，但代碼中打印內(nèi)容已翻譯）：

Starting Portfolio Value: 100000.00
2000-01-03, Close, 26.27
2000-01-04, Close, 23.95
2000-01-05, Close, 22.68
2000-01-05, 買入創(chuàng)建, 22.68
2000-01-06, 買入已執(zhí)行, 22.27
...
...
2000-12-20, Close, 25.35
2000-12-20, 買入創(chuàng)建, 25.35
2000-12-21, 買入已執(zhí)行, 24.74
2000-12-21, Close, 26.24
...
2000-12-28, Close, 27.63
2000-12-29, Close, 25.85
2000-12-29, 賣出創(chuàng)建, 25.85
Final Portfolio Value: 100017.52

系統(tǒng)賺了錢…一定有什么問題

券商說:打錢!

這筆錢叫做傭金。

讓我們?yōu)槊看尾僮?#xff08;買入和賣出）添加合理的*0.1%*傭金率（是的，經(jīng)紀人很貪婪……）

只需要一行代碼：

# 0.1% ... divide by 100 to remove the %
cerebro.broker.setcommission(commission=0.001)

熟悉平臺后，我們想在買賣周期之后查看有無傭金的利潤或損失。

from __future__ import (absolute_import, division, print_function,unicode_literals)import datetime  # For datetime objects
import os.path  # To manage paths
import sys  # To find out the script name (in argv[0])# Import the backtrader platform
import backtrader as bt# Create a Stratey
class TestStrategy(bt.Strategy):def log(self, txt, dt=None):''' Logging function fot this strategy'''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] dataseriesself.dataclose = self.datas[0].close# To keep track of pending orders and buy price/commissionself.order = Noneself.buyprice = Noneself.buycomm = Nonedef notify_order(self, order):if order.status in [order.Submitted, order.Accepted]:# Buy/Sell order submitted/accepted to/by broker - Nothing to doreturn# Check if an order has been completed# Attention: broker could reject order if not enough cashif 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:  # Sellself.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('Order Canceled/Margin/Rejected')self.order = Nonedef notify_trade(self, trade):if not trade.isclosed:returnself.log('OPERATION PROFIT, GROSS %.2f, NET %.2f' %(trade.pnl, trade.pnlcomm))def next(self):# Simply log the closing price of the series from the referenceself.log('Close, %.2f' % self.dataclose[0])# Check if an order is pending ... if yes, we cannot send a 2nd oneif self.order:return# Check if we are in the marketif not self.position:# Not yet ... we MIGHT BUY if ...if self.dataclose[0] < self.dataclose[-1]:# current close less than previous closeif self.dataclose[-1] < self.dataclose[-2]:# previous close less than the previous close# BUY, BUY, BUY!!! (with default parameters)self.log('BUY CREATE, %.2f' % self.dataclose[0])# Keep track of the created order to avoid a 2nd orderself.order = self.buy()else:# Already in the market ... we might sellif len(self) >= (self.bar_executed + 5):# SELL, SELL, SELL!!! (with all possible default parameters)self.log('SELL CREATE, %.2f' % self.dataclose[0])# Keep track of the created order to avoid a 2nd orderself.order = self.sell()if __name__ == '__main__':# Create a cerebro entitycerebro = bt.Cerebro()# Add a strategycerebro.addstrategy(TestStrategy)# Datas are in a subfolder of the samples. Need to find where the script is# because it could have been called from anywheremodpath = os.path.dirname(os.path.abspath(sys.argv[0]))datapath = os.path.join(modpath, '../datas/orcl-1995-2014.txt')# Create a Data Feeddata = bt.feeds.YahooFinanceCSVData(dataname=datapath,# Do not pass values before this datefromdate=datetime.datetime(2000, 1, 1),# Do not pass values before this datetodate=datetime.datetime(2000, 12, 31),# Do not pass values after this datereverse=False)# Add the Data Feed to Cerebrocerebro.adddata(data)# Set our desired cash startcerebro.broker.setcash(100000.0)# Set the commission - 0.1% ... divide by 100 to remove the %cerebro.broker.setcommission(commission=0.001)# Print out the starting conditionsprint('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())# Run over everythingcerebro.run()# Print out the final resultprint('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())

