基于backtrader的海龟策略实现

入场条件：当收盘价突破20日价格高点时，买入一单元股票；

加仓条件：当价格大于上一次买入价格的0.5个ATR（平均波幅），买入一单元股票，加仓次数不超过3次；

止损条件：当价格小于上一次买入价格的2个ATR时清仓；

离场条件：当价格跌破10日价格低点时清仓。

##导入相关包 优化jupyter画图设置
from datetime import datetime,timedelta
import backtrader as bt
import tushare as ts
import pandas as pd
import talib as ta
import numpy as np
import matplotlib.pyplot as plt
import mplfinance as mpf
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
plt.rcParams['figure.figsize']=[6, 3]
plt.rcParams['figure.dpi']=200
plt.rcParams['figure.facecolor']='w'
plt.rcParams['figure.edgecolor']='k'

#使用tushare获取数据
#使用tushare旧版接口获取数据
def get_data(code,start,end):
    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(code='sh',start='2010-01-01',end='2020-07-17')#工商银行
dataframe.head()

本接口即将停止更新，请尽快使用Pro版接口：https://waditu.com/document/2

#编写价格走势图函数
def plot_stock(code,title,start,end):
    dd=ts.get_k_data(code,autype='qfq',start=start,end=end)
    dd.index=pd.to_datetime(dd.date)
    dd.close.plot(figsize=(14,6),color='r')
    plt.title(title+'价格走势n'+start+':'+end,size=15)
    plt.annotate(f'期间累计涨幅:{(dd.close[-1]/dd.close[0]-1)*100:.2f}%', xy=(dd.index[-150],dd.close.mean()), 
             xytext=(dd.index[-500],dd.close.min()), bbox = dict(boxstyle = 'round,pad=0.5',
            fc = 'yellow', alpha = 0.5),
             arrowprops=dict(facecolor='green', shrink=0.05),fontsize=12)
    plt.show()

#绘制上证综指走势图
plot_stock(code='sh',title='上证综指',start='2010-01-01',end='2022-07-17')

#编写海龟策略
class TurtleStrategy(bt.Strategy):
#默认参数
    params = (('long_period',20),
              ('short_period',10),  
              ('printlog', False), )   
    def __init__(self):        
        self.order = None      
        self.buyprice = 0      
        self.buycomm = 0      
        self.buy_size = 0      
        self.buy_count = 0       
        # 海龟交易法则中的唐奇安通道和平均波幅ATR        
        self.H_line = bt.indicators.Highest(self.data.high(-1), period=self.p.long_period)        
        self.L_line = bt.indicators.Lowest(self.data.low(-1), period=self.p.short_period) 
        self.M_line = (self.H_line+self.L_line)/2
        self.TR = bt.indicators.Max((self.data.high(0)- self.data.low(0)),
                                    abs(self.data.close(-1)-self.data.high(0)), 
                                    abs(self.data.close(-1)  - self.data.low(0)))        
        self.ATR = bt.indicators.SimpleMovingAverage(self.TR, period=14)       
        # 价格与上下轨线的交叉      
        self.buy_signal = bt.ind.CrossOver(self.data.close(0), self.H_line)        
        self.sell_signal = bt.ind.CrossOver(self.data.close(0), self.L_line)    
    def next(self): 
        if self.order:
            return        
        #入场：价格突破上轨线且空仓时        
        if self.buy_signal > 0 and self.buy_count == 0:                                 
            self.buy_size = self.broker.getvalue() * 0.01 / self.ATR            
            self.buy_size  = int(self.buy_size  / 100) * 100                             
            self.sizer.p.stake = self.buy_size             
            self.buy_count = 1            
            self.order = self.buy()        
        #加仓：价格上涨了买入价的0.5的ATR且加仓次数少于3次（含）        
        elif self.data.close >self.buyprice+0.5*self.ATR[0] and self.buy_count > 0 and self.buy_count <=4:           
            self.buy_size  = self.broker.getvalue() * 0.01 / self.ATR            
            self.buy_size  = int(self.buy_size  / 100) * 100            
            self.sizer.p.stake = self.buy_size             
            self.order = self.buy()           
            self.buy_count += 1        
        #离场：价格跌破下轨线且持仓时        
        elif self.sell_signal < 0 and self.buy_count > 0:            
            self.order = self.sell()            
            self.buy_count = 0        
        #止损：价格跌破买入价的2个ATR且持仓时        
        elif self.data.close < (self.buyprice - 2*self.ATR[0]) and self.buy_count > 0:           
            self.order = self.sell()
            self.buy_count = 0   
    #交易记录日志（默认不打印结果）
    def log(self, txt, dt=None,doprint=False):
        if self.params.printlog or doprint:
            dt = dt or self.datas[0].datetime.date(0)
            print(f'{dt.isoformat()},{txt}')
    #记录交易执行情况（默认不输出结果）
    def notify_order(self, order):
        # 如果order为submitted/accepted,返回空
        if order.status in [order.Submitted, order.Accepted]:
            return
        # 如果order为buy/sell executed,报告价格结果
        if order.status in [order.Completed]: 
            if order.isbuy():
                self.log(f'买入:n价格:{order.executed.price},
                成本:{order.executed.value},
                手续费:{order.executed.comm}')
                self.buyprice = order.executed.price
                self.buycomm = order.executed.comm
            else:
                self.log(f'卖出:n价格：{order.executed.price},
                成本: {order.executed.value},
                手续费{order.executed.comm}')
            self.bar_executed = len(self) 
        # 如果指令取消/交易失败, 报告结果
        elif order.status in [order.Canceled, order.Margin, order.Rejected]:
            self.log('交易失败')
        self.order = None
    #记录交易收益情况（可省略，默认不输出结果）
    def notify_trade(self,trade):
        if not trade.isclosed:
            return
        self.log(f'策略收益：n毛收益 {trade.pnl:.2f}, 净收益 {trade.pnlcomm:.2f}')
    def stop(self):
        self.log(f'(组合线：{self.p.long_period},{self.p.short_period})； 
        期末总资金: {self.broker.getvalue():.2f}', doprint=True)

