BackTrader 中文文档（十）（3）https://developer.aliyun.com/article/1505301
访问观察者
如上所述，观察者已经存在于默认情况下，并且收集的信息可以用于统计目的，这就是为什么可以通过策略的属性来访问观察者的原因：
stats
它只是一个占位符。如果我们回忆一下如何添加默认观察者的过程：
... cerebro.addobserver(backtrader.observers.Broker) ...
显而易见的问题是如何访问Broker观察者。以下是一个示例，展示了如何从策略的next方法中执行：
class MyStrategy(bt.Strategy): def next(self): if self.stats.broker.value[0] < 1000.0: print('WHITE FLAG ... I LOST TOO MUCH') elif self.stats.broker.value[0] > 10000000.0: print('TIME FOR THE VIRGIN ISLANDS ....!!!')
Broker观察者就像数据、指标和策略本身一样也是Lines对象。在这种情况下，Broker有 2 行：
cashvalue
观察者实现
实现与指标的非常相似：
class Broker(Observer): alias = ('CashValue',) lines = ('cash', 'value') plotinfo = dict(plot=True, subplot=True) def next(self): self.lines.cash[0] = self._owner.broker.getcash() self.lines.value[0] = value = self._owner.broker.getvalue()
步骤：
- 派生自
Observer（而不是Indicator） - 根据需要声明行和参数（
Broker有 2 行但没有参数） - 将会有一个自动属性
_owner，它是持有观察者的策略
观察者开始行动：
- 所有指标计算完成后
- 在策略的
next方法执行后 - 这意味着：在周期结束时……它们观察发生了什么
在Broker情况下，它只是盲目地记录经纪人现金和组合价值在每个时间点的情况。
将观察者添加到策略中
正如上面已经指出的，Cerebro使用stdstats参数来决定是否添加 3 个默认观察者，减轻了最终用户的工作。
可以将其他观察者添加到混合中，无论是沿着stdstats还是移除它们。
让我们继续使用通常的策略，当close价格超过SimpleMovingAverage时购买，如果相反则卖出。
有一个“添加”：
- DrawDown是
backtrader生态系统中已经存在的观察者
from __future__ import (absolute_import, division, print_function, unicode_literals) import argparse import datetime import os.path import time import sys import backtrader as bt import backtrader.feeds as btfeeds import backtrader.indicators as btind class MyStrategy(bt.Strategy): params = (('smaperiod', 15),) def log(self, txt, dt=None): ''' Logging function fot this strategy''' dt = dt or self.data.datetime[0] if isinstance(dt, float): dt = bt.num2date(dt) print('%s, %s' % (dt.isoformat(), txt)) def __init__(self): # SimpleMovingAverage on main data # Equivalent to -> sma = btind.SMA(self.data, period=self.p.smaperiod) sma = btind.SMA(period=self.p.smaperiod) # CrossOver (1: up, -1: down) close / sma self.buysell = btind.CrossOver(self.data.close, sma, plot=True) # Sentinel to None: new ordersa allowed self.order = None def next(self): # Access -1, because drawdown[0] will be calculated after "next" self.log('DrawDown: %.2f' % self.stats.drawdown.drawdown[-1]) self.log('MaxDrawDown: %.2f' % self.stats.drawdown.maxdrawdown[-1]) # Check if we are in the market if self.position: if self.buysell < 0: self.log('SELL CREATE, %.2f' % self.data.close[0]) self.sell() elif self.buysell > 0: self.log('BUY CREATE, %.2f' % self.data.close[0]) self.buy() def runstrat(): cerebro = bt.Cerebro() data = bt.feeds.BacktraderCSVData(dataname='../../datas/2006-day-001.txt') cerebro.adddata(data) cerebro.addobserver(bt.observers.DrawDown) cerebro.addstrategy(MyStrategy) cerebro.run() cerebro.plot() if __name__ == '__main__': runstrat()
视觉输出显示了回撤的演变
文本输出的一部分：
... 2006-12-14T23:59:59+00:00, MaxDrawDown: 2.62 2006-12-15T23:59:59+00:00, DrawDown: 0.22 2006-12-15T23:59:59+00:00, MaxDrawDown: 2.62 2006-12-18T23:59:59+00:00, DrawDown: 0.00 2006-12-18T23:59:59+00:00, MaxDrawDown: 2.62 2006-12-19T23:59:59+00:00, DrawDown: 0.00 2006-12-19T23:59:59+00:00, MaxDrawDown: 2.62 2006-12-20T23:59:59+00:00, DrawDown: 0.10 2006-12-20T23:59:59+00:00, MaxDrawDown: 2.62 2006-12-21T23:59:59+00:00, DrawDown: 0.39 2006-12-21T23:59:59+00:00, MaxDrawDown: 2.62 2006-12-22T23:59:59+00:00, DrawDown: 0.21 2006-12-22T23:59:59+00:00, MaxDrawDown: 2.62 2006-12-27T23:59:59+00:00, DrawDown: 0.28 2006-12-27T23:59:59+00:00, MaxDrawDown: 2.62 2006-12-28T23:59:59+00:00, DrawDown: 0.65 2006-12-28T23:59:59+00:00, MaxDrawDown: 2.62 2006-12-29T23:59:59+00:00, DrawDown: 0.06 2006-12-29T23:59:59+00:00, MaxDrawDown: 2.62
注意
如文本输出和代码中所见，DrawDown观察者实际上有 2 条线：
drawdownmaxdrawdown
选择不绘制maxdrawdown线，但仍然使其对用户可用。
实际上，maxdrawdown的最后一个值也可以通过名为maxdd的直接属性（而不是一条线）获得。
开发观察者
上面展示了Broker观察者的实现。为了生成一个有意义的观察者，实现可以使用以下信息：
self._owner是当前正在执行的策略
因此，策略内的任何内容都可以供观察者使用- 策略中可用的默认内部内容可能会有用：
broker-> 属性，提供对策略创建订单的经纪人实例的访问
- 如在
Broker中所见，现金和投资组合价值是通过调用getcash和getvalue方法收集的
_orderspending-> 策略创建的订单列表，经纪人已通知策略的事件。
BuySell观察者遍历列表，查找已执行（完全或部分）的订单，以创建给定时间点（索引 0）的平均执行价格
_tradespending-> 交易列表（一组已完成的买入/卖出或卖出/买入对），从买入/卖出订单中编制