執(zhí)行后的輸出為：

Starting Portfolio Value: 100000.00
2000-01-03, Close, 26.27
2000-01-04, Close, 23.95
2000-01-05, Close, 22.68
2000-01-05, BUY CREATE, 22.68
2000-01-06, BUY EXECUTED, Price: 22.27, Cost: 22.27, Comm 0.02
...
...
...
2000-12-21, BUY EXECUTED, Price: 24.74, Cost: 24.74, Comm 0.02
2000-12-21, Close, 26.24
2000-12-22, Close, 28.35
2000-12-26, Close, 27.52
2000-12-27, Close, 27.30
2000-12-28, Close, 27.63
2000-12-29, Close, 25.85
2000-12-29, SELL CREATE, 25.85
Final Portfolio Value: 100016.06

上帝保佑！系統(tǒng)仍然賺了錢。

在繼續(xù)之前，讓我們通過過濾OPERATION PROFIT行來注意一些事情：

2000-01-14, OPERATION PROFIT, GROSS 1.97, NET 1.92
2000-02-07, OPERATION PROFIT, GROSS 3.48, NET 3.43
2000-02-28, OPERATION PROFIT, GROSS 4.23, NET 4.17
2000-03-13, OPERATION PROFIT, GROSS 3.28, NET 3.21
2000-03-22, OPERATION PROFIT, GROSS -0.39, NET -0.46
2000-04-07, OPERATION PROFIT, GROSS 2.31, NET 2.24
2000-04-20, OPERATION PROFIT, GROSS -1.83, NET -1.90
2000-05-02, OPERATION PROFIT, GROSS 5.15, NET 5.08
2000-05-11, OPERATION PROFIT, GROSS -3.53, NET -3.59
2000-05-30, OPERATION PROFIT, GROSS -1.39, NET -1.45
2000-07-05, OPERATION PROFIT, GROSS -1.53, NET -1.60
2000-07-14, OPERATION PROFIT, GROSS 1.97, NET 1.90
2000-07-28, OPERATION PROFIT, GROSS 0.14, NET 0.07
2000-08-08, OPERATION PROFIT, GROSS 4.11, NET 4.04
2000-08-21, OPERATION PROFIT, GROSS 0.97, NET 0.90
2000-09-15, OPERATION PROFIT, GROSS -4.00, NET -4.08
2000-09-27, OPERATION PROFIT, GROSS 1.22, NET 1.15
2000-10-13, OPERATION PROFIT, GROSS -2.81, NET -2.87
2000-10-26, OPERATION PROFIT, GROSS 2.84, NET 2.78
2000-11-06, OPERATION PROFIT, GROSS -3.39, NET -3.45
2000-11-16, OPERATION PROFIT, GROSS 1.22, NET 1.17
2000-12-01, OPERATION PROFIT, GROSS 2.45, NET 2.41
2000-12-18, OPERATION PROFIT, GROSS -0.06, NET -0.11

將凈利潤相加，最終數(shù)字為：

15.83（備注原文數(shù)字，實際執(zhí)行代碼結果和文檔有差異，此處示意）

但系統(tǒng)在最后說了以下內(nèi)容：

2000-12-29, SELL CREATE, 25.85
Final Portfolio Value: 100016.06

顯然，15.83不是16.06。沒有任何錯誤。15.83的凈利潤已經(jīng)到手了。

不幸的是（或者幸運的是，為了更好地理解平臺），在數(shù)據(jù)源最后一天有一個未平倉頭寸。即使已經(jīng)發(fā)送了SELL操作……它還沒有被執(zhí)行。

經(jīng)紀人計算的最終組合價值考慮了2000-12-29的收盤價格。實際執(zhí)行價格將在下一個交易日（即2001-1-3）設置。將數(shù)據(jù)源擴展到考慮這一天后，輸出為：

2000-12-29, SELL CREATE, 25.85
2001-01-02, SELL EXECUTED, Price: 26.30, Cost: 24.74, Comm 0.03
2001-01-02, OPERATION PROFIT, GROSS 1.56, NET 1.51
2001-01-02, Close, 23.46
2001-01-02, BUY CREATE, 23.46
Final Portfolio Value: 100016.48

