BackTrader 中文文档（十一）（1）-阿里云开发者社区

原文：www.backtrader.com/

基准测试

原文：www.backtrader.com/docu/observer-benchmark/benchmarking/

票号 #89 是关于添加对资产的基准测试的。理智的做法是，即使有一种策略，即使是正的，也低于简单跟踪资产将提供的内容。

backtrader 包含两种不同类型的对象，可以帮助进行跟踪：

观察者
分析器

在 分析器 领域已经有一个 TimeReturn 对象，用于跟踪整个投资组合价值的收益演变（即：包括现金）

这也显然可以是一个 观察者，因此在添加一些 基准测试 的同时，还进行了一些工作，以便能够将 观察者 和 分析器 插接在一起，这些 观察者 和 分析器 旨在跟踪相同的事物。

注意

观察者 和 分析器 之间的主要区别是 观察者 的线性特性，记录每个值，这使它们适用于

用于绘图和实时查询。当然，这会消耗内存。

分析器 另一方面通过 get_analysis 返回一组结果，实现可能不会在运行结束之前提供任何结果。

分析器 - 基准测试

标准的 TimeReturn 分析器已被扩展以支持跟踪 数据源。其中涉及的两个主要参数：

timeframe（默认值：None）如果是 None，那么将报告整个回测期间的完整回报
传递 TimeFrame.NoTimeFrame 以考虑整个数据集，没有时间约束
data（默认值：None）
参考资产以跟踪，而不是投资组合价值。
注意
此数据必须已添加到一个 cerebro 实例中，使用 addata、resampledata 或 replaydata

更多详细信息和参数：分析器参考

因此，可以这样跟踪投资组合的年度回报率

import backtrader as bt
cerebro = bt.Cerebro()
cerebro.addanalyzer(bt.analyzers.TimeReturn, timeframe=bt.TimeFrame.Years)
...  # add datas, strategies ...
results = cerebro.run()
strat0 = results[0]
# If no name has been specified, the name is the class name lowercased
tret_analyzer = strat0.analyzers.getbyname('timereturn')
print(tret_analyzer.get_analysis())

如果我们想要跟踪数据的收益

import backtrader as bt
cerebro = bt.Cerebro()
data = bt.feeds.OneOfTheFeeds(dataname='abcde', ...)
cerebro.adddata(data)
cerebro.addanalyzer(bt.analyzers.TimeReturn, timeframe=bt.TimeFrame.Years,
                    data=data)
...  # add strategies ...
results = cerebro.run()
strat0 = results[0]
# If no name has been specified, the name is the class name lowercased
tret_analyzer = strat0.analyzers.getbyname('timereturn')
print(tret_analyzer.get_analysis())

如果两者都要跟踪，则最好为 分析器 分配名称

import backtrader as bt
cerebro = bt.Cerebro()
data = bt.feeds.OneOfTheFeeds(dataname='abcde', ...)
cerebro.adddata(data)
cerebro.addanalyzer(bt.analyzers.TimeReturn, timeframe=bt.TimeFrame.Years,
                    data=data, _name='datareturns')
cerebro.addanalyzer(bt.analyzers.TimeReturn, timeframe=bt.TimeFrame.Years)
                    _name='timereturns')
...  # add strategies ...
results = cerebro.run()
strat0 = results[0]
# If no name has been specified, the name is the class name lowercased
tret_analyzer = strat0.analyzers.getbyname('timereturns')
print(tret_analyzer.get_analysis())
tdata_analyzer = strat0.analyzers.getbyname('datareturns')
print(tdata_analyzer.get_analysis())

观察者 - 基准测试

多亏了背景机制允许在 观察者 内使用 分析器，已经添加了两个新的观察者：

TimeReturn
Benchmark

两者都使用 bt.analyzers.TimeReturn 分析器来收集结果。

与上述的代码片段不同，一个完整的样本带有一些运行，以展示它们的功能。

观察 TimeReturn

执行：

$ ./observer-benchmark.py --plot --timereturn --timeframe notimeframe

注意执行选项：

--timereturn 告诉样本做到这一点
--timeframe notimeframe 告诉分析器考虑整个数据集，而不考虑时间范围边界。

最后绘制的值为 -0.26。

起始现金（从图表中清楚可见）为 50K 货币单位，策略最终以 36,970 货币单位结束，因此价值下降了 -26%。

观察基准测试

因为基准测试也将显示时间回报结果，让我们运行相同的事情，但激活基准测试：

$ ./observer-benchmark.py --plot --timeframe notimeframe

嘿，嘿，嘿！！！

策略优于资产：-0.26 vs -0.33
这不应该是一个值得庆祝的事情，但至少清楚的是策略甚至不如资产糟糕。

转到年度基础上跟踪事物：

$ ./observer-benchmark.py --plot --timeframe years

注意！

策略最终值从-0.26略微变为-0.27
另一方面，资产显示最终值为-0.35（而上文为-0.33）

值如此接近的原因是，从 2005 年到 2006 年，无论是策略还是基准资产，几乎都是从 2005 年初开始的起始水平。

切换到较低的时间框架，如周，整个情况就会改变：

$ ./observer-benchmark.py --plot --timeframe weeks
.. image:: 04-benchmarking-weeks.png

