BackTrader 中文文档（二十八）（3）-阿里云开发者社区

BackTrader 中文文档（二十八）（2）https://developer.aliyun.com/article/1505487

CSV 数据源开发

原文：www.backtrader.com/blog/posts/2015-08-06-csv-data-feed-development/csv-data-feed-development/

backtrader 已经提供了一个通用的 CSV 数据源和一些特定的 CSV 数据源。总结如下：

GenericCSVData
VisualChartCSVData
YahooFinanceData（用于在线下载）
YahooFinanceCSVData（用于已下载的数据）
BacktraderCSVData（内部…用于测试目的，但可以使用）

但即使如此，最终用户可能希望为特定的 CSV 数据源开发支持。

通常的格言是：“说起来容易做起来难”。实际上，结构设计得很简单。

步骤：

继承自backtrader.CSVDataBase
如果需要，定义任何params
在start方法中进行任何初始化
在stop方法中进行任何清理
定义一个_loadline方法，其中实际工作发生
此方法接收一个参数：linetokens。
正如名称所示，这包含了在根据separator参数（从基类继承）分割当前行后的令牌。
如果在完成其工作后有新数据… 填充相应的行并返回True
如果没有可用的数据，因此解析已经结束：返回False
如果在幕后读取文件行的代码发现没有更多可解析的行，则可能甚至不需要返回False。

已经考虑到的事项：

打开文件（或接收类似文件的对象）
如果存在，则跳过标题行
读取行
对行进行标记
预加载支持（一次性将整个数据源加载到内存中）

通常，一个例子胜过千言万语的要求描述。让我们使用从BacktraderCSVData定义的简化版本的内部定义的 CSV 解析代码。这个不需要初始化或清理（例如，可以稍后打开套接字并关闭）。

注意

backtrader数据源包含常见的行业标准数据源，这些是需要填充的。即：

日期时间
打开
高
低
关闭
成交量
持仓量

如果您的策略/算法或简单的数据查阅只需要，例如收盘价，您可以将其他内容保持不变（每次迭代都会在最终用户代码有机会执行任何操作之前自动使用 float（‘NaN’）值填充它们。

在本例中仅支持每日格式：

import itertools
...
import backtrader import bt
class MyCSVData(bt.CSVDataBase):
    def start(self):
        # Nothing to do for this data feed type
        pass
    def stop(self):
        # Nothing to do for this data feed type
        pass
    def _loadline(self, linetokens):
        i = itertools.count(0)
        dttxt = linetokens[next(i)]
        # Format is YYYY-MM-DD
        y = int(dttxt[0:4])
        m = int(dttxt[5:7])
        d = int(dttxt[8:10])
        dt = datetime.datetime(y, m, d)
        dtnum = date2num(dt)
        self.lines.datetime[0] = dtnum
        self.lines.open[0] = float(linetokens[next(i)])
        self.lines.high[0] = float(linetokens[next(i)])
        self.lines.low[0] = float(linetokens[next(i)])
        self.lines.close[0] = float(linetokens[next(i)])
        self.lines.volume[0] = float(linetokens[next(i)])
        self.lines.openinterest[0] = float(linetokens[next(i)])
        return True

代码期望所有字段都就位，并且可转换为浮点数，除了日期时间之外，它具有固定的 YYYY-MM-DD 格式，并且可以在不使用datetime.datetime.strptime的情况下解析。

只需添加几行代码即可满足更复杂的需求，以处理空值，日期格式解析。GenericCSVData就是这样做的。

买方注意事项

使用GenericCSVData现有的数据源和继承可以实现很多支持格式的功能。

让我们为Sierra Chart的每日格式添加支持（该格式始终以 CSV 格式存储）。

定义（通过查看一个**‘.dly’**数据文件）：

字段：日期、开盘价、最高价、最低价、收盘价、成交量、持仓量
行业标准和已由 GenericCSVData 支持的那些文件，按相同顺序（这也是行业标准）
分隔符：,
日期格式：YYYY/MM/DD