現(xiàn)在將前面的凈利潤添加到已完成操作的凈利潤中：

15.83 + 1.59 = 17.42（備注原文數(shù)字，實際執(zhí)行代碼結果和文檔有差異，此處示意）

（忽略print語句中的舍入誤差），這是初始100000貨幣單位以上的額外組合。

自定義策略：參數(shù)

在策略中硬編碼一些值并沒有什么實際意義，而且很難輕松更改它們。參數(shù)很有用。

定義參數(shù)很容易，看起來像這樣：

params = (('myparam', 27), ('exitbars', 5),)

這是一個標準的Python元組，里面有一些元組，以下可能更吸引人：

params = (('myparam', 27),('exitbars', 5),
)

無論哪種格式化策略都允許在將策略添加到Cerebro引擎時進行參數(shù)化：

# Add a strategy
cerebro.addstrategy(TestStrategy, myparam=20, exitbars=7)

注意：下面的setsizing方法已棄用。這個內(nèi)容是為了讓任何人查看舊的源代碼示例而保留的。源代碼已經(jīng)更新為使用：

# 已經(jīng)棄用
cerebro.addsizer(bt.sizers.FixedSize, stake=10)``

可以閱讀sizers相關章節(jié)查看更多。

在策略中使用參數(shù)很容易，因為它們存儲在params屬性中。如果我們例如想要設置固定的股份，我們可以在__init__期間將股份參數(shù)傳遞給position sizer：

# Set the sizer stake from the params
self.sizer.setsizing(self.params.stake)

我們也可以使用stake參數(shù)和self.params.stake作為值來調(diào)用buy和sell。

退出邏輯被修改：

# Already in the market ... we might sell
if len(self) >= (self.bar_executed + self.params.exitbars):

考慮到所有這些，示例的演變?nèi)缦?#xff1a;

from __future__ import (absolute_import, division, print_function,unicode_literals)import datetime  # For datetime objects
import os.path  # To manage paths
import sys  # To find out the script name (in argv[0])# Import the backtrader platform
import backtrader as bt# Create a Stratey
class TestStrategy(bt.Strategy):params = (('exitbars', 5),)def log(self, txt, dt=None):''' Logging function fot this strategy'''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] dataseriesself.dataclose = self.datas[0].close# To keep track of pending orders and buy price/commissionself.order = Noneself.buyprice = Noneself.buycomm = Nonedef notify_order(self, order):if order.status in [order.Submitted, order.Accepted]:# Buy/Sell order submitted/accepted to/by broker - Nothing to doreturn# Check if an order has been completed# Attention: broker could reject order if not enough cashif 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:  # Sellself.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('Order Canceled/Margin/Rejected')self.order = Nonedef notify_trade(self, trade):if not trade.isclosed:returnself.log('OPERATION PROFIT, GROSS %.2f, NET %.2f' %(trade.pnl, trade.pnlcomm))def next(self):# Simply log the closing price of the series from the referenceself.log('Close, %.2f' % self.dataclose[0])# Check if an order is pending ... if yes, we cannot send a 2nd oneif self.order:return# Check if we are in the marketif not self.position:# Not yet ... we MIGHT BUY if ...if self.dataclose[0] < self.dataclose[-1]:# current close less than previous closeif self.dataclose[-1] < self.dataclose[-2]:# previous close less than the previous close# BUY, BUY, BUY!!! (with default parameters)self.log('BUY CREATE, %.2f' % self.dataclose[0])# Keep track of the created order to avoid a 2nd orderself.order = self.buy()else:# Already in the market ... we might sellif len(self) >= (self.bar_executed + self.params.exitbars):# SELL, SELL, SELL!!! (with all possible default parameters)self.log('SELL CREATE, %.2f' % self.dataclose[0])# Keep track of the created order to avoid a 2nd orderself.order = self.sell()if __name__ == '__main__':# Create a cerebro entitycerebro = bt.Cerebro()# Add a strategycerebro.addstrategy(TestStrategy)# Datas are in a subfolder of the samples. Need to find where the script is# because it could have been called from anywheremodpath = os.path.dirname(os.path.abspath(sys.argv[0]))datapath = os.path.join(modpath, '../datas/orcl-1995-2014.txt')# Create a Data Feeddata = bt.feeds.YahooFinanceCSVData(dataname=datapath,# Do not pass values before this datefromdate=datetime.datetime(2000, 1, 1),# Do not pass values before this datetodate=datetime.datetime(2000, 12, 31),# Do not pass values after this datereverse=False)# Add the Data Feed to Cerebrocerebro.adddata(data)# Set our desired cash startcerebro.broker.setcash(100000.0)# Add a FixedSize sizer according to the stakecerebro.addsizer(bt.sizers.FixedSize, stake=10)# Set the commission - 0.1% ... divide by 100 to remove the %cerebro.broker.setcommission(commission=0.001)# Print out the starting conditionsprint('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())# Run over everythingcerebro.run()# Print out the final resultprint('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())