现在：

Benchmark 观察者显示更加紧张的情况。事情上上下下，因为现在对组合和数据的weekly回报进行跟踪
因为在年末的最后一周没有交易活动，且资产几乎没有变动，所以上次显示的值为 0.00（上周最后一周收盘前的最后收盘价为25.54，示例数据收盘价为25.55，差异首次在第 4 个小数点处显现）

观察基准测试 - 另一个数据

示例允许针对不同的数据进行基准测试。默认情况下，使用--benchdata1时，以Oracle作为基准测试。考虑整个数据集时，使用--timeframe notimeframe：

$ ./observer-benchmark.py --plot --timeframe notimeframe --benchdata1

现在清楚了为什么上面没有理由庆祝：

策略的结果对于notimeframe没有变化，仍为-26%（-0.26）
但是当针对另一个数据进行基准测试时，这个数据在同一时期内增长了+23%（0.23）

要么策略需要变化，要么最好交易另一个资产。

结论

现在有两种方式，使用相同的基础代码/计算，来跟踪TimeReturn和Benchmark

观察者（TimeReturn和Benchmark）

和

分析器（带有data参数的TimeReturn和TimeReturn）

当然，基准测试并不保证盈利，只是比较。

示例的用法：

$ ./observer-benchmark.py --help
usage: observer-benchmark.py [-h] [--data0 DATA0] [--data1 DATA1]
                             [--benchdata1] [--fromdate FROMDATE]
                             [--todate TODATE] [--printout] [--cash CASH]
                             [--period PERIOD] [--stake STAKE] [--timereturn]
                             [--timeframe {months,days,notimeframe,years,None,weeks}]
                             [--plot [kwargs]]
Benchmark/TimeReturn Observers Sample
optional arguments:
  -h, --help            show this help message and exit
  --data0 DATA0         Data0 to be read in (default:
                        ../../datas/yhoo-1996-2015.txt)
  --data1 DATA1         Data1 to be read in (default:
                        ../../datas/orcl-1995-2014.txt)
  --benchdata1          Benchmark against data1 (default: False)
  --fromdate FROMDATE   Starting date in YYYY-MM-DD format (default:
                        2005-01-01)
  --todate TODATE       Ending date in YYYY-MM-DD format (default: 2006-12-31)
  --printout            Print data lines (default: False)
  --cash CASH           Cash to start with (default: 50000)
  --period PERIOD       Period for the crossover moving average (default: 30)
  --stake STAKE         Stake to apply for the buy operations (default: 1000)
  --timereturn          Use TimeReturn observer instead of Benchmark (default:
                        None)
  --timeframe {months,days,notimeframe,years,None,weeks}
                        TimeFrame to apply to the Observer (default: None)
  --plot [kwargs], -p [kwargs]
                        Plot the read data applying any kwargs passed For
                        example: --plot style="candle" (to plot candles)
                        (default: None)

