01 引言 股票市场自交易以来,人们就开始孜孜不倦地探索各种各样的投资理论,其中技术分析是重要的理论之一。实际上,技术分析是100多年前创建的股票投资理论,是投资者对股票量价变化长期观察归纳总结的若干“规律”。技术分析以市场行为(价格和成交量)为研究对象,以判断市场趋势并跟随趋势的周期性变化来指导交易,认为市场行为包容一切信息、价格以趋势方式波动、历史会重演。目前,股票分析的技术指标超过1000多种,从功能角度而言,总体可以分为趋势类、摆动类和能量类指标。趋势类指标结合均线特征,根据股价与指标之间的关系分析股价趋势强弱,如MACD指标。摆动类指标根据股票的成交量、价格和时空,通过公式得出一个数值,通过该数值波动规律指导交易,如KDJ、RSI指标。能量类指标通过分析成交量变化来预测股价波动,如OBV、VOL指标等。本文主要介绍backtrader回测框架中技术分析指标(indicators)的调用方法、自定义指标的编写以及技术指标的历史回测。 关于backtrader的入门和进阶见公众号系列推文: (1)【手把手教你】入门量化回测最强神器backtrader(一) (2)【手把手教你】入门量化回测最强神器backtrader(二) (3)【手把手教你】入门量化回测最强神器backtrader(三) (4)backtrader如何加载股票因子数据?以换手率、市盈率为例进行回测【附Python代码】 (5)如何用backtrader对股票组合进行量化回测? (6)【手把手教你】用backtrader量化回测海龟交易策略 02 Indicators指标调用 backtrader回测框架内置了很多技术分析指标,封装在indicators中。打开backtrader安装路径,以Anaconda为例,打开\Lib\site-packages\backtrader\,进入indicators文件夹,可以看到里面有48个py文件,文件名是各个技术指标或公示的简称,打开这些文件可以进一步了解包含的具体指标,以及调用的函数名和参数等。 以MACD指标为例,使用Notepad++软件打开macd.py文件,可以看到MACD和MACDHisto两个类,其中MACD是计算MACD指标的类,而MACDHisto则是MACD的子类,增加了macd和信号线之间差异的“直方图”,调用的时候直接使用bt.ind.MACD(参数)。下面以常用的MACD、RSI、布林带指标为例,为大家展示其调用方法。 使用tushare获取数据,并设置为backtrader的数据格式。 import backtrader as bt import pandas as pd import numpy as np import tushare as ts def get_data(code,start='2010-01-01',end='2020-08-31'): df=ts.get_k_data(code,autype='qfq',start=start,end=end) df.index=pd.to_datetime(df.date) df['openinterest']=0 df=df[['open','high','low','close','volume','openinterest']] return df dataframe=get_data('600000',start='2015-01-01') dataframe.head() 写一个测试策略,在输出图形中呈现MACD、MACD带柱、RSI和布林带技术指标。 class TestStrategy(bt.Strategy): def __init__(self): bt.ind.MACD(self.data) bt.ind.MACDHisto(self.data) bt.ind.RSI(self.data,period=14) bt.ind.BBands(self.data) 将回测系统设置封装成main函数,后面还会反复用到。 def main(data,strategy,pf=False): cerebro = bt.Cerebro() feed = bt.feeds.PandasData(dataname=data) cerebro.adddata(feed) #加载策略 cerebro.addstrategy(strategy) # 设置初始资本为10,000 startcash = 100000 cerebro.broker.setcash(startcash) # 设置交易手续费为 0.1% cerebro.broker.setcommission(commission=0.001) cerebro.run() #获取回测结束后的总资金 portvalue = cerebro.broker.getvalue() pnl = portvalue - startcash if pf: print(f'总资金: {round(portvalue,2)}') print(f'净收益: {round(pnl,2)}') %matplotlib inline cerebro.plot() 回测结果如下图所示。 data=get_data('601318','2020-03-01') main(data,TestStrategy) 上述策略只是调用了技术指标用于画图,下面以MACD指标为例,调用该指标计算MACD柱,当MACD柱大于0(金叉)时发出买入信号,当MACD柱小于0(死叉)时发出卖出信号。 