執(zhí)行后的輸出為：

Starting Portfolio Value: 100000.00
2000-01-03, Close, 26.27
2000-01-04, Close, 23.95
2000-01-05, Close, 22.68
2000-01-05, BUY CREATE, 22.68
2000-01-06, BUY EXECUTED, Price: 22.27, Cost: 222.70, Comm 0.22
...
...
...
2000-12-28, Close, 27.63
2000-12-29, Close, 25.85
2000-12-29, SELL CREATE, 25.85
Final Portfolio Value: 100160.58

為了看到差異，打印輸出也已擴展以顯示執(zhí)行大小。

將股份乘以10后，顯然發(fā)生了以下情況：利潤和損失乘以10。而不是16.58，剩余現(xiàn)金現(xiàn)在是165.80。

添加指標

指標可以簡單理解為：用于衡量市場趨勢和價格變化的工具。指標可以是基于價格、成交量或其他市場數(shù)據(jù)的計算結果。

聽說過指標后，下一步任何人都會添加一個指標到策略中。毫無疑問，它們一定比簡單的*3個較低的收盤價*策略好得多。

受PyAlgoTrade中的一個示例啟發(fā)，使用簡單移動平均線的策略。

如果收盤價大于平均值，則以市價買入
如果在市場上，如果收盤價小于平均值，則賣出
市場上只允許有1個活動操作

大部分現(xiàn)有的代碼可以保持不變。讓我們在__init__中添加平均值，并保留對它的引用:

  self.sma = bt.indicators.MovingAverageSimple(self.datas[0], period=self.params.maperiod)

當然，進入和退出市場的邏輯將依賴于平均值。在代碼中查找邏輯。

注意:: 起始現(xiàn)金將為1000貨幣單位，以與PyAlgoTrade示例保持一致，并且不會應用傭金

from __future__ import (absolute_import, division, print_function,unicode_literals)import datetime  # For datetime objects
import os.path  # To manage paths
import sys  # To find out the script name (in argv[0])# Import the backtrader platform
import backtrader as bt# Create a Stratey
class TestStrategy(bt.Strategy):params = (('maperiod', 15),)def log(self, txt, dt=None):''' Logging function fot this strategy'''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] dataseriesself.dataclose = self.datas[0].close# To keep track of pending orders and buy price/commissionself.order = Noneself.buyprice = Noneself.buycomm = None# Add a MovingAverageSimple indicatorself.sma = bt.indicators.SimpleMovingAverage(self.datas[0], period=self.params.maperiod)def notify_order(self, order):if order.status in [order.Submitted, order.Accepted]:# Buy/Sell order submitted/accepted to/by broker - Nothing to doreturn# Check if an order has been completed# Attention: broker could reject order if not enough cashif 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:  # Sellself.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('Order Canceled/Margin/Rejected')self.order = Nonedef notify_trade(self, trade):if not trade.isclosed:returnself.log('OPERATION PROFIT, GROSS %.2f, NET %.2f' %(trade.pnl, trade.pnlcomm))def next(self):# Simply log the closing price of the series from the referenceself.log('Close, %.2f' % self.dataclose[0])# Check if an order is pending ... if yes, we cannot send a 2nd oneif self.order:return# Check if we are in the marketif not self.position:# Not yet ... we MIGHT BUY if ...if self.dataclose[0] > self.sma[0]:# BUY, BUY, BUY!!! (with all possible default parameters)self.log('BUY CREATE, %.2f' % self.dataclose[0])# Keep track of the created order to avoid a 2nd orderself.order = self.buy()else:if self.dataclose[0] < self.sma[0]:# SELL, SELL, SELL!!! (with all possible default parameters)self.log('SELL CREATE, %.2f' % self.dataclose[0])# Keep track of the created order to avoid a 2nd orderself.order = self.sell()if __name__ == '__main__':# Create a cerebro entitycerebro = bt.Cerebro()# Add a strategycerebro.addstrategy(TestStrategy)# Datas are in a subfolder of the samples. Need to find where the script is# because it could have been called from anywheremodpath = os.path.dirname(os.path.abspath(sys.argv[0]))datapath = os.path.join(modpath, '../datas/orcl-1995-2014.txt')# Create a Data Feeddata = bt.feeds.YahooFinanceCSVData(dataname=datapath,# Do not pass values before this datefromdate=datetime.datetime(2000, 1, 1),# Do not pass values before this datetodate=datetime.datetime(2000, 12, 31),# Do not pass values after this datereverse=False)# Add the Data Feed to Cerebrocerebro.adddata(data)# Set our desired cash startcerebro.broker.setcash(1000.0)# Add a FixedSize sizer according to the stakecerebro.addsizer(bt.sizers.FixedSize, stake=10)# Set the commissioncerebro.broker.setcommission(commission=0.0)# Print out the starting conditionsprint('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())# Run over everythingcerebro.run()# Print out the final resultprint('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())

