本文逐步讲解如何使用Backtrader进行量化投资，包括安装、基本操作、策略开发、参数传递及指标添加，最终实现策略执行和可视化。通过实例演示，读者将学会如何构建并优化自己的量化投资系统。
量化投资是一个非常大的课题，从这边文章开始，我会从如下几个方面构建量化投资的这个框架：
1、工欲善其事，必先利其器。我们先学习一个量化投资回测利器-backtrader，通过这个工具，我们可以将量化策略在经过回测之后，付诸实用。
2、我们学习一些常用的以及大师们实用量化策略，了解它的原理，选择合适的标的资产，为己所用。
3、开发自己的策略。老实说，公开的策略使用的人众多，往往会失效，那么如果构造开发自己的策略显得尤其重要。这一块，我们会介绍投资、数据挖掘，预测等关键技术，及其如何应用在构建自己投资策略上。
4、最后我们会构造一个完整的实用系统，该系统上，可以查看关键投资指标、定制量化策略。
下面我们开始介绍Backtrader，内容主要基于Backtrader的网站指导文档以及示例。
目录
1、简介
Backtrader的特点，就是两点：
1、易于使用；
2、参见第1条。
那么如何使用Backtrader呢？比把大象装进冰箱复杂点，一共4步：
创建一个Cerebro引擎：
-
加入一个Strategy。
-
加载数据。
-
执行：cerebro.run()。
-
对执行结果可视化。
就是这么简单！
这么简单如何执行那么多复杂的量化策略，关键就是Backtrader作为一个平台，具有极高的可配置性，也就是可以根据需要进行不同的配置，完成不同的量化策略回测，后续将进行详细描述。
2、安装
一般是通过Python安装：
pip install backtrader
特别注意的是，和backtrader适配的matplotlib版本不能太高，测试可用的版本是3.2.2。如果高于此版本，可以通过如下命令降级：
pip uninstall matplotlib pip install matplotlib==3.2.2
3、手把手教你实现一个例子
3.1、首先需要理解的几个关键概念
1、Line：Line在Backtrader系统中，是最重要的对象。
Line的本意就是一连串可以连接在一起的点，所有可以在坐标上形成一条线的数据，就称为Line。在量化投资的领域，这个Line通常指的是证券的open(开盘价）、high（最高价）、low（最低价）、close（收盘价）、volume（成交量）。例如如下我们下载的某股票的数据：
Excle中画个图：
可以看出，每一列均可形成一个Line，这个Line就是需要进行处理的数据，对于证券数据，我们通常对close（收盘价）进行处理。
除了数据本身可以形成Line之外，对数据进行处理后形成的数据也可以作为Line，比如计算close列的移动平均线，也可以形成一个Line。
2、Index为0的含义
Backtrader系统中，对Line的数据是逐行处理的，如下：
系统处理顺序从上至下，当处理到26.5的时候，对应的Index为0.如果要访问之前的数据，就是-1，-2.之后的数据，就是1,2.
特别值得注意的是-1在python中用于访问一个列表的最后一个数据，而在backtrader中，-1指的是最后已经处理过得数据，在当前处理数据之前 ，值会随着系统的处理而不断变化。
如果系统在创建Strategy的时候，系统初始化了一个移动平均线：
self.sma = SimpleMovingAverage(.....)