针对这些文件的解析器：

class SierraChartCSVData(backtrader.feeds.GenericCSVData):
    params = (('dtformat', '%Y/%m/%d'),)

params 的定义只是重新定义基类中的一个现有参数。在这种情况下，只需更改日期的格式化字符串。

哎呀……Sierra Chart 的解析器完成了。

这里是 GenericCSVData 的参数定义作为提醒：

class GenericCSVData(feed.CSVDataBase):
    params = (
        ('nullvalue', float('NaN')),
        ('dtformat', '%Y-%m-%d %H:%M:%S'),
        ('tmformat', '%H:%M:%S'),
        ('datetime', 0),
        ('time', -1),
        ('open', 1),
        ('high', 2),
        ('low', 3),
        ('close', 4),
        ('volume', 5),
        ('openinterest', 6),
    )

通用 CSV 数据源

原文：www.backtrader.com/blog/posts/2015-08-04-generic-csv-datafeed/generic-csv-datafeed/

一个问题导致实现了GenericCSVData，可用于解析不同的 CSV 格式。

GitHub 上的问题，Issue #6清楚地显示需要有能够处理任何传入 CSV 数据源的东西。

参数声明中包含关键信息：

class GenericCSVData(feed.CSVDataBase):
    params = (
        ('nullvalue', float('NaN')),
        ('dtformat', '%Y-%m-%d %H:%M:%S'),
        ('tmformat', '%H:%M:%S'),
        ('datetime', 0),
        ('time', -1),
        ('open', 1),
        ('high', 2),
        ('low', 3),
        ('close', 4),
        ('volume', 5),
        ('openinterest', 6),
    )

因为该类继承自 CSVDataBase，一些标准参数可用：

fromdate（接受日期时间对象以限制起始日期）
todate（接受日期时间对象）以限制结束日期）
headers（默认值：True，指示 CSV 数据是否有标题行）
separator（默认值：“,”，分隔字段的字符）
dataname（包含 CSV 数据的文件名或类似文件的对象）

其他一些参数如name，compression和timeframe仅供参考，除非您计划执行重新采样。

当然更重要的是，新定义参数的含义：

datetime（默认值：0）列包含日期（或日期时间）字段
time（默认值：-1）列包含时间字段，如果与日期时间字段分开（-1 表示不存在）
open（默认值：1），high（默认值：2），low（默认值：3），close（默认值：4），volume（默认值：5），openinterest（默认值：6）
包含相应字段的列的索引
如果传递负值（例如：-1），表示 CSV 数据中不存在该字段
nullvalue（默认值：float（‘NaN’））
如果应该存在的值缺失（CSV 字段为空），将使用的值
dtformat（默认值：%Y-%m-%d %H:%M:%S）
用于解析日期时间 CSV 字段的格式
tmformat（默认值：%H:%M:%S）
用于解析时间 CSV 字段的格式（如果“存在”）（“时间”CSV 字段的默认值是不存在）

这可能足以涵盖许多不同的 CSV 格式和值的缺失。

涵盖以下要求的示例用法：

限制输入至 2000 年
HLOC 顺序而不是 OHLC
缺失值将被替换为零（0.0）
提供每日 K 线数据，日期时间格式为 YYYY-MM-DD
没有openinterest列存在

代码：

import datetime
import backtrader as bt
import backtrader.feeds as btfeed
...
...
data = btfeed.GenericCSVData(
    dataname='mydata.csv',
    fromdate=datetime.datetime(2000, 1, 1),
    todate=datetime.datetime(2000, 12, 31),
    nullvalue=0.0,
    dtformat=('%Y-%m-%d'),
    datetime=0,
    high=1,
    low=2,
    open=3,
    close=4,
    volume=5,
    openinterest=-1
)

稍微修改的要求：

限制输入至 2000 年
HLOC 顺序而不是 OHLC
缺失值将被替换为零（0.0）
提供分钟级 K 线数据，具有单独的日期和时间列

日期格式为 YYYY-MM-DD
时间格式为 HH.MM.SS

没有openinterest列存在

代码：

import datetime
import backtrader as bt
import backtrader.feeds as btfeed
...
...
data = btfeed.GenericCSVData(
    dataname='mydata.csv',
    fromdate=datetime.datetime(2000, 1, 1),
    todate=datetime.datetime(2000, 12, 31),
    nullvalue=0.0,
    dtformat=('%Y-%m-%d'),
    tmformat=('%H.%M.%S'),
    datetime=0,
    time=1,
    high=2,
    low=3,
    open=4,
    close=5,
    volume=6,
    openinterest=-1
)