代码

from __future__ import (absolute_import, division, print_function,
                        unicode_literals)
import argparse
import datetime
import random
import backtrader as bt
class St(bt.Strategy):
    params = (
        ('period', 10),
        ('printout', False),
        ('stake', 1000),
    )
    def __init__(self):
        sma = bt.indicators.SMA(self.data, period=self.p.period)
        self.crossover = bt.indicators.CrossOver(self.data, sma)
    def start(self):
        if self.p.printout:
            txtfields = list()
            txtfields.append('Len')
            txtfields.append('Datetime')
            txtfields.append('Open')
            txtfields.append('High')
            txtfields.append('Low')
            txtfields.append('Close')
            txtfields.append('Volume')
            txtfields.append('OpenInterest')
            print(','.join(txtfields))
    def next(self):
        if self.p.printout:
            # Print only 1st data ... is just a check that things are running
            txtfields = list()
            txtfields.append('%04d' % len(self))
            txtfields.append(self.data.datetime.datetime(0).isoformat())
            txtfields.append('%.2f' % self.data0.open[0])
            txtfields.append('%.2f' % self.data0.high[0])
            txtfields.append('%.2f' % self.data0.low[0])
            txtfields.append('%.2f' % self.data0.close[0])
            txtfields.append('%.2f' % self.data0.volume[0])
            txtfields.append('%.2f' % self.data0.openinterest[0])
            print(','.join(txtfields))
        if self.position:
            if self.crossover < 0.0:
                if self.p.printout:
                    print('CLOSE {} @%{}'.format(size,
                                                 self.data.close[0]))
                self.close()
        else:
            if self.crossover > 0.0:
                self.buy(size=self.p.stake)
                if self.p.printout:
                    print('BUY {} @%{}'.format(self.p.stake,
                                                self.data.close[0]))
TIMEFRAMES = {
    None: None,
    'days': bt.TimeFrame.Days,
    'weeks': bt.TimeFrame.Weeks,
    'months': bt.TimeFrame.Months,
    'years': bt.TimeFrame.Years,
    'notimeframe': bt.TimeFrame.NoTimeFrame,
}
def runstrat(args=None):
    args = parse_args(args)
    cerebro = bt.Cerebro()
    cerebro.broker.set_cash(args.cash)
    dkwargs = dict()
    if args.fromdate:
        fromdate = datetime.datetime.strptime(args.fromdate, '%Y-%m-%d')
        dkwargs['fromdate'] = fromdate
    if args.todate:
        todate = datetime.datetime.strptime(args.todate, '%Y-%m-%d')
        dkwargs['todate'] = todate
    data0 = bt.feeds.YahooFinanceCSVData(dataname=args.data0, **dkwargs)
    cerebro.adddata(data0, name='Data0')
    cerebro.addstrategy(St,
                        period=args.period,
                        stake=args.stake,
                        printout=args.printout)
    if args.timereturn:
        cerebro.addobserver(bt.observers.TimeReturn,
                            timeframe=TIMEFRAMES[args.timeframe])
    else:
        benchdata = data0
        if args.benchdata1:
            data1 = bt.feeds.YahooFinanceCSVData(dataname=args.data1, **dkwargs)
            cerebro.adddata(data1, name='Data1')
            benchdata = data1
        cerebro.addobserver(bt.observers.Benchmark,
                            data=benchdata,
                            timeframe=TIMEFRAMES[args.timeframe])
    cerebro.run()
    if args.plot:
        pkwargs = dict()
        if args.plot is not True:  # evals to True but is not True
            pkwargs = eval('dict(' + args.plot + ')')  # args were passed
        cerebro.plot(**pkwargs)
def parse_args(pargs=None):
    parser = argparse.ArgumentParser(
        formatter_class=argparse.ArgumentDefaultsHelpFormatter,
        description='Benchmark/TimeReturn Observers Sample')
    parser.add_argument('--data0', required=False,
                        default='../../datas/yhoo-1996-2015.txt',
                        help='Data0 to be read in')
    parser.add_argument('--data1', required=False,
                        default='../../datas/orcl-1995-2014.txt',
                        help='Data1 to be read in')
    parser.add_argument('--benchdata1', required=False, action='store_true',
                        help=('Benchmark against data1'))
    parser.add_argument('--fromdate', required=False,
                        default='2005-01-01',
                        help='Starting date in YYYY-MM-DD format')
    parser.add_argument('--todate', required=False,
                        default='2006-12-31',
                        help='Ending date in YYYY-MM-DD format')
    parser.add_argument('--printout', required=False, action='store_true',
                        help=('Print data lines'))
    parser.add_argument('--cash', required=False, action='store',
                        type=float, default=50000,
                        help=('Cash to start with'))
    parser.add_argument('--period', required=False, action='store',
                        type=int, default=30,
                        help=('Period for the crossover moving average'))
    parser.add_argument('--stake', required=False, action='store',
                        type=int, default=1000,
                        help=('Stake to apply for the buy operations'))
    parser.add_argument('--timereturn', required=False, action='store_true',
                        default=None,
                        help=('Use TimeReturn observer instead of Benchmark'))
    parser.add_argument('--timeframe', required=False, action='store',
                        default=None, choices=TIMEFRAMES.keys(),
                        help=('TimeFrame to apply to the Observer'))
    # Plot options
    parser.add_argument('--plot', '-p', nargs='?', required=False,
                        metavar='kwargs', const=True,
                        help=('Plot the read data applying any kwargs passed\n'
                              '\n'
                              'For example:\n'
                              '\n'
                              '  --plot style="candle" (to plot candles)\n'))
    if pargs:
        return parser.parse_args(pargs)
    return parser.parse_args()
if __name__ == '__main__':
    runstrat()

BackTrader 中文文档（十一）（2）https://developer.aliyun.com/article/1505309

BackTrader 中文文档（十一）（1）

基准测试

分析器 - 基准测试

观察者 - 基准测试

观察 TimeReturn

观察基准测试

观察基准测试 - 另一个数据

结论

代码

热门文章

最新文章

相关课程

相关电子书

相关实验场景