本章节我们做回测一个比较偏实际买卖策略，以笔者买过1年多的中国国航601111为例子，
策略为：笔者认为如果5日均线高于10日均线，就认为股价处于上升阶段，就全仓位买入，如果5日均线低于10日均线，笔者认为股价处于下降阶段，全仓位卖出。
我们准备的数据为-8-18到-3-22 这段时间的中国国航的日行情数据
以下是代码：
import tushare as tsimport pandas as pdimport datetime # For datetime objectsimport os.path # To manage pathsimport sys # To find out the script name (in argv[0])# Import the backtrader platformimport backtrader as btclass MyStrategy(bt.Strategy):# 策略参数params = dict(period5=5, # 5均线周期period10=10, # 10均线周期look_back_days=30,printlog=False)def __init__(self):self.mas = dict()self.mas10 = dict()# 遍历所有股票,计算20日均线for data in self.datas:self.mas[data._id] = bt.ind.SMA(data.close, period=self.p.period5)self.mas10[data._id] = bt.ind.SMA(data.close, period=self.p.period10)def next(self):# 得到当前的账户价值total_value = self.broker.getvalue()p_value = total_value * 0.9 / 10for data in self.datas:# 获取仓位pos = self.getposition(data).sizeif self.mas10[data._id][0] < self.mas[data._id][0]:size = int(p_value / 100 / data.close[0]) * 100print('10日均线价格->' + str(self.mas10[data._id][0]) + ',5日均线价格->' + str(self.mas[data._id][0]) + \',持仓数量->' + str(pos) + ',买入数量->' + str(size))self.buy(data=data, size=size)if pos > 0 and self.mas10[data._id][0] > self.mas[data._id][0]:print('10日均线价格->' + str(self.mas10[data._id][0]) + ',5日均线价格->' + str(self.mas[data._id][0]) + \',持仓数量->' + str(pos) + ',买入数量->' + str(pos))self.order = self.sell(data=data, size=pos)def log(self, txt, dt=None, doprint=False):if self.params.printlog or doprint:dt = dt or self.datas[0].datetime.date(0)print(f'{dt.isoformat()},{txt}')# 记录交易执行情况（可省略，默认不输出结果）def notify_order(self, order):# 如果order为submitted/accepted,返回空if order.status in [order.Submitted, order.Accepted]:return# 如果order为buy/sell executed,报告价格结果if order.status in [pleted]:if order.isbuy():self.log(f'买入:\n价格:{order.executed.price:.2f},\成本:{order.executed.value:.2f},\数量:{order.executed.size:.2f},\手续费:{m:.2f}')self.buyprice = order.executed.priceself.buycomm = melse:self.log(f'卖出:\n价格：{order.executed.price:.2f},\成本: {order.executed.value:.2f},\数量:{order.executed.size:.2f},\手续费{m:.2f}')self.bar_executed = len(self)# 如果指令取消/交易失败, 报告结果elif order.status in [order.Canceled, order.Margin, order.Rejected]:self.log('交易失败')self.order = None# 记录交易收益情况（可省略，默认不输出结果）def notify_trade(self, trade):if not trade.isclosed:returnself.log(f'策略收益：\n毛收益 {trade.pnl:.2f}, 净收益 {trade.pnlcomm:.2f}')pro = ts.pro_api('cbb257058b7cb228769b4949437c27c27e5132e882747dc80f01a5a5')def ts_get_daily_stock(code, start_dt, end_dt):start_dt = start_dt.replace("'", "", 3);end_dt = end_dt.replace("'", "", 3);# start_dt = '0101'# end_dt=''print(code, start_dt, end_dt)data = pro.daily(ts_code=code, start_date=start_dt, end_date=end_dt)data['trade_date'] = pd.to_datetime(data['trade_date'])data['trade_date'] = pd.to_datetime(data['trade_date'])data = data.sort_values(by='trade_date')data.index = data['trade_date']data['openinterest'] = 0data['volume'] = data['vol']data = data[['open', 'close', 'high', 'low', 'volume']]return data# 读取选股的结果df = pd.read_csv('stock_alpha.csv')df.columns = ['ts_code', 'name', 'alpha', 'start_dt', 'end_dt']min_a = df.sort_values(by='alpha')min_a = min_a.iloc[:10, :]code = []code = min_a['ts_code'] # 记录alpha最小的10支股票代码start_dts = []start_dts = min_a['start_dt'] # 记录alpha最小的10支股票代码end_dts = []end_dts = min_a['end_dt'] # 记录alpha最小的10支股票代码for i in range(len(code)):data = ts_get_daily_stock(code.iloc[i], start_dts.iloc[i], end_dts.iloc[i]) # 字段分别为股票代码、开始日期、结束日期data.to_csv(code.iloc[i] + '.csv')cerebro = bt.Cerebro()for i in range(len(code)): # 循环获取10支股票历史数据dataframe = pd.read_csv(code.iloc[i] + '.csv', index_col=0, parse_dates=True)dataframe['openinterest'] = 0data = bt.feeds.PandasData(dataname=dataframe,fromdate=datetime.datetime(, 8, 18),todate=datetime.datetime(, 3, 22))cerebro.adddata(data)# 回测设置startcash = 100000.0cerebro.broker.setcash(startcash)# 设置佣金为千分之一cerebro.broker.setcommission(commission=0.001)# 添加策略cerebro.addstrategy(MyStrategy, printlog=True)cerebro.run()# 获取回测结束后的总资金portvalue = cerebro.broker.getvalue()pnl = portvalue - startcash# 打印结果print(f'总资金: {round(portvalue,2)}')print(f'净收益: {round(pnl,2)}')cerebro.plot()
以上的代码如果配置好环境可以直接运行，得到结果
总资金: 230494.3
净收益: 130494.3
执行结果图为：
让我意想不到的是这个策略竟然是盈利的，从开始到，中间经历过、、这么惨烈的时代，竟然还有盈利，看来有时候简单的打法反而是最有效的打法。
后续笔者会继续为大家做讲解指标的获取和基础数据的获取
如果觉得《量化交易5-backtrader编写均线策略》对你有帮助，请点赞、收藏，并留下你的观点哦！