访问移动平均线当前值的简单易用的方法是：
av = self.sma[0]
这种方法的好处就是无需知道已经处理了多少行（在Backtrader中，统一将行称之为Bar），也无需知道还有多少Bar需要处理，因为0唯一确定了系统正在处理的数据（Bar）。
3.2、从0到100：一步一步实现一个例子
掌握一项技术最好的方法就是亲手写一个程序，下面采用不断迭代的方法，一步一步，从简单到复杂实现咱们的第一个量化回测程序。
创建第一个程序
from __future__ import (absolute_import, division, print_function,
unicode_literals)
import backtrader as bt
if __name__ == '__main__':
cerebro = bt.Cerebro()
print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())
cerebro.run()
print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())执行下，看看啥结果：
Starting Portfolio Value: 10000.00 Final Portfolio Value: 10000.00
这个程序做了啥？
-
将Backtrader引入到咱们程序中，命名为bt。
-
创建了一个机器人大脑（Cerebro），同时隐含创建了一个borker（券商）。
-
让机器人大脑开始运行。
-
显示了机器人在券商那里存有多少钱。
等等，为啥只有10000元，失败啊，太少了，没事，咱可以多存点钱到券商。
cerebro = bt.Cerebro() cerebro.broker.setcash(100000.0)#加到100000元，咱们也富裕了。
再执行看看，果然富裕了：
Starting Portfolio Value: 100000.00 Final Portfolio Value: 100000.00
不对，为啥钱没变啊，这个机器人没给我挣钱啊。因为这个机器人大脑只是初始化，还没发育好，脑子一片空白，啥也做不了，自然挣不了钱。咱们先给机器人点股票数据看看，让他先看看股票数据，说不定能学习点啥。
给空白的大脑加载数据
import backtrader as bt
import pandas as pd
from datetime import datetime
if __name__ == '__main__':
cerebro = bt.Cerebro()
#获取数据
stock_hfq_df = pd.read_excel("./data/sh600000.xlsx",index_col='date',parse_dates=True)
start_date = datetime(2010, 9, 30) # 回测开始时间
end_date = datetime(2021, 9, 30) # 回测结束时间
data = bt.feeds.PandasData(dataname=stock_hfq_df, fromdate=start_date, todate=end_date) # 加载数据
cerebro.adddata(data) # 将数据传入回测系统
cerebro.broker.setcash(100000.0)
print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())
cerebro.run()
print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())再执行看看：
Starting Portfolio Value: 100000.00 Final Portfolio Value: 100000.00
大脑开始发育了，起码做到了：
-
能接受股票的数据了。（这里提供的是下载浦发银行（sh6000000）的历史数据作为示例，如何获取数据后续专门讨论）
-
也能对datetime进行处理，根据需要看具体特定时期的数据了。
但是咱们钱还是没增加了，大脑大脑快快成长吧，快快给俺挣钱啊
给大脑第一个策略
钱有了（在broker券商），股票数据也有了，似乎马上就可以进行有风险的投资了。要投资，就得有一个有投资策略。而投资策略，针对的通常是数据的收盘价（close），也就是根据收盘价决定如何投资。
毕竟股市太凶险，机器人新加的策略是先看看股票的收盘价。
import backtrader as bt
import pandas as pd
from datetime import datetime
# Create a Stratey
class TestStrategy(bt.Strategy):
def log(self, txt, dt=None):
''' 提供记录功能'''
dt = dt or self.datas[0].datetime.date(0)
print('%s, %s' % (dt.isoformat(), txt))
def __init__(self):
# 引用到输入数据的close价格
self.dataclose = self.datas[0].close
def next(self):
# 目前的策略就是简单显示下收盘价。
self.log('Close, %.2f' % self.dataclose[0])
if __name__ == '__main__':
cerebro = bt.Cerebro()
# 增加一个策略
cerebro.addstrategy(TestStrategy)
#获取数据
stock_hfq_df = pd.read_excel("./data/sh600000.xlsx",index_col='date',parse_dates=True)
start_date = datetime(2010, 9, 30) # 回测开始时间
end_date = datetime(2021, 9, 30) # 回测结束时间