現(xiàn)在，在跳轉到下一節(jié)之前，請仔細查看日志中顯示的第一個日期：

它不再是2K年的第一個交易日2000-01-03。

它是2000-01-24 …

缺失的天數(shù)并不不是真的缺失。而是平臺已適應新的情況：

已將指標（SimpleMovingAverage）添加到策略中。
此指標需要X個條形圖才能產(chǎn)生輸出：例如：15
2000-01-24是第15個條形圖出現(xiàn)的日期

backtrader平臺假定策略已經(jīng)有了指標，有一個很好的理由，在決策過程中使用它。如果指標尚未準備好并產(chǎn)生值，則嘗試做出決策是沒有意義的。

當所有指標已經(jīng)達到產(chǎn)生值所需的最小周期時，next將首先被調(diào)用
在示例中只有一個指標，但是策略可以有任意數(shù)量的指標。

執(zhí)行后的輸出為：

Starting Portfolio Value: 1000.00
2000-01-24, Close, 24.10
2000-01-25, Close, 25.10
2000-01-25, BUY CREATE, 25.10
2000-01-26, BUY EXECUTED, Price: 25.24, Cost: 252.40, Comm 0.00
...
...
...
2000-12-21, OPERATION PROFIT, GROSS -19.40, NET -19.40
2000-12-21, Close, 26.24
2000-12-21, BUY CREATE, 26.24
2000-12-22, BUY EXECUTED, Price: 27.02, Cost: 270.20, Comm 0.00
2000-12-22, Close, 28.35
2000-12-26, Close, 27.52
2000-12-27, Close, 27.30
2000-12-28, Close, 27.63
2000-12-29, Close, 25.85
2000-12-29, SELL CREATE, 25.85
Final Portfolio Value: 975.60

一個獲勝的系統(tǒng)變成了一個失敗的系統(tǒng)…而且沒有傭金。很可能僅僅添加一個指標，說明指標并不是萬能藥。

注意:在PyAlgoTrade中使用相同的邏輯和數(shù)據(jù)會產(chǎn)生略有不同的結果（略微偏離）。查看整個打印輸出會發(fā)現(xiàn)一些操作不完全相同。罪魁禍首再次是通常的嫌疑人：四舍五入。

PyAlgoTrade在將分裂的調(diào)整收盤價應用于數(shù)據(jù)源值時不會將其舍入到小數(shù)點后2位。

由backtrader提供的Yahoo數(shù)據(jù)源將在應用調(diào)整后將值向下舍入到2位小數(shù)。在打印值時，一切似乎都是相同的，但很明顯，有時第5位小數(shù)起作用。

向下舍入到2位小數(shù)似乎更為現(xiàn)實，因為Marke Exchange僅允許每個資產(chǎn)有一定數(shù)量的小數(shù)位數(shù)（通常為股票的2個小數(shù)位數(shù)）

注意:Yahoo數(shù)據(jù)源（從版本1.8.11.99開始）允許指定是否進行舍入以及舍入到多少位小數(shù))

