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。

上篇寫了常見的均線交叉策略，這篇要來練習一下怎麼使用backtrader寫通道策略，那什麼是通道策略呢？

通道策略

要講通道策略，直接看圖最快，下面是維基百科裡面的圖：

從上圖可以看到，白色的線是股價走勢，上下有兩條黃色的線包覆中間的白色線，包圍的區間看起來就像是一個通道，所以叫做通道策略，上下兩條黃線則是稱為上下軌。

計算這兩條黃色線的方式有很多不同的方式，本篇介紹其中一種叫做唐奇安通道(Donchian Channel)，唐奇安通道的上下軌計算方式為，上軌為過去一段時間內的最高價，下軌為過去一段時間內的最低價。

若股價超過上軌，可能表示多頭較強勢，所以產生買進訊號，若股價低於下軌，可能表示空頭較強勢，所以產生賣出訊號。至於這過去一段時間要採用多長的時間，會跟商品性質或是交易頻率比較有相關。

開始寫策略吧

寫唐奇安通道策略大概需要三個步驟：

• 計算通道上下軌
• 撰寫交易策略
• 執行回測

計算通道上下軌

因為上下軌是用來買進賣出的指標，因此可以使用backtrader的Indicators，官網文件有非常詳細的介紹。下面程式碼是官網的範例，由於實在蠻複雜的，就一行一行來解釋：

from datetime import datetime
import backtrader as bt

# 定義一個Indicator物件
class DonchianChannels(bt.Indicator):
    # 這個物件的別名，所以後面我們可以用DCH/DonchianChannel來呼叫這個指標
    alias = ('DCH', 'DonchianChannel',)
    
    # 三條線分別代表唐奇安通道中的 中軌(上軌加下軌再除以2)、上軌、下軌
    lines = ('dcm', 'dch', 'dcl',)  # dc middle, dc high, dc low
    
    # 軌道的計算方式：用過去20天的資料來計算，所以period是20，lookback的意思是要不要將今天的資料納入計算，由於唐奇安通道是取過去20天的最高或最低，所以一定不能涵蓋今天，不然永遠不會有訊號出現，所以要填-1(從前一天開始算20天)
    params = dict(
        period=20,
        lookback=-1,  # consider current bar or not
    )
    
    # 是否要將Indicators另外畫一張圖，然而通道線通常都是跟股價圖畫在同一張，才能看得出相對關係，所以這裡就填subplot=False
    plotinfo = dict(subplot=False)  # plot along with data
    
    # 繪圖設定，ls是line style，'--'代表虛線
    plotlines = dict(
        dcm=dict(ls='--'),  # dashed line
        dch=dict(_samecolor=True),  # use same color as prev line (dcm)
        dcl=dict(_samecolor=True),  # use same color as prev line (dch)
    )
    
    def __init__(self):
        # hi與lo是指每日股價的最高與最低價格
        hi, lo = self.data.high, self.data.low
        
        # 視需求決定是否要從前一天開始讀資料，上面已經定義lookback存在，所以這邊會直接從前一天的資料開始跑
        if self.p.lookback:  # move backwards as needed
            hi, lo = hi(self.p.lookback), lo(self.p.lookback)
        
        # 定義三條線的計算方式
        self.l.dch = bt.ind.Highest(hi, period=self.p.period)
        self.l.dcl = bt.ind.Lowest(lo, period=self.p.period)
        self.l.dcm = (self.l.dch + self.l.dcl) / 2.0  # avg of the above

撰寫交易策略

寫策略的部份就相對簡單很多，第一步把指標帶入，再來就產出訊號拉。

# 撰寫交易策略
class MyStrategy(bt.Strategy):
    def __init__(self):
        # DCH就是上面定義的 DonchianChannels的alias
        self.myind = DCH()

    def next(self):
        if self.data[0] > self.myind.dch[0]:
            self.buy()
        elif self.data[0] < self.myind.dcl[0]:
            self.sell()

執行回測

cerebro = bt.Cerebro()
cerebro.addstrategy(MyStrategy)
cerebro.broker.setcash(1000)
cerebro.broker.setcommission(commission=0.001)

data = bt.feeds.YahooFinanceData(dataname='AAPL',
                                 fromdate=datetime(2019, 1, 1),
                                 todate=datetime(2019, 12, 31))
cerebro.adddata(data)
print('Starting Value: %.2f' % cerebro.broker.getvalue())
cerebro.run()
print('Ending Value: %.2f' % cerebro.broker.getvalue())
cerebro.plot()

回測2019年的結果(過去績效僅供參考，不保證未來能夠持續獲利)：
Starting Value: 1000.00
Ending Value: 1400.97

從上圖可以看得出來，因為2019年AAPL股價一直上漲的關係，很容易突破前20日的高點，導致綠色的三角形比紅色三角形多。

本篇總結
這篇就簡單的寫了一下用Backtrader回測唐奇安通道策略，又對這個框架多瞭解一些，覺得bt的功能真的超多，好用好用！

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。