class TradeStrategy(bt.Strategy): params=(('p1',12),('p2',26),('p3',9),) def __init__(self): self.order = None #获取MACD柱 self.macdhist = bt.ind.MACDHisto(self.data, period_me1=self.p.p1, period_me2=self.p.p2, period_signal=self.p.p3) def next(self): if not self.position: # 得到当前的账户价值 total_value = self.broker.getvalue() #1手=100股,满仓买入 ss=int((total_value/100)/self.datas[0].close[0])*100 #当MACD柱大于0(红柱)且无持仓时满仓买入 if self.macdhist > 0: self.order=self.buy(size=ss) else: #当MACD柱小于0(绿柱)且持仓时全部清仓 if self.macdhist < 0: self.close() 以中国平安股票为例,使用MACD指标对2010.1-2020.9年数据进行历史回测。 data=get_data('601318','2010-03-01') main(data,TradeStrategy,pf=True) #期初资金:100000 #期末资金: 225440.47 #净收益: 125440.47 03 自定义指标 backtrader的可扩展性很强,除了内置的技术分析指标外,可以通过类的扩展进行自定义指标。20日均线在实战中具有一定的指导意义,可以根据价格偏离20日均线的某个阈值构建类似于布林带的通道线指标。 定义一个指标的类,该类继承bt.Indicator,均线采用20日周期,上下限阈值分别为20%和15%。 class TrendBand(bt.Indicator): lines = ('mid','top','bot',) params = (('maperiod',20), ('period',3), ('highRate',1.2), ('lowRate',0.85),) #与价格在同一张图 plotinfo = dict(subplot=False) def __init__(self): ema = bt.ind.EMA(self.data, period=self.p.maperiod) #计算上中下轨线 self.l.mid=bt.ind.EMA(ema,period=self.p.period) self.l.top=bt.ind.EMA(self.mid*self.p.highRate,\ period=self.p.period) self.l.bot=bt.ind.EMA(self.mid*self.p.lowRate,\ period=self.p.period) super(TrendBand, self).__init__() 首先看一下该指标的图形。 class TestStrategy2(bt.Strategy): def __init__(self): TrendBand(self.data) 回测结果: data=get_data('601318','2010-01-01') main(data,TestStrategy2) 下面基于该指标构建交易策略并回测,当价格站在中轨线上,且成交量突破20日新高时买入,当价格突破上轨线时卖出。 class MyStrategy(bt.Strategy): params=(('period',20),) def __init__(self): self.order = None self.mid = TrendBand(self.data).mid self.top = TrendBand(self.data).top self.bot = TrendBand(self.data).bot #设置买入信号 self.buy_sig=bt.And(\ self.data.close>self.mid,\ self.data.volume==bt.ind.Highest(\ self.data.volume,period=self.p.period)) #卖出信号 self.sell_sig=self.data.close>self.top def next(self): if not self.position: # 得到当前的账户价值 total_value = self.broker.getvalue() #1手=100股,满仓买入 ss=int((total_value/100)/self.datas[0].close[0])*100 if self.buy_sig: self.order=self.buy(size=ss) else: if self.sell_sig: self.close() 仍然以中国平安为例,回测结果如下图所示: data=get_data('601318','2010-01-01') main(data,MyStrategy,True) #期初资金:100000.00 #期末资金: 398949.39 #净收益: 298949.39 04 结语 本文主要介绍了backtrader回测框架中indicators的调用、自定义指标的编写以及历史回测。其中自定义指标主要是示例作用,不构成任何投资建议。历史回测中仅以中国平安个股为例,具有一定的局限性,感兴趣的读者可以参考组合回测那篇推文,对全市场股票进行组合回测以进一步判断自定义指标的实用性。最后再强调一句,学习没有捷径,要想全面而深入地学习backtrader回测框架,最好的方法是研读其官方文档。公众号后台回复“backtrader”可获取《backtrader入门指南》的中文文档。 参考资料: backtrader官方文档和安装包原生代码 https://www./docu/ |
|