可視化檢查：繪圖

打印或記錄系統(tǒng)在每個bar的實際執(zhí)行情況是可以的，但人類是視覺動物，因此提供一個圖表視圖輸出機制無疑是正確的。

注意:要繪制圖形，需要安裝matplotlib

再次，默認情況下繪圖可幫助平臺用戶。繪圖是一個僅有的1行操作：

cerebro.plot()

在調(diào)用cerebro.run()后，位置肯定是在那里。

為了顯示自動繪圖功能和一些簡單的自定義，將執(zhí)行以下操作：

添加第二個移動平均線（指數(shù)）。默認情況下將其與數(shù)據(jù)一起繪制（就像第一個一樣）。
添加第三個移動平均線（加權）。自定義繪制在自己的圖中（即使不明智）
添加隨機（慢）。默認情況下不更改。
添加MACD。默認情況下不更改。
添加RSI。默認情況下不更改。
對RSI應用移動平均線（簡單）。默認情況下不更改（將與RSI一起繪制）
添加AverageTrueRange。更改默認值以避免繪制。

Strategy的init方法中添加的全部內(nèi)容:

# Indicators for the plotting show
bt.indicators.ExponentialMovingAverage(self.datas[0], period=25)
bt.indicators.WeightedMovingAverage(self.datas[0], period=25).subplot = True
bt.indicators.StochasticSlow(self.datas[0])
bt.indicators.MACDHisto(self.datas[0])
rsi = bt.indicators.RSI(self.datas[0])
bt.indicators.SmoothedMovingAverage(rsi, period=10)
bt.indicators.ATR(self.datas[0]).plot = False

注意:即使indicators沒有顯式添加到策略的成員變量中（例如self.sma = MovingAverageSimple…），它們也將自動注冊到策略中，并影響next的最小周期，并成為繪圖的一部分。

在示例中，只有RSI被添加到臨時變量rsi中，其唯一目的是在其上創(chuàng)建一個MovingAverageSmoothed。

現(xiàn)在的例子：

from __future__ import (absolute_import, division, print_function,unicode_literals)import datetime  # For datetime objects
import os.path  # To manage paths
import sys  # To find out the script name (in argv[0])# Import the backtrader platform
import backtrader as bt# Create a Stratey
class TestStrategy(bt.Strategy):params = (('maperiod', 15),)def log(self, txt, dt=None):''' Logging function fot this strategy'''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] dataseriesself.dataclose = self.datas[0].close# To keep track of pending orders and buy price/commissionself.order = Noneself.buyprice = Noneself.buycomm = None# Add a MovingAverageSimple indicatorself.sma = bt.indicators.SimpleMovingAverage(self.datas[0], period=self.params.maperiod)# Indicators for the plotting showbt.indicators.ExponentialMovingAverage(self.datas[0], period=25)bt.indicators.WeightedMovingAverage(self.datas[0], period=25,subplot=True)bt.indicators.StochasticSlow(self.datas[0])bt.indicators.MACDHisto(self.datas[0])rsi = bt.indicators.RSI(self.datas[0])bt.indicators.SmoothedMovingAverage(rsi, period=10)bt.indicators.ATR(self.datas[0], plot=False)def notify_order(self, order):if order.status in [order.Submitted, order.Accepted]:# Buy/Sell order submitted/accepted to/by broker - Nothing to doreturn# Check if an order has been completed# Attention: broker could reject order if not enough cashif 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:  # Sellself.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('Order Canceled/Margin/Rejected')# Write down: no pending orderself.order = Nonedef notify_trade(self, trade):if not trade.isclosed:returnself.log('OPERATION PROFIT, GROSS %.2f, NET %.2f' %(trade.pnl, trade.pnlcomm))def next(self):# Simply log the closing price of the series from the referenceself.log('Close, %.2f' % self.dataclose[0])# Check if an order is pending ... if yes, we cannot send a 2nd oneif self.order:return# Check if we are in the marketif not self.position:# Not yet ... we MIGHT BUY if ...if self.dataclose[0] > self.sma[0]:# BUY, BUY, BUY!!! (with all possible default parameters)self.log('BUY CREATE, %.2f' % self.dataclose[0])# Keep track of the created order to avoid a 2nd orderself.order = self.buy()else:if self.dataclose[0] < self.sma[0]:# SELL, SELL, SELL!!! (with all possible default parameters)self.log('SELL CREATE, %.2f' % self.dataclose[0])# Keep track of the created order to avoid a 2nd orderself.order = self.sell()if __name__ == '__main__':# Create a cerebro entitycerebro = bt.Cerebro()# Add a strategycerebro.addstrategy(TestStrategy)# Datas are in a subfolder of the samples. Need to find where the script is# because it could have been called from anywheremodpath = os.path.dirname(os.path.abspath(sys.argv[0]))datapath = os.path.join(modpath, '../datas/orcl-1995-2014.txt')# Create a Data Feeddata = bt.feeds.YahooFinanceCSVData(dataname=datapath,# Do not pass values before this datefromdate=datetime.datetime(2000, 1, 1),# Do not pass values before this datetodate=datetime.datetime(2000, 12, 31),# Do not pass values after this datereverse=False)# Add the Data Feed to Cerebrocerebro.adddata(data)# Set our desired cash startcerebro.broker.setcash(1000.0)# Add a FixedSize sizer according to the stakecerebro.addsizer(bt.sizers.FixedSize, stake=10)# Set the commissioncerebro.broker.setcommission(commission=0.0)# Print out the starting conditionsprint('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())# Run over everythingcerebro.run()# Print out the final resultprint('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())# Plot the resultcerebro.plot()