改进佣金：股票与期货

原文：www.backtrader.com/blog/posts/2015-07-31-commission-schemes-updated/commission-schemes-updated/

发布 backtrader 使用示例让我对一些缺失的东西有了了解。首先：

多核优化
佣金：股票与期货

后者告诉了我：

经纪人在利润和损失的计算方面做得很对，向调用策略提供了正确的订单通知
策略无法访问operations（又称trades），这是订单已经开仓并关闭头寸的结果（后者显示出盈亏数字）
绘制的Operation盈亏数字由一个Observer收集，并且无法访问实际的commission scheme，因此对于类似于期货的操作和类似于股票的操作，将显示相同的盈亏数字。

显然，需要进行一些小的内部重组才能实现：

向策略发送Operation通知
Operations显示正确的盈亏数字

broker已经拥有了所有需要的信息，并且已经将大部分信息填入了被通知到strategy的order中，而broker需要做出的唯一决定是是否将额外的信息位放入订单中，或者它可以自己计算operations。

由于策略已经获得了orders，并且将operations保留在列表中似乎很自然，broker只是在订单部分/完全关闭头寸时添加实际的盈亏，将计算责任留给了strategy。

这进一步简化了Operations Observer的实际角色，即观察新关闭的Operation并记录下来。这是它一直应该有的角色。

下面的代码已经被重新设计，不再计算盈亏数字，而只是注意到notify_operation中通知的数字。

现在图表反映出了真实的盈亏数字（cash和value已经是真实的）

旧的期货记录：

2006-03-09, BUY CREATE, 3757.59
2006-03-10, BUY EXECUTED, Price: 3754.13, Cost: 2000.00, Comm 2.00
2006-04-11, SELL CREATE, 3788.81
2006-04-12, SELL EXECUTED, Price: 3786.93, Cost: 2000.00, Comm 2.00
2006-04-12, OPERATION PROFIT, GROSS 328.00, NET 324.00
2006-04-20, BUY CREATE, 3860.00
2006-04-21, BUY EXECUTED, Price: 3863.57, Cost: 2000.00, Comm 2.00
2006-04-28, SELL CREATE, 3839.90
2006-05-02, SELL EXECUTED, Price: 3839.24, Cost: 2000.00, Comm 2.00
2006-05-02, OPERATION PROFIT, GROSS -243.30, NET -247.30

新的期货记录：

2006-03-09, BUY CREATE, 3757.59
2006-03-10, BUY EXECUTED, Price: 3754.13, Cost: 2000.00, Comm 2.00
2006-04-11, SELL CREATE, 3788.81
2006-04-12, SELL EXECUTED, Price: 3786.93, Cost: 2000.00, Comm 2.00
2006-04-12, OPERATION PROFIT, GROSS 328.00, NET 324.00
2006-04-20, BUY CREATE, 3860.00
2006-04-21, BUY EXECUTED, Price: 3863.57, Cost: 2000.00, Comm 2.00
2006-04-28, SELL CREATE, 3839.90
2006-05-02, SELL EXECUTED, Price: 3839.24, Cost: 2000.00, Comm 2.00
2006-05-02, OPERATION PROFIT, GROSS -243.30, NET -247.30
2006-05-02, BUY CREATE, 3862.24

旧的股票记录：

2006-03-09, BUY CREATE, 3757.59
2006-03-10, BUY EXECUTED, Price: 3754.13, Cost: 3754.13, Comm 18.77
2006-04-11, SELL CREATE, 3788.81
2006-04-12, SELL EXECUTED, Price: 3786.93, Cost: 3786.93, Comm 18.93
2006-04-12, OPERATION PROFIT, GROSS 32.80, NET -4.91
2006-04-20, BUY CREATE, 3860.00
2006-04-21, BUY EXECUTED, Price: 3863.57, Cost: 3863.57, Comm 19.32
2006-04-28, SELL CREATE, 3839.90
2006-05-02, SELL EXECUTED, Price: 3839.24, Cost: 3839.24, Comm 19.20
2006-05-02, OPERATION PROFIT, GROSS -24.33, NET -62.84

