使用Backtrader对股票历史数据进行指标回测

本次使用tushare接口，股票为600018，时间是20200101——20211231。

使用的指标是：收盘价大于简单移动平均价。

佣金为0.001。

英文代码的英文原文：Quickstart Guide - Backtrader 

注意：代码最后plot画图，在spyder中不能正常显示图片，只能显示提示信息：

<IPython.core.display.Javascript object>
<IPython.core.display.HTML object>

在Jupyter Notebook中则可以正常显示图片。

期初资金: 100000.00
2020-02-26, Close, 11.20
2020-02-26, 买入单, 11.20
2020-02-27, 已买入, 价格: 11.20, 费用: 112.00, 佣金 0.11
2020-02-27, Close, 11.21
2020-02-28, Close, 10.85
2020-02-28, 卖出单, 10.85
2020-03-02, 已卖出, 价格: 10.95, 费用: 112.00, 佣金 0.11
2020-03-02, 交易利润, 毛利润 -2.50, 净利润 -2.72
2020-03-02, Close, 11.04
2020-03-03, Close, 11.06
......
2022-01-21, Close, 8.76
2022-01-24, Close, 8.69
2022-01-25, Close, 8.56
2022-01-25, 卖出单, 8.56
2022-01-26, 已卖出, 价格: 8.57, 费用: 86.30, 佣金 0.09
2022-01-26, 交易利润, 毛利润 -0.60, 净利润 -0.77
2022-01-26, Close, 8.57
2022-01-27, Close, 8.45
2022-01-28, Close, 8.41
期末资金: 99968.07

from __future__ import (absolute_import, division, print_function,
                        unicode_literals)
from datetime import datetime  # For datetime objects
# Import the backtrader platform
import backtrader as bt
import pandas as pd
import tushare as ts
# 创建策略继承bt.Strategy
class TestStrategy(bt.Strategy):
    params = (
        # 均线参数设置15天，15日均线
        ('maperiod', 15),
    )
    def log(self, txt, dt=None):
        # 记录策略的执行日志
        dt = dt or self.datas[0].datetime.date(0)
        print('%s, %s' % (dt.isoformat(), txt))
    def __init__(self):
        # 保存收盘价的引用
        self.dataclose = self.datas[0].close
        # 跟踪挂单
        self.order = None
        # 买入价格和手续费
        self.buyprice = None
        self.buycomm = None
        # 加入指标
        # Add a MovingAverageSimple indicator
        self.sma = bt.indicators.SimpleMovingAverage(
            self.datas[0], period=self.params.maperiod)
        # Indicators for the plotting show
        bt.indicators.ExponentialMovingAverage(self.datas[0], period=25)
        bt.indicators.WeightedMovingAverage(self.datas[0], period=25,
                                            subplot=True)
        bt.indicators.StochasticSlow(self.datas[0])
        bt.indicators.MACDHisto(self.datas[0])
        rsi = bt.indicators.RSI(self.datas[0])
        bt.indicators.SmoothedMovingAverage(rsi, period=10)
        bt.indicators.ATR(self.datas[0], plot=False) 
    # 订单状态通知，买入卖出都是下单
    def notify_order(self, order):
        if order.status in [order.Submitted, order.Accepted]:
            # broker 提交/接受了，买/卖订单则什么都不做
            return
        # 检查一个订单是否完成
        # 注意: 当资金不足时，broker会拒绝订单
        if order.status in [order.Completed]:
            if order.isbuy():
                self.log(
                    '已买入, 价格: %.2f, 费用: %.2f, 佣金 %.2f' %
                    (order.executed.price,
                     order.executed.value,
                     order.executed.comm))
                self.buyprice = order.executed.price
                self.buycomm = order.executed.comm
            elif order.issell():
                self.log('已卖出, 价格: %.2f, 费用: %.2f, 佣金 %.2f' %
                         (order.executed.price,
                          order.executed.value,
                          order.executed.comm))
            # 记录当前交易数量
            self.bar_executed = len(self)
        elif order.status in [order.Canceled, order.Margin, order.Rejected]:
            self.log('订单取消/保证金不足/拒绝')
        # 其他状态记录为：无挂起订单
        self.order = None
    # 交易状态通知，一买一卖算交易
    def notify_trade(self, trade):
        if not trade.isclosed:
            return
        self.log('交易利润, 毛利润 %.2f, 净利润 %.2f' %
                 (trade.pnl, trade.pnlcomm))
    def next(self):
        # 记录收盘价
        self.log('Close, %.2f' % self.dataclose[0])
        # 如果有订单正在挂起，不操作
        if self.order:
            return
        # 如果没有持仓则买入
        if not self.position:
            # 今天的收盘价在均线价格之上 
            if self.dataclose[0] > self.sma[0]: 
                # 买入
                self.log('买入单, %.2f' % self.dataclose[0])
                    # 跟踪订单避免重复
                self.order = self.buy()
        else:
            # 如果已经持仓，收盘价在均线价格之下
            if self.dataclose[0] < self.sma[0]:
                # 全部卖出
                self.log('卖出单, %.2f' % self.dataclose[0])
                # 跟踪订单避免重复
                self.order = self.sell()
def get_data(code,start='2020-01-01',end='2022-01-31'):
    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('600018')
start=datetime(2020, 1, 1)
end=datetime(2021, 12, 31)
if __name__ == '__main__':
    # 初始化cerebro回测系统设置
    cerebro = bt.Cerebro()
    # 取得股票历史数据
    data = bt.feeds.PandasData(dataname=dataframe, fromdate=start, todate=end)
    # 为Cerebro引擎添加策略
    cerebro.addstrategy(TestStrategy)
    # 加载交易数据
    cerebro.adddata(data)
	# 设置投资金额
    cerebro.broker.setcash(100000.0)
    # 每笔交易使用固定交易量
    cerebro.addsizer(bt.sizers.FixedSize, stake=10)
    # 设置佣金为0.001,除以100去掉%号
    cerebro.broker.setcommission(commission=0.001)
    #获取回测开始时的总资金
    print('期初资金: %.2f' % cerebro.broker.getvalue())
    #运行回测系统
    cerebro.run()
    #获取回测结束后的总资金
    print('期末资金: %.2f' % cerebro.broker.getvalue())
    # Plot the result
    cerebro.plot()