執(zhí)行后的輸出為：

Starting Portfolio Value: 1000.00
2000-02-18, Close, 26.05
2000-02-22, Close, 26.38
2000-02-22, BUY CREATE, 26.38
2000-02-23, BUY EXECUTED, Price: 26.77, Cost: 267.70, Comm 0.00
2000-02-23, Close, 28.05
...
...
...
2000-12-22, BUY EXECUTED, Price: 27.02, Cost: 270.20, Comm 0.00
2000-12-22, Close, 28.35
2000-12-26, Close, 27.52
2000-12-27, Close, 27.30
2000-12-28, Close, 27.63
2000-12-29, Close, 25.85
2000-12-29, SELL CREATE, 25.85
Final Portfolio Value: 982.30

最終結果已更改，即使邏輯沒有。這是真的，但邏輯沒有應用于相同數(shù)量的bar。

注意:如前所述，平臺將在所有指標準備好生成值時首先調(diào)用next。在這個繪圖示例中（在圖表中非常清晰），MACD是最后一個完全準備好的指標（所有3條線都產(chǎn)生輸出）。第一個BUY訂單不再在2000年1月期間計劃，而是接近2000年2月底。

圖表：
請?zhí)砑訄D片描述

讓我們優(yōu)化

許多交易書籍都說每個市場和每個交易的股票（或商品或…）都有不同的節(jié)奏。沒有一種適合所有人的東西。

在繪圖示例之前，當策略開始使用指標時，期間的默認值為15個bar。這是一個策略參數(shù)，可以在優(yōu)化中使用該參數(shù)的值并查看哪個更適合市場。

注意:有很多關于優(yōu)化和相關利弊的文獻。但是建議總是指向同一個方向：不要過度優(yōu)化。如果交易想法不合理，則優(yōu)化可能會產(chǎn)生僅對回測數(shù)據(jù)集有效的正面結果。