一个观察者显然可以通过self._owner.stats路径访问其他观察者。
自定义OrderObserver
标准的BuySell观察者只关心已执行的操作。我们可以创建一个观察者，显示订单何时被创建以及它们是否已过期。
为了可见性，显示将不会沿着价格绘制，而是在单独的轴上。
from __future__ import (absolute_import, division, print_function, unicode_literals) import math import backtrader as bt class OrderObserver(bt.observer.Observer): lines = ('created', 'expired',) plotinfo = dict(plot=True, subplot=True, plotlinelabels=True) plotlines = dict( created=dict(marker='*', markersize=8.0, color='lime', fillstyle='full'), expired=dict(marker='s', markersize=8.0, color='red', fillstyle='full') ) def next(self): for order in self._owner._orderspending: if order.data is not self.data: continue if not order.isbuy(): continue # Only interested in "buy" orders, because the sell orders # in the strategy are Market orders and will be immediately # executed if order.status in [bt.Order.Accepted, bt.Order.Submitted]: self.lines.created[0] = order.created.price elif order.status in [bt.Order.Expired]: self.lines.expired[0] = order.created.price
自定义观察者只关心买入订单，因为这是一个只买入以试图获利的策略。卖出订单是市价订单，将立即执行。
Close-SMA CrossOver 策略已更改为：
- 在信号时刻的收盘价以下 1.0%的价格创建一个限价单
- 订单的有效期为 7（日历）天
结果图表。
如在新的子图表（红色方块）中所见，几个订单已经过期，我们还可以看到在“创建”和“执行”之间有几天发生。
最终应用新的观察者的策略代码
from __future__ import (absolute_import, division, print_function, unicode_literals) import datetime import backtrader as bt import backtrader.feeds as btfeeds import backtrader.indicators as btind from orderobserver import OrderObserver class MyStrategy(bt.Strategy): params = ( ('smaperiod', 15), ('limitperc', 1.0), ('valid', 7), ) def log(self, txt, dt=None): ''' Logging function fot this strategy''' dt = dt or self.data.datetime[0] if isinstance(dt, float): dt = bt.num2date(dt) print('%s, %s' % (dt.isoformat(), txt)) def notify_order(self, order): if order.status in [order.Submitted, order.Accepted]: # Buy/Sell order submitted/accepted to/by broker - Nothing to do self.log('ORDER ACCEPTED/SUBMITTED', dt=order.created.dt) self.order = order return if order.status in [order.Expired]: self.log('BUY EXPIRED') elif order.status in [order.Completed]: if order.isbuy(): self.log( 'BUY EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' % (order.executed.price, order.executed.value, order.executed.comm)) else: # Sell self.log('SELL EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' % (order.executed.price, order.executed.value, order.executed.comm)) # Sentinel to None: new orders allowed self.order = None def __init__(self): # SimpleMovingAverage on main data # Equivalent to -> sma = btind.SMA(self.data, period=self.p.smaperiod) sma = btind.SMA(period=self.p.smaperiod) # CrossOver (1: up, -1: down) close / sma self.buysell = btind.CrossOver(self.data.close, sma, plot=True) # Sentinel to None: new ordersa allowed self.order = None def next(self): if self.order: # pending order ... do nothing return # Check if we are in the market if self.position: if self.buysell < 0: self.log('SELL CREATE, %.2f' % self.data.close[0]) self.sell() elif self.buysell > 0: plimit = self.data.close[0] * (1.0 - self.p.limitperc / 100.0) valid = self.data.datetime.date(0) + \ datetime.timedelta(days=self.p.valid) self.log('BUY CREATE, %.2f' % plimit) self.buy(exectype=bt.Order.Limit, price=plimit, valid=valid) def runstrat(): cerebro = bt.Cerebro() data = bt.feeds.BacktraderCSVData(dataname='../../datas/2006-day-001.txt') cerebro.adddata(data) cerebro.addobserver(OrderObserver) cerebro.addstrategy(MyStrategy) cerebro.run() cerebro.plot() if __name__ == '__main__': runstrat()
保存/保留统计信息
截至目前，backtrader尚未实施任何机制来跟踪观察者的值并将其存储到文件中。最佳方法是：
- 在策略的
start方法中打开文件 - 在策略的
next方法中写下数值
考虑到DrawDown观察者，可以这样做
class MyStrategy(bt.Strategy): def start(self): self.mystats = open('mystats.csv', 'wb') self.mystats.write('datetime,drawdown, maxdrawdown\n') def next(self): self.mystats.write(self.data.datetime.date(0).strftime('%Y-%m-%d')) self.mystats.write(',%.2f' % self.stats.drawdown.drawdown[-1]) self.mystats.write(',%.2f' % self.stats.drawdown.maxdrawdown-1]) self.mystats.write('\n')
要保存索引 0 的值，一旦所有观察者都被处理，可以添加一个自定义观察者作为系统的最后一个观察者，将值保存到 csv 文件中。
注意
Writer 功能可以自动化这个任务。
