iT邦幫忙

第 12 屆 iThome 鐵人賽

DAY 12
0
AI & Data

量化交易30天系列 第 12

量化交易30天 Day12 - backtrader回測框架實作(三)Sizers模組

  • 分享至 

  • xImage
  •  

量化交易30天
本系列文章是紀錄一位量化交易新手的學習過程,除了基礎的Python語法不說明,其他金融相關的東西都會一步步地說明,希望讓更多想學習量化交易但是沒有學過相關金融知識的朋友們,透過這系列的文章,能夠對量化交易略知一二,也歡迎量化交易的高手們多多交流。

前言

前面在使用backtrader的時候,沒有特別針對交易部位的計算作介紹。主要是因為想先簡化實作過程,快速寫完幾個簡單的策略。這篇就要來深入研究,當交易訊號產生的時候,怎麼樣使用backtrader的Sizers模組,撰寫我們要買賣多少部位,不管是all-in、每次買進固定股數...等等,都可以化成一行一行的程式碼,真的是非常神奇呢!

首先,看看document

之前看過很多人寫的Sizers範例,用法真的是千變萬化,所以我覺得要理解他到底有哪些用法,最快速的方式就是去看document

回顧一下 Day10 - backtrader回測框架實作(一)均線交叉策略

def next(self):
        # 帳戶沒有部位
        if not self.position:
            # 5ma往上穿越20ma
            if self.crossover > 0:
                # 印出買賣日期與價位
                self.log('BUY ' + ', Price: ' + str(self.dataopen[0]))
                # 使用開盤價買入標的
                self.buy(price=self.dataopen[0])
        # 5ma往下穿越20ma
        elif self.crossover < 0:
            # 印出買賣日期與價位
            self.log('SELL ' + ', Price: ' + str(self.dataopen[0]))
            # 使用開盤價賣出標的
            self.close(price=self.dataopen[0])

上面這段程式碼中,self.buy的參數只有指定price,其他都是使用預設參數,那麼預設的交易量是多少呢?得要看一下說明書:

class SizerFix(SizerBase):
    params = (('stake', 1),)

上面表示:如果buy跟sell沒有指定size是多少,那就會是1單位。但是我們通常不會只有買賣1單位,所以就需要寫sizer。

如何使用Sizer

這邊就介紹兩個Sizer用法,一種是寫在回測函數內,另一個則是寫在策略函數內:

  • 寫在回測函數(cerebro)內
cerebro = bt.Cerebro()
cerebro.addsizer(bt.sizers.SizerFix, stake=20)

這邊addsizer裡面就是指定買賣的size是固定的,每次交易都是20單位

  • 寫在策略函數內

The Strategy class offers an API: setsizer and getsizer (and a property sizer) to manage the Sizer

上面這句話表示可以在Strategy裡面,用setsizer或getsizer來管理交易量,下面就以之前寫的sma cross解釋setsizer的方式:

# sma cross strategy
class SmaCross(bt.Strategy):
    ...

    def __init__(self):
        # 均線交叉策略
        sma1 = bt.ind.SMA(period=self.p.ma_period_short)
        sma2 = bt.ind.SMA(period=self.p.ma_period_long)
        self.crossover = bt.ind.CrossOver(sma1, sma2)
        
        # 使用自訂的sizer函數,將帳上的錢all-in
        self.setsizer(sizer())
        
    ...

方法相當簡單,就是在init裡面寫setsizer,再定義一個sizer class就完成了。詳細的文件可以看官網的Size Development的部份,這邊就先用all-in法做解說,所謂all-in就是帳上有多少錢就買多少:

# 計算交易部位
class sizer(bt.Sizer):
    def _getsizing(self, comminfo, cash, data, isbuy):
        if isbuy:
            return math.floor(cash/data.open)
        else:
            return self.broker.getposition(data)

Override the method _getsizing(self, comminfo, cash, data, isbuy)
意思就是可以用自己定義的交易量去覆蓋掉原本的method,而上面寫的cash / data.open,就是指用開盤價來計算帳上的cash可以買多少的量,再四捨五入後就是真正交易的量了。

本篇總結
那麼以上就是sizers的介紹,有了sizer,就可以寫各式各樣的交易量配置,資金運用會再更靈活一些,下一篇將介紹Observers,就是回測成果的觀測工具,請繼續收看囉!

P.S.
如果大家對於量化交易有興趣的話,我自己有上過以下這門課,課程內容從串接股市資料API、儲存至資料庫、寫策略、自動下單,並且可以把整個流程自動化,每天早上執行一次,一整天就不用看盤了,覺得是蠻實戰的,可以參考看看。

筆者 Sean
奈米戶投資人 / Python愛用者
喜歡用Python玩轉金融數據,從個股基本面、技術面、籌碼面相關資料,一直到總體經濟數據,都是平常接觸到的素材;對於投資,除了研究歷史數據,也喜歡瞭解市場上大家在玩些什麼。


上一篇
量化交易30天 Day11 - backtrader回測框架實作(二)唐奇安通道策略
下一篇
量化交易30天 Day13 - backtrader回測框架實作(四) Observers模組
系列文
量化交易30天30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言