示例已修改為優(yōu)化簡單移動平均線的期間。為了清晰起見，已刪除與買入/賣出訂單相關的任何輸出

現(xiàn)在的例子：

from __future__ import (absolute_import, division, print_function,unicode_literals)import datetime  # For datetime objects
import os.path  # To manage paths
import sys  # To find out the script name (in argv[0])# Import the backtrader platform
import backtrader as bt# Create a Stratey
class TestStrategy(bt.Strategy):params = (('maperiod', 15),('printlog', False),)def log(self, txt, dt=None, doprint=False):''' Logging function fot this strategy'''if self.params.printlog or doprint: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] dataseriesself.dataclose = self.datas[0].close# To keep track of pending orders and buy price/commissionself.order = Noneself.buyprice = Noneself.buycomm = None# Add a MovingAverageSimple indicatorself.sma = bt.indicators.SimpleMovingAverage(self.datas[0], period=self.params.maperiod)def notify_order(self, order):if order.status in [order.Submitted, order.Accepted]:# Buy/Sell order submitted/accepted to/by broker - Nothing to doreturn# Check if an order has been completed# Attention: broker could reject order if not enough cashif 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:  # Sellself.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('Order Canceled/Margin/Rejected')# Write down: no pending orderself.order = Nonedef notify_trade(self, trade):if not trade.isclosed:returnself.log('OPERATION PROFIT, GROSS %.2f, NET %.2f' %(trade.pnl, trade.pnlcomm))def next(self):# Simply log the closing price of the series from the referenceself.log('Close, %.2f' % self.dataclose[0])# Check if an order is pending ... if yes, we cannot send a 2nd oneif self.order:return# Check if we are in the marketif not self.position:# Not yet ... we MIGHT BUY if ...if self.dataclose[0] > self.sma[0]:# BUY, BUY, BUY!!! (with all possible default parameters)self.log('BUY CREATE, %.2f' % self.dataclose[0])# Keep track of the created order to avoid a 2nd orderself.order = self.buy()else:if self.dataclose[0] < self.sma[0]:# SELL, SELL, SELL!!! (with all possible default parameters)self.log('SELL CREATE, %.2f' % self.dataclose[0])# Keep track of the created order to avoid a 2nd orderself.order = self.sell()def stop(self):self.log('(MA Period %2d) Ending Value %.2f' %(self.params.maperiod, self.broker.getvalue()), doprint=True)if __name__ == '__main__':# Create a cerebro entitycerebro = bt.Cerebro()# Add a strategystrats = cerebro.optstrategy(TestStrategy,maperiod=range(10, 31))# Datas are in a subfolder of the samples. Need to find where the script is# because it could have been called from anywheremodpath = os.path.dirname(os.path.abspath(sys.argv[0]))datapath = os.path.join(modpath, '../datas/orcl-1995-2014.txt')# Create a Data Feeddata = bt.feeds.YahooFinanceCSVData(dataname=datapath,# Do not pass values before this datefromdate=datetime.datetime(2000, 1, 1),# Do not pass values before this datetodate=datetime.datetime(2000, 12, 31),# Do not pass values after this datereverse=False)# Add the Data Feed to Cerebrocerebro.adddata(data)# Set our desired cash startcerebro.broker.setcash(1000.0)# Add a FixedSize sizer according to the stakecerebro.addsizer(bt.sizers.FixedSize, stake=10)# Set the commissioncerebro.broker.setcommission(commission=0.0)# Run over everythingcerebro.run(maxcpus=1)

不是調(diào)用addstrategy將策略類添加到Cerebro中，而是調(diào)用optstrategy。而不是傳遞一個值，而是傳遞一系列值。

添加了Strategy鉤子之一，stop方法，當數(shù)據(jù)用盡并且回測結束時將調(diào)用該方法。它用于在經(jīng)紀人的投資組合中打印最終凈值（之前在Cerebro中完成）

系統(tǒng)將為范圍內(nèi)的每個值執(zhí)行策略。將輸出以下內(nèi)容：

2000-12-29, (MA Period 10) Ending Value 877.50
2000-12-29, (MA Period 11) Ending Value 878.70
2000-12-29, (MA Period 12) Ending Value 839.80
2000-12-29, (MA Period 13) Ending Value 899.90
2000-12-29, (MA Period 14) Ending Value 902.50
2000-12-29, (MA Period 15) Ending Value 975.60
2000-12-29, (MA Period 16) Ending Value 961.90
2000-12-29, (MA Period 17) Ending Value 952.60
2000-12-29, (MA Period 18) Ending Value 1011.00
2000-12-29, (MA Period 19) Ending Value 1039.40
2000-12-29, (MA Period 20) Ending Value 1073.20
2000-12-29, (MA Period 21) Ending Value 1055.10
2000-12-29, (MA Period 22) Ending Value 1057.60
2000-12-29, (MA Period 23) Ending Value 1021.50
2000-12-29, (MA Period 24) Ending Value 1018.80
2000-12-29, (MA Period 25) Ending Value 1012.40
2000-12-29, (MA Period 26) Ending Value 998.30
2000-12-29, (MA Period 27) Ending Value 983.10
2000-12-29, (MA Period 28) Ending Value 976.90
2000-12-29, (MA Period 29) Ending Value 984.20
2000-12-29, (MA Period 30) Ending Value 980.80

結果：