【01-backtrader学习笔记】-初识Backtrader｜了解基本概念｜实现最简单的回测

Backtrader是一款纯Python的回测+实盘框架。从软件工程的角度，这个项目非常值得学习。这个框架的代码风格非常Pythonic，也值得借鉴和学习。作者是一个很严谨的德国人，从他的代码审查和社区管理可见一斑。

backtrader允许您专注于编写可重复使用的交易策略，指标和分析器，而不必花时间构建基础架构。

backtrader的思路是通过历史回顾每个bar来进行回测追溯，可能会更简单理解一点。

论坛有采生之前写过的帖子，大家也可以去学习一波，我是学习完之后，总结了一下这篇笔记。

最终会生成图表，有助于我们进行分析，可以清晰的看到开关仓点位，以及盈利情况等。

基本概念

在学习backtrader之前需要大概先了解他的几个核心组件，如果你不想了解也没事，直接看代码就好啦。看到不懂的回来参考一下即可。

Cerebro：BackTrader的基石，所有的操作都是基于Cerebro的。
Feed：将运行策略所需的基础数据加载到Cerebro中，一般为K线数据。
Indicator：BackTader自带的指标，并集成了talib中的指标。我们也可以选择继承一个Indicator实现自己的指标。
Strategy：交易策略。这里是整个过程中最复杂的部分，需要我们计算买入/卖出信号。
Analyzer：分析器，以图形和风险收益等指标对交易策略的回测结果进行分析评价。
Order：订单，记录了与当前订单相关的所有数据。
Trader：交易，记录了与当前交易相关的所有数据。
Position：持仓，记录了与当前持仓相关的所有数据。
Broker：可以理解成经纪人，整个策略的初始资金、交易费率、滑点等参数需要通过Broker进行设置。
Observer：观察者，对数据进行监控观察，比如资金曲线等等。
Plotting：可视化组件

每个组件在程序运行中对应的功能

框架思路

我们先获得数据源，backtrader有很多种方式获得数据源，但是数据源要遵循一般的结构模式，最少要包含以下字段：Open（开盘价），High（最高价），Low（最低价），Close（收盘价），Volume（成交量）–>ohlcv
数据加载（Data Feed）将历史数据加载到回测框架中

交易策略(Strategy）：该模块是编程过程中最复杂的部分，需要设计交易决策，得出买入/卖出信号。
回测框架设置(Cerebro)：需要设置
初始资金
交易佣金
数据反馈
交易策略
运行回测：运行Cerebro回测并打印出所有已执行的交易。
评估性能(Analyzers)：以图形和风险收益等指标对交易策略的回测结果进行评价。

具体的实现可以看我画的这个流程图，可以让你更好的理解运行的过程。

backtrader

实战编写代码

安装backtrader

1
2
3

pip install backtrader
# matplotibli 需要安装3.2.2 最新班班的3.4.2我使用有问题
pip install matplotlib==3.2.2

引入backtrader

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())

"""
starting portfolio value: 10000.00
final portfolio value: 10000.00
"""

实现简单的策略

加载外部feather数据到cerebro
实现订单监听方法：notify_order
实现策略类
上涨突破20日均线执行买入
下跌突破20日均线执行卖出

import backtrader as bt
import pandas as pd
import matplotlib.pyplot as plt

class MyStrategy(bt.Strategy):
    params = (
        ('m', 20),
    )

    def log(self, txt, dt=None):
        df = self.datas[0].datetime.date(0)
        print('%s, %s' % (df.isoformat(), txt))

    def __init__(self):
        self.dataclose = self.datas[0].close

        self.sma = bt.indicators.SMA(self.datas[0], period=self.params.m)

        self.order = None

    def notify_order(self, order):
        if order.status in [order.Submitted, order.Accepted]:
            # Buy/Sell order submitted/accepted to/by broker - Nothing to do
            return

        # Check if an order has been completed
        # Attention: broker could reject order if not enough cash
        if order.status in [order.Completed]:
            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)
            print('=======order',self.bar_executed)

        elif order.status in [order.Canceled, order.Margin, order.Rejected]:
            self.log('Order Canceled/Margin/Rejected')

        # Write down: no pending order
        self.order = None


    def next(self):
        if self.order:
            self.log("==is order: %s" % self.order)
            return

        # 检查是否持仓
        if not self.position:
            # 上涨突破20日均线执行买入
            if self.dataclose[0] > self.sma[0]:
                self.log('BUY CREATE, %.2f' % self.dataclose[0])
                self.order = self.buy()
        else:
            # 下跌突破20日均线执行卖出
            if self.dataclose[0] < self.sma[0]:
                self.log('SELL CREATE, %.2f' % self.dataclose[0])
                self.order = self.sell()


if __name__ == '__main__':
    cerebro = bt.Cerebro()

    cerebro.addstrategy(MyStrategy)
     # 读取数据
    df = pd.read_feather('./BTCUSDT_1d.feather')

    df.candle_begin_time = pd.to_datetime(df.candle_begin_time)

    df.set_index('candle_begin_time', inplace=True)

    # 给cerebro添加数据
    data = bt.feeds.PandasData(dataname=df)

    cerebro.adddata(data)

    # 设置初始化资金
    cerebro.broker.setcash(10000.0)    
    cerebro.broker.setcommission(commission=0.002)  # 手续费
    cerebro.run()

    cerebro.plot()