data = bt.feeds.PandasData(dataname=stock_hfq_df, fromdate=start_date, todate=end_date) # 加载数据
cerebro.adddata(data) # 将数据传入回测系统
cerebro.broker.setcash(100000.0)
print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())
cerebro.run()
print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())执行后结果：
Starting Portfolio Value: 100000.00 2020-09-30, Close, 125.97 ...(省略n行） 2021-09-27, Close, 127.11 2021-09-28, Close, 127.26 2021-09-29, Close, 127.11 2021-09-30, Close, 126.83 Final Portfolio Value: 100000.00
看起来还好，没赔钱，股票市场似乎没那么凶险。
关于这个策略（Strategy），需要重点关注：
-
Strategy初始化的时候，将大脑加载的数据更新到dataclose属性中（注意，这是一个列表，保存股票回测开始时间到结束时间的所有close数据）。 self.datas[0]指向的是大脑通过cerebro.adddata函数加载的第一个数据，本例中指加载浦发银行的股票数据。
-
self.dataclose = self.datas[0].close指向的是close （收盘价）line
-
strategy 的next方法针对self.dataclose（也就是收盘价Line）的每一行（也就是Bar）进行处理。在本例中，只是打印了下close的值。next方法是Strategy最重要的的方法，具体策略的实现都在这个函数中，后续还会详细介绍。
这个策略还是没能挣钱，没买卖咋挣钱？大胆点，咱们开始买！
加入买的逻辑到Strategy中
没买卖就没收入，咱们开始买，啥时候买？妈妈说，买东西要便宜，那就如果价格连续降2天，咱就买入，试试看！
import backtrader as bt
import pandas as pd
from datetime import datetime
# 创建一个测试策略
class TestStrategy(bt.Strategy):
def log(self, txt, dt=None):
''' 记录策略信息'''
dt = dt or self.datas[0].datetime.date(0)
print('%s, %s' % (dt.isoformat(), txt))
def __init__(self):
# 应用第一个数据源的收盘价
self.dataclose = self.datas[0].close
def next(self):
# Simply log the closing price of the series from the reference
self.log('Close, %.2f' % self.dataclose[0])
if self.dataclose[0] < self.dataclose[-1]:
# 当前的价格比上一次价格（也就是昨天的价格低）
if self.dataclose[-1] < self.dataclose[-2]:
# 上一次的价格（昨天）比上上一次的价格（前天的价格）低
# 开始买！！
self.log('BUY CREATE, %.2f' % self.dataclose[0])
self.buy()执行结果如下：
Starting Portfolio Value: 100000.00 ...(省略n行） 2021-09-09, Close, 131.06 2021-09-10, Close, 132.61 2021-09-13, Close, 132.33 2021-09-14, Close, 129.79 2021-09-14, BUY CREATE, 129.79 2021-09-15, Close, 129.51 2021-09-15, BUY CREATE, 129.51 2021-09-16, Close, 128.52 2021-09-16, BUY CREATE, 128.52 2021-09-17, Close, 128.38 2021-09-17, BUY CREATE, 128.38 2021-09-22, Close, 127.26 2021-09-22, BUY CREATE, 127.26 2021-09-23, Close, 127.26 2021-09-24, Close, 127.11 2021-09-27, Close, 127.11 2021-09-28, Close, 127.26 2021-09-29, Close, 127.11 2021-09-30, Close, 126.83 2021-09-30, BUY CREATE, 126.83 Final Portfolio Value: 110441.06
挣钱了耶，居然挣了1万多块钱。从打印可以看出，在收盘价连续2天价格下跌的时候，strategy就执行买入。虽然咱们挣了钱，订单（order）好像创建了，但是不知道是否执行了以及何时以什么价格执行了。后面我们会展示如何监听订单执行的状态。
也许你要问了，咱们买了多少股票（称之为资产asset）？买了啥股票？订单是咋执行的？后续会回答这些问题，在当前示例中：
-
self.datas[0] 就是我们购买了的股票。本例中没有输入其他数据，如果输入了其他数据，购买的股票就不一定是啥了，这个要看具体的策略执行情况。
-
买了多少股本（stake）的股票？这个通过机器人大脑的position sizer属性
扫一扫
7956
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
