iT邦幫忙

第 12 屆 iThome 鐵人賽

DAY 10
0
AI & Data

量化交易30天系列 第 10

量化交易30天 Day10 - backtrader回測框架實作(一)均線交叉策略

  • 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。

前面幾個策略的回測方式,是自己刻一個回測函數,其實是挺麻煩的,還好因為做量化的大家都有回測的需求,所以早就有人開發回測框架拉,就跟網頁開發使用的前端框架或後端框架類似,已經把常用到的功能都寫成模組囉,非常好用。

以Python為基礎的回測框架,包含vnpy、zipline、backtrader...等等,這次先來介紹一下backtrader,因為它用起來蠻直覺的,一些函數也都蠻口語化的,都是很容易懂的英文命名。

Backtrader做回測會用到的元素

就跟一般做回測,通常會需要:OHLC資料、交易策略、回測模組、分析工具。下面就用前一篇寫的均線交叉策略來說明,怎麼使用backtrader做回測:

1. 餵資料(Data Feeds)

關於data feeds的用法,官網的document有列出蠻多種取得資料的方式,這邊就先用常用的Yahoo Finance的資料。

# data feeds
import datetime
import backtrader as bt
import backtrader.feeds as btfeeds

# 從Yahoo Finance取得資料
data = btfeeds.YahooFinanceData(dataname='SPY', 
                                fromdate=datetime.datetime(2019, 1, 1),
                                todate=datetime.datetime(2019, 12, 31))

2. 撰寫策略

# sma cross strategy
class SmaCross(bt.Strategy):
    # 交易紀錄
    def log(self, txt, dt=None):
        dt = dt or self.datas[0].datetime.date(0)
        print('%s, %s' % (dt.isoformat(), txt))
    
    # 設定交易參數
    params = dict(
        ma_period_short=5,
        ma_period_long=10
    )

    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())
        
        # 用開盤價做交易
        self.dataopen = self.datas[0].open

    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])

# 計算交易部位
class sizer(bt.Sizer):
    def _getsizing(self, comminfo, cash, data, isbuy):
        if isbuy:
            return math.floor(cash/data[1])
        else:
            return self.broker.getposition(data)

3. 執行回測 and 顯示分析圖表

cerebro是backtrader回測模組的名稱,將資料、策略丟給cerebro之後,就可以執行回測並作圖了。

# 初始化cerebro
cerebro = bt.Cerebro()
# feed data
cerebro.adddata(data)
# add strategy
cerebro.addstrategy(SmaCross)
# run backtest
cerebro.run()
# plot diagram
cerebro.plot()

執行程式後,會顯示下面的資料及圖表:

  • 分析圖表
    如下圖,預設的起始資金是10000元,期末資產淨值是11238,所以報酬率大概是12.38%,這張圖有四個區塊可以解釋一下,分別從上到下說明:

  1. 第1區塊:藍色代表資產淨值,紅色代表帳戶現金,所以當紅色線突然掉下去的時候,就代表買入股票,上升就代表賣出股票。
  2. 第2區塊:代表每次賣出的獲利情況,藍色點點表示賺錢,紅色點點表示虧錢。
  3. 第3區塊:顯示長短均線、買賣點、股價走勢、交易量,從這張圖可以大概看出來買賣的時間點與走勢的相對關係。
  4. 第4區塊:cross over訊號出現的點,可以仔細看到,第一個訊號是賣出訊號(線圖向下凸),但是因為帳上沒有部位,所以沒有賣出動作。

本篇總結
這篇就大概寫了一下backtrader怎麼使用,當然它的功能是非常強大的,還有許多功能是我沒接觸過的,大家都可以google或看document去把玩把玩,蠻有趣的。

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、將自己的策略轉化成程式碼、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 Day9 - 撰寫一個均線策略
下一篇
量化交易30天 Day11 - backtrader回測框架實作(二)唐奇安通道策略
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

1 則留言

0
cwb05
iT邦新手 5 級 ‧ 2022-03-24 15:24:57

ma_period_short=5,
ma_period_long=10
程式註解為5ma往上穿越20ma與5ma往下穿越20ma,是否有誤?

我要留言

立即登入留言