差等生的Backtrader学习笔记(一)——一个最基本的单均线策略

python版本3.8.9，工具是pycharm。

当股价突破60日均线则买入100股，当股价击穿60日均线则卖出之前买入的100股。不考虑佣金、印花税等任何其他因素。

Backtrader回测可以分成三步：第一步编写策略（Strategy）；第二步加载数据（feeds）；第三步回测运行（Cerebro)。接下来分段展示：

第一步编写策略（Strategy）：

"""
一个最基本的backtrader单均线策略示例
只调用了backtrader和datetime
"""
from datetime import datetime
import backtrader as bt



# 第一步：编写策略（基于bt.Strategy）

class SingleSmaStrategy(bt.Strategy):
    """
    一个基本的单均线策略
    """

    # 构造函数，创建策略所需指标simple_ma（简单移动均线）
    def __init__(self):
        # bt.indicators.SMA是调用backtrader自带指标SMA
        self.simple_ma = bt.indicators.SMA(
            self.datas[0].close,
            period=60)

    # next函数，策略的主要部分，判断价格是否穿越均线在next函数中完成
    def next(self):
        # 判断仓位是否为0（self.position）
        # 如果仓位为0且价格突破均线则买入100股
        if not self.position.size:
            # 价格是否穿越均线的判断，close[-1]是上一日收盘价
            if self.datas[0].close[-1] < self.simple_ma[-1] 
                    and self.datas[0].close[0] > self.simple_ma[0]:
                self.buy(size=100)
        # 如果仓位不为0，执行卖出条件判断
        elif self.datas[0].close[-1] > self.simple_ma[-1] 
                and self.datas[0].close[0] < self.simple_ma[0]:
            self.sell(size=100)

有几点需要注意：

1.backtrader在某些写法上非常灵活，但这种灵活有时候会给初学者造成困扰，比如bt.indicators.SMA与bt.ind.SmoothedMovingAverage是等效的。

2.backtrader在数据处理上有一个数据集的概念，比如我一共有10支股票数据需要回测，我通过接下来讲的“第二步加载数据”将10支股票数据都加载进来，那么第一支股票数据就标记为datas[0]，第二支股票数据就标记为datas[1]，并依此类推。

3.backtrader用open[0]表示当日开盘价，close[0]表示当日收盘价，close[-1]表示上一日收盘价，close[1]表示下一日收盘价，并依此类推。

第二步加载数据：

# 第二步：通过"feeds"加载数据
# 我电脑上数据保存位置
datapath = "G:/Stocks_date/002060.csv"
# 注意feeds表头与csv数据列内容的对应关系
data = bt.feeds.GenericCSVData(
    dataname=datapath,
    datetime=0,
    open=1,
    high=2,
    low=3,
    close=4,
    volume=5,
    openinterest=-1,
    dtformat=("%Y%m%d"),
    # 加载fromdate 至 todate之间的数据
    fromdate=datetime(2011, 4, 26),
    todate=datetime(2021, 9, 10))

有几点需要注意：

1.backtrader加载数据的方式多种多样，我采用是本地csv数据，数据类型为股票前复权日线数据，在初学阶段，本地csv数据易获取，100块可以去TB上买一大堆，且csv性能优于pandas的Dataframe。

2.我采用的csv数据格式如图：

通过excel应该可以更直观的表现出数据结构：

3. backtrader在加载数据时会自动处理数据的格式，这很便利，但如果你的数据格式不标准，就很可能引发报错，比如我最开始采用的数据，在volume列，某些数据是带有双引号的，如下图

这导致该数据变成了string型，但 backtrader需要他是float型，这会报错。我文件中日期列数据是20060810的格式，不是2006/08/10或者2006-08-10，所以在数据feeds过程中，我的dtformat是dtformat=("%Y%m%d")，另外要注意数据列的对应关系。

4.在设置数据文件路径一句，即：datapath = "G:/Stocks_date/002060.csv"。windows系统默认提供的文件路径是G:Stocks_date02060.csv，在代码编辑器里看起来会比较明显：

因为“”在python中是转义字符，所以采用windows的默认路径会有问题，我推荐采用“”代替“/”来解决这个问题。

以上都是一些没有什么难度的细节问题，但很有可能会导致初学者陷入错误排查的泥潭，并进一步引起暴躁，自我怀疑乃至放弃学习。

第三步回测运行（Cerebro)：

# 实例化回测引擎
cerebro = bt.Cerebro()
# 添加数据
cerebro.adddata(data)
# 添加策略
cerebro.addstrategy(SingleSmaStrategy)
# 设置现金
cerebro.broker.setcash(10000.00)
# 运行回测
cerebro.run()
print(f"最终市值为：{cerebro.broker.getvalue()}")

想象一下，backtrader就像一辆汽车，第一部分编写策略就好像制定路线，第二步加载数据就好像准备汽油，而第三步的cerebro就像开车出发的一系列动作：把路线在导航里设置好，给车加好油，然后坐进车里，设置好速度，启动引擎，汽车就自动的驶向目标了。

代码的完全体：

from datetime import datetime
import backtrader as bt



# 第一步：编写策略
class SingleSmaStrategy(bt.Strategy):
    """
    一个基本的单均线策略
    """

    # 构造函数，创建策略所需指标simple_ma（简单移动均线）
    def __init__(self):
        self.simple_ma = bt.indicators.SMA(
            self.datas[0].close,
            period=60)
        self.a = bt.ind.SmoothedMovingAverage

    # next函数，策略的主要部分，判断价格是否穿越均线在next函数中完成
    def next(self):
        # 判断仓位是否为0（self.position）
        if not self.position.size:
            # 价格是否穿越均线的判断，close[-1]是上一日收盘价
            if self.datas[0].close[-1] < self.simple_ma[-1] 
                    and self.datas[0].close[0] > self.simple_ma[0]:
                self.buy(size=100)
        # 如果仓位不为0，执行卖出条件判断
        elif self.datas[0].close[-1] > self.simple_ma[-1] 
                and self.datas[0].close[0] < self.simple_ma[0]:
            self.sell(size=100)


# 第二步：通过"feeds"加载数据
datapath = "G:/Stocks_date/002060.csv"
# 注意feeds表头与csv数据列内容的对应关系
data = bt.feeds.GenericCSVData(
    dataname=datapath,
    datetime=0,
    open=1,
    high=2,
    low=3,
    close=4,
    volume=5,
    openinterest=-1,
    dtformat=("%Y%m%d"),
    # 加载fromdate 至 todate之间的数据
    fromdate=datetime(2011, 4, 26),
    todate=datetime(2021, 9, 10))

# 第三部  运行cerebro（大脑）程序
cerebro = bt.Cerebro()
cerebro.adddata(data)
cerebro.addstrategy(SingleSmaStrategy)
cerebro.broker.setcash(10000.00)
cerebro.run()
print(f"最终市值为：{cerebro.broker.getvalue()}")

把这份代码复制下来，按照我上文提到的格式准备好csv格式数据文件，在代码中设置好csv文件路径，那么这份代码100%可以运行。

需求是前进的起点、动力和方向，我是差等生，我能学会，你更能学会。

差等生的Backtrader学习笔记(一)——一个最基本的单均线策略

Python相关栏目本月热门文章