标签：name analyzers strat cerebro 忽略 回测 data 搭建

import pandas as pd
import datetime

#日度行情数据集
daily_price = pd.read_csv("C:/Users/10712/Desktop/learn_backtrader-main/data/daily_price.csv", parse_dates = ['datetime'])
#parse_dates:将某一列设置为时间索引
#daily_price.head()

sec_code:代码 open:开盘价 high:最高价 low:最低价 close:收盘价 volume:交易量 openinterest:未平仓量

除sec_code外其他是必须导入到datafeeds中的字段

#月末调仓成分股数据集
trade_info = pd.read_csv("C:/Users/10712/Desktop/learn_backtrader-main/data/trade_info.csv", parse_dates = ['trade_date'])
trade_info.head()

sec_code:持仓成分股代码 weight:持仓权重

导入大脑！

import backtrader as bt
#实例化
cerebro = bt.Cerebro()

# 打印初始资金
print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())
# 启动回测(这是一个空回测，所以买入卖出肯定一个价格啦！)
cerebro.run()
# 打印回测完成后的资金
print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())

#导入多只股票的历史行情数据
#用DataFeeds的PandasData()导入，必须以交易日datetime为index
for stock in daily_price['sec_code'].unique():#unique():去除重复值并让元素从大到小排列，返回一个列表
    data = pd.DataFrame(index = daily_price.index.unique())#获取回溯期内所有交易日，index是建立索引
    df = daily_price.query(f"sec_code=='{stock}'")[['open','high','low','close','volume','openinterest']]
    #query():查询
    data_ = pd.merge(data, df, left_index=True, right_index=True, how='left')#合并索引和数据
    
    #缺失值处理（会有些交易日为空）
    data_.loc[:,['volume','openinterest']] = data_.loc[:,['volume','openinterest']].fillna(0)
    data_.loc[:,['open','high','low','close']] = data_.loc[:,['open','high','low','close']].fillna(method='pad')#method='pad'：用之前的数据填充
    data_.loc[:,['open','high','low','close']] = data_.loc[:,['open','high','low','close']].fillna(0)
    
    #导入数据
    datafeed = bt.feeds.PandasData(dataname=data_, fromdate=datetime.datetime(2019,1,2), todate=datetime.datetime(2021,1,28))
    cerebro.adddata(datafeed, name=stock) # 通过 name 实现数据集与股票的一一对应
    print(f"{stock} Done !")

#导入数据时的注意点在笔记详细讲

导入数据时的注意点：

1. 各个股票交易日总数量可能不统一，所以要以回测区间内所有交易日为基础，对每只股票缺失的交易日进行补齐；

2. 行情数据缺失：在补齐交易日过程中，会使得补充的交易日缺失行情数据，需对缺失数据进行填充；

3.实现行情数据和股票的一一对应：通过设置 adddata() 方法中 name 参数，来实现数据集与股票的一 一对应关系。

#配置回测条件
#初始资金
cerebro.broker.setcash(100000000.0)
#佣金，0.03%
cerebro.broker.setcommission(commission=0.0003)
#滑点，0.0001：挂单价格和实际成交价格之间的差（笔记中详细讲）
cerebro.broker.set_slippage_perc(perc=0.0001)

#提前配置要返回的回测结果
cerebro.addanalyzer(bt.analyzers.TimeReturn, _name='pnl')#返回收益率时序数据
cerebro.addanalyzer(bt.analyzers.AnnualReturn, _name='_AnnualReturn')#年化收益率
cerebro.addanalyzer(bt.analyzers.SharpeRatio, _name='_SarpeRatio')#夏普比率
cerebro.addanalyzer(bt.analyzers.DrawDown, _name='_DrawDown')#回撤

交易策略因为是最重要且自由的一块，所以拎出来放到笔记里面

#直接进入提取回测结果流程
result = cerebro.run()
#提取result结果
strat = result[0]
#返回日度收益率序列
daily_return = pd.Series(strat.analyzers.pnl.get_analysis())
#打印评价指标
print("AnnualReturn",strat.strat.analyzers._AnnualReturn.get_analysis())
print("SharpeRatio",strat.strat.analyzers._SharpeRatio.get_analysis())
print("DrawDown",strat.strat.analyzers._DrawDown.get_analysis())

 

标签：name,analyzers,strat,cerebro,忽略,回测,data,搭建
来源： https://www.cnblogs.com/sherlockids/p/15049832.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。