Backtrader量化平台教程（一）:backtrader的整体框架
Backtrader量化平台教程（一）:backtrader的整体框架
AD：（本人录制的backtrader视频课程，大家多多支持哦~ https://edu.csdn.net/course/detail/9040）
无意中发现了一个巨牛的人工智能教程，忍不住分享一下给大家。教程不仅是零基础，通俗易懂，而且非常风趣幽默，像看小说一样！觉得太牛了，所以分享给大家。教程链接：https://www.cbedai.net/qtlyx
backtrader是一个量化策略的回测分析平台，功能还是很强大的。
1.安装backtrader
安装很简单，和别的lib安装一模一样，pip install backtrader。
2.从代码开始
from __future__ import (absolute_import, division, print_function,unicode_literals)import datetime # For datetime objectsimport os.path # To manage pathsimport sys # To find out the script name (in argv[0])import pandas as pdfrom WindPy import w# Import the backtrader platformimport backtrader as bt# Create a Strateyclass 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 ordersself.order = Nonedef notify(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 enougth cashif order.status in [order.Completed, order.Canceled, order.Margin]:if order.isbuy():self.log('BUY EXECUTED, %.2f' % order.executed.price)elif order.issell():self.log('SELL EXECUTED, %.2f' % order.executed.price)self.bar_executed = len(self)# Write down: no pending orderself.order = Nonedef 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)# Create a Data Feed# 本地数据，笔者用Wind获取的东风汽车数据以csv形式存储在本地。# parase_dates = True是为了读取csv为dataframe的时候能够自动识别datetime格式的字符串，big作为index# 注意，这里最后的pandas要符合backtrader的要求的格式dataframe = pd.read_csv('dfqc.csv', index_col=0, parse_dates=True)dataframe['openinterest'] = 0data = bt.feeds.PandasData(dataname=dataframe, fromdate = datetime.datetime(2015, 1, 1), todate = datetime.datetime(2016, 12, 31) )# Add the Data Feed to Cerebrocerebro.adddata(data)# Set our desired cash startcerebro.broker.setcash(100000.0)# 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()
上面这段代码整个框架来自于backtrader的官网（https://www.backtrader.com），笔者自己修改了获取数据的方式。大家安装完backtrader之后可以复制过去运行一样，一般来说，运行通过就说明环境没有问题（数据文件下文有提到）。接下来我们就分析一下这个不赚钱的策略。
我们想想，量化回测，首先得有数据。
在backtrader里面，DataFeed就是这样一个数据的概念。
dataframe = pd.read_csv('dfqc.csv', index_col=0, parse_dates=True)dataframe['openinterest'] = 0data = bt.feeds.PandasData(dataname=dataframe, fromdate = datetime.datetime(2015, 1, 1), todate = datetime.datetime(2016, 12, 31) )
这一段代码从本地csv文件获得某一个股票的交易数据，包括open，close，high，low，volume。大家注意到，这里我们的存储形式的pandas。backtrader是支持pandas这样的一种数据格式的，无形中方便了很多
关于该数据文件，大家可以去笔者的百度云下载。
链接：https://pan.baidu.com/s/1slnULbv 密码：wi3k
后面的很多教程案例，都会用到这一数据。
backtrader对每种数据的来源都有一定的标准，要不然咱们相信，不订立标准，框架怎么会知道每一列数据都是干嘛的呢。backtrader对于pandas的标准就是这些列的名字得是open，close，high，low，volume，openinterest。我们这里没有用到openinterest，所以把它设置为零就可以了，这里提示一下，backtrader要求pandas下的DataFeed，pandas的DataFrame的index是时间。
数据的问题解决了，那么数据要交给回测平台。这里整个回测功能的实现都是依赖于cercbro这个类实现的。这个单词的意思，在西班牙语里就是大脑。
我们创造一个大脑，
# Create a cerebro entitycerebro = bt.Cerebro()
然后把之前的数据喂给大脑：
# Add the Data Feed to Cerebrocerebro.adddata(data)
基础建设基本就完成了。
接下来就是技术性的较量，策略啦。
class TestStrategy(bt.Strategy):
每一个策略都是一个类，是一个继承bt.Strategy类的父类。具体里面的细节，下次再说。
假设我们写好了一个策略，换句话说，就是构造好了一个Strategy类，那么我们就应该把它喂给大脑。
# Add a strategycerebro.addstrategy(TestStrategy)
好了，都齐全了。但是别忘了，我们还应该制定初始资金。
# Set our desired cash startcerebro.broker.setcash(100000.0)
cerebro里面的broker成员就是管这事的。我们给了他100000元。
到这里，该有的都有了，我们run就可以了。cerebro.run()方法就是把上述东西跑起来。
跑完之后，我们想看一下效果，人嘛，可视化的最好，所以：
# Plot the resultcerebro.plot()
就能把结果跑出来。
3.我的结果
很显然，亏钱了，但是不要紧，程序对了，万里长征第一步对了。
俗话说的好，万事开头难，中间也难，结尾更难。
4.总结
最后总结一下，一个策略，你需要的是数据，而且要让回测平台认识，所以是满足一定规则整理的数据。然后就是回测的“脑子”。这些基础设施有了，写好你的策略。策略其实就是一个类，重写类里的方法就实现了一个个策略。接下来，run就可以了。so easy！