前言：
在前面学了点机器学习知识后，发现自己还没有一个回测框架，找了短时间学习资料，还是决定使用backtrader，至于聚宽优米那些平台感觉使用起来好像没那么自由，还是先学习下backtrader，学完后再把自己学到的知识理顺下，然后再整理个符合自己使用的框架来，东学西学，学得越多就越乱，得重新审视下自己的需求。以下是我学习backtrader的一些笔记，主要是直接拿tushaer的数据来用，就不用先本地CSV数据化了，方便快捷，代码如下：
from __future__ import (absolute_import, division, print_function,unicode_literals)import datetimeimport pandas as pdimport backtrader as btimport tushare as tsimport numpy as np# 创建策略类class TestStrategy(bt.Strategy):# 设置简单均线周期，以备后面调用params = (('maperiod21', 21),('maperiod55', 55))def log(self, txt, dt=None):# 日记记录输出dt = dt or self.datas[0].datetime.date(0)print('%s, %s' % (dt.isoformat(), txt))def __init__(self):# 初始化数据参数# 设置当前收盘价为datacloseself.dataclose = self.datas[0].closeself.order = Noneself.buyprice = Noneself.buycomm = None# 添加简单均线self.sma21 = bt.indicators.SimpleMovingAverage(self.datas[0], period=self.params.maperiod21)self.sma55 = bt.indicators.SimpleMovingAverage(self.datas[0], period=self.params.maperiod55)def notify_order(self, order):if order.status in [order.Submitted, order.Accepted]:# 如果有订单提交或者已经接受的订单，返回退出return# 主要是检查有没有成交的订单，如果有则日志记录输出价格，金额，手续费。注意，如果资金不足是不会成交订单的if order.status in [pleted]:if order.isbuy():self.log('BUY EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' %(order.executed.price,order.executed.value,m))self.buyprice = order.executed.priceself.buycomm = melse: # Sellself.log('SELL EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' %(order.executed.price,order.executed.value,m))# len(self)是指获取截至当前数据一共有多少根bar# 以下代码就是指当交易发生时立刻记录下了当天有多少根bar# 如果要表示当成交后过了5天卖，则可以这样写 if len(self) >= (self.bar_executed + 5):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: # 如果交易还没有关闭，则退出不输出显示盈利跟手续费returnself.log('OPERATION PROFIT, GROSS %.2f, NET %.2f' %(trade.pnl, trade.pnlcomm))def next(self):# 输出显示收盘价self.log('Close, %.2f' % self.dataclose[0])# 检查是否有订单发送当中，如果有则不再发送第二个订单if self.order:return# 检查是否已经有仓位if not self.position:# 如果没有则可以执行一下策略了if self.sma21[0] > self.sma55[0]:# 记录输出买入价格self.log('BUY CREATE, %.2f' % self.dataclose[0])# 跟踪已经创建好的订单避免重复第二次交易self.order = self.buy()else:if self.sma21[0] < self.sma55[0]:self.log('SELL CREATE, %.2f' % self.dataclose[0])self.order = self.sell()if __name__ == '__main__':# 创建策略容器cerebro = bt.Cerebro()# 添加自定义的策略TestStrategycerebro.addstrategy(TestStrategy)pro = ts.pro_api('要到tushare官网注册个账户然后将token复制到这里,可以的话请帮个忙用文章末我分享的链接注册，谢谢')stock_code = '000001.SZ'df = pro.daily(ts_code=stock_code, start_date='0101', end_date='2028')df['trade_date'] = pd.to_datetime(df['trade_date'])# df = df.drop(['change', 'pre_close', 'pct_chg', 'amount'], axis=1)df = df.rename(columns={'vol': 'volume'})df.set_index('trade_date', inplace=True) # 设置索引覆盖原来的数据df = df.sort_index(ascending=True) # 将时间顺序升序，符合时间序列dataframe = dfdataframe['openinterest'] = 0data = bt.feeds.PandasData(dataname=dataframe,fromdate=datetime.datetime(, 1, 1),todate=datetime.datetime(, 8, 20))# 添加数据cerebro.adddata(data)# 设置资金cerebro.broker.setcash(10000.0)# 设置每笔交易交易的股票数量cerebro.addsizer(bt.sizers.FixedSize, stake=100)# 设置手续费cerebro.broker.setcommission(commission=0.01)# 输出初始资金print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())# 运行策略cerebro.run()# 输出结果print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())cerebro.plot()
tushare注册链接：link
如果觉得《python tushare backtrader股票回测双均线策略》对你有帮助，请点赞、收藏，并留下你的观点哦！