新的股票记录：

2006-03-09, BUY CREATE, 3757.59
2006-03-10, BUY EXECUTED, Price: 3754.13, Cost: 3754.13, Comm 18.77
2006-04-11, SELL CREATE, 3788.81
2006-04-12, SELL EXECUTED, Price: 3786.93, Cost: 3786.93, Comm 18.93
2006-04-12, OPERATION PROFIT, GROSS 32.80, NET -4.91
2006-04-20, BUY CREATE, 3860.00
2006-04-21, BUY EXECUTED, Price: 3863.57, Cost: 3863.57, Comm 19.32
2006-04-28, SELL CREATE, 3839.90
2006-05-02, SELL EXECUTED, Price: 3839.24, Cost: 3839.24, Comm 19.20
2006-05-02, OPERATION PROFIT, GROSS -24.33, NET -62.84
2006-05-02, BUY CREATE, 3862.24

图表（仅新的图表）。现在可以清楚地看到futures-like操作和stock-like操作之间的差异，不仅在cash和value的变化中。

期货佣金

股票佣金

代码

from __future__ import (absolute_import, division, print_function,
                        unicode_literals)
import backtrader as bt
import backtrader.feeds as btfeeds
import backtrader.indicators as btind
futures_like = True
if futures_like:
    commission, margin, mult = 2.0, 2000.0, 10.0
else:
    commission, margin, mult = 0.005, None, 1
class SMACrossOver(bt.Strategy):
    def log(self, txt, dt=None):
        ''' Logging function fot this strategy'''
        dt = dt or self.datas[0].datetime.date(0)
        print('%s, %s' % (dt.isoformat(), txt))
    def notify(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 enougth cash
        if order.status in [order.Completed, order.Canceled, order.Margin]:
            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))
    def notify_trade(self, trade):
        if trade.isclosed:
            self.log('TRADE PROFIT, GROSS %.2f, NET %.2f' %
                     (trade.pnl, trade.pnlcomm))
    def __init__(self):
        sma = btind.SMA(self.data)
        # > 0 crossing up / < 0 crossing down
        self.buysell_sig = btind.CrossOver(self.data, sma)
    def next(self):
        if self.buysell_sig > 0:
            self.log('BUY CREATE, %.2f' % self.data.close[0])
            self.buy()  # keep order ref to avoid 2nd orders
        elif self.position and self.buysell_sig < 0:
            self.log('SELL CREATE, %.2f' % self.data.close[0])
            self.sell()
if __name__ == '__main__':
    # Create a cerebro entity
    cerebro = bt.Cerebro()
    # Add a strategy
    cerebro.addstrategy(SMACrossOver)
    # Create a Data Feed
    datapath = ('../../datas/2006-day-001.txt')
    data = bt.feeds.BacktraderCSVData(dataname=datapath)
    # Add the Data Feed to Cerebro
    cerebro.adddata(data)
    # set commission scheme -- CHANGE HERE TO PLAY
    cerebro.broker.setcommission(
        commission=commission, margin=margin, mult=mult)
    # Run over everything
    cerebro.run()
    # Plot the result
    cerebro.plot()

佣金：股票 vs 期货

原文：www.backtrader.com/blog/posts/2015-07-26-commission-schemes/commission-schemes/

backtrader 的诞生是出于必要性。我自己…希望有一种感觉，我可以控制自己的回测平台并尝试新的想法。但是在这样做并从一开始就完全开源化之后，很明显它必须有一种方式来满足其他人的需求和愿望。

作为交易者未来，我本可以选择编写基于点数的计算和每轮固定价格的佣金，但那将是一个错误。

注意

2015 年 7 月 31 日

跟进帖子，附带新添加的操作/交易通知，修复交易 P&L 图表的绘制，并避免像下面示例中那样的手动计算。

改善佣金：股票 vs 期货

相反，backtrader提供了使用常规%大小/价格基础方案和固定价格/点方案的可能性。选择权在你手上。

不可知论

在继续之前，让我们记住`backtrader`试图保持对数据表示的不可知。可以将不同的佣金方案应用于相同的数据集。
让我们看看如何做到这一点。
## 使用经纪人快捷方式
这样可以使最终用户远离`CommissionInfo`对象，因为可以通过单个函数调用创建/设置佣金方案。在常规的`cerebro`创建/设置过程中，只需将调用添加到`broker`成员变量上即可。以下调用在使用*InteractiveBrokers*时为**Eurostoxx50**期货设置了一种常规佣金方案：

cerebro.broker.setcommission(commission=2.0, margin=2000.0, mult=10.0)

由于大多数用户通常只测试单个工具，因此这就是问题的全部。如果您已经为数据源指定了name，因为图表上同时考虑了多个工具，因此此调用可以略微扩展为如下所示：

cerebro.broker.setcommission(commission=2.0, margin=2000.0, mult=10.0,
name='Eurostoxxx50')

在这种情况下，这种即时佣金方案将仅应用于名称与Eurostoxx50匹配的工具。

设置佣金参数的含义

commission（默认值：0.0）每个操作的货币单位以绝对值或百分比形式的成本。在上面的示例中，每个buy合约需要 2.0 欧元，每个sell合约也是如此。这里的重要问题是何时使用绝对值或百分比值。

如果margin评估为False（例如为 False、0 或 None），则将认为commission表示price乘以size操作值的百分比。
如果margin是其他内容，则认为操作发生在类似期货的工具上，并且commission是每个size合约的固定价格

margin（默认值：None）使用期货等工具时需要的保证金。如上所述

如果设置了no margin，则commission将被理解为以百分比表示，并应用于buy或sell操作的price * size组件
如果设置了margin，则commission将被理解为与buy或sell操作的size分量相乘的固定值

mult（默认：1.0）
对于类似期货的工具，这决定了要应用于利润和损失计算的乘数。
这就是期货同时具有吸引力和风险的原因。
name（默认：无）
限制佣金方案的应用于与name匹配的工具。
这可以在创建数据源时设置。
如果不设置，方案将应用于系统中存在的任何数据。

现在有两个例子：股票 vs 期货

来自上述的期货示例：

cerebro.broker.setcommission(commission=2.0, margin=2000.0, mult=10.0)

股票的一个例子：

cerebro.broker.setcommission(commission=0.005)  # 0.5% of the operation value

创建永久佣金方案

更持久的佣金方案可以通过直接使用CommissionInfo类来创建。用户可以选择将此定义放在某处：

from bt import CommissionInfo
commEurostoxx50 = CommissionInfo(commission=2.0, margin=2000.0, mult=10.0)

然后在另一个 Python 模块中应用它与addcommissioninfo：

from mycomm import commEurostoxx50
...
cerebro.broker.addcomissioninfo(commEuroStoxx50, name='Eurostoxxx50')

CommissionInfo是一个对象，它使用与backtrader环境中的其他对象一样的params声明。因此，上述内容也可以表示为：

from bt import CommissionInfo
class CommEurostoxx50(CommissionInfo):
    params = dict(commission=2.0, margin=2000.0, mult=10.0)

后来：

from mycomm import CommEurostoxx50
...
cerebro.broker.addcomissioninfoCommEuroStoxx50(), name='Eurostoxxx50')

BackTrader 中文文档（二十八）（4）https://developer.aliyun.com/article/1505489

BackTrader 中文文档（二十八）（3）

CSV 数据源开发

买方注意事项

通用 CSV 数据源

改进佣金：股票与期货

期货佣金

股票佣金

代码

佣金：股票 vs 期货

不可知论

设置佣金参数的含义

现在有两个例子：股票 vs 期货

创建永久佣金方案

热门文章

最新文章

相关电子书

热门

活动广场

任务中心

开发者评测

高校计划

乘风者计划

训练营

阿里云MVP

话题

直播

下载

镜像站

技术资料

插件

BackTrader 中文文档（二十八）（3）

CSV 数据源开发

买方注意事项

通用 CSV 数据源

改进佣金：股票与期货

期货佣金

股票佣金

代码

佣金：股票 vs 期货

不可知论

设置佣金参数的含义

现在有两个例子：股票 vs 期货

创建永久佣金方案

热门文章

最新文章

相关电子书