#编写仓位管理函数
class TradeSizer(bt.Sizer):
    params = (('stake', 1),)    
    def _getsizing(self, comminfo, cash, data, isbuy):        
        if isbuy:          
            return self.p.stake        
        position = self.broker.getposition(data)        
        if not position.size:            
            return 0        
        else:            
            return position.size        
        return self.p.stake

#编写回测主函数
def main(df,long_list,short_list,best_long,best_short,startcash=1000000,com=0.001):
    #创建主控制器
    cerebro = bt.Cerebro()      
    #导入策略参数寻优
    if long_list:
        cerebro.optstrategy(TurtleStrategy,long_period=long_list,short_period=short_list)    
        #将数据加载至回测系统
        data = bt.feeds.PandasData(dataname=df)    
        cerebro.adddata(data)
        #broker设置资金、手续费
        cerebro.broker.setcash(startcash)
        cerebro.broker.setcommission(commission=com)
        #设置买入设置，策略，数量
        cerebro.addsizer(TradeSizer)
        print('期初总资金: %.2f' % cerebro.broker.getvalue())
        cerebro.run(maxcpus=1)
    #回测最优参数并画图
    else:
        cerebro.addstrategy(TurtleStrategy,long_period=best_long,short_period=best_short)
        data = bt.feeds.PandasData(dataname=df)    
        cerebro.adddata(data)
        #broker设置资金、手续费
        cerebro.broker.setcash(startcash)
        cerebro.broker.setcommission(commission=com)
        #设置买入设置，策略，数量
        cerebro.addsizer(TradeSizer)
        print('期初总资金: %.2f' % cerebro.broker.getvalue())
        cerebro.run()
        cerebro.plot(iplot=False)

#回测和参数调试
long_list=range(20,70,5)
short_list=range(5,20,5)
main(dataframe,long_list=long_list,short_list=short_list,best_long=None,best_short=None)

期初总资金: 1000000.00
2020-07-17,(组合线：20,5)；         期末总资金: 1390120.23
2020-07-17,(组合线：20,10)；         期末总资金: 1277599.38
2020-07-17,(组合线：20,15)；         期末总资金: 1364670.21
2020-07-17,(组合线：25,5)；         期末总资金: 1382881.56
2020-07-17,(组合线：25,10)；         期末总资金: 1243270.56
2020-07-17,(组合线：25,15)；         期末总资金: 1252566.38
2020-07-17,(组合线：30,5)；         期末总资金: 1320310.90
2020-07-17,(组合线：30,10)；         期末总资金: 1401899.81
2020-07-17,(组合线：30,15)；         期末总资金: 1356889.13
2020-07-17,(组合线：35,5)；         期末总资金: 1289133.30
2020-07-17,(组合线：35,10)；         期末总资金: 1257212.45
2020-07-17,(组合线：35,15)；         期末总资金: 1281212.74
2020-07-17,(组合线：40,5)；         期末总资金: 1309812.05
2020-07-17,(组合线：40,10)；         期末总资金: 1297384.29
2020-07-17,(组合线：40,15)；         期末总资金: 1384260.64
2020-07-17,(组合线：45,5)；         期末总资金: 1291239.64
2020-07-17,(组合线：45,10)；         期末总资金: 1283014.10
2020-07-17,(组合线：45,15)；         期末总资金: 1402853.31
2020-07-17,(组合线：50,5)；         期末总资金: 1541612.17
2020-07-17,(组合线：50,10)；         期末总资金: 1428670.67
2020-07-17,(组合线：50,15)；         期末总资金: 1428341.67
2020-07-17,(组合线：55,5)；         期末总资金: 1421742.45
2020-07-17,(组合线：55,10)；         期末总资金: 1401355.21
2020-07-17,(组合线：55,15)；         期末总资金: 1303585.14
2020-07-17,(组合线：60,5)；         期末总资金: 1453711.37
2020-07-17,(组合线：60,10)；         期末总资金: 1441592.85
2020-07-17,(组合线：60,15)；         期末总资金: 1352939.66
2020-07-17,(组合线：65,5)；         期末总资金: 1527890.38
2020-07-17,(组合线：65,10)；         期末总资金: 1470179.85
2020-07-17,(组合线：65,15)；         期末总资金: 1417375.85

#最优参数回测和画图
main(dataframe,long_list=None,short_list=None,best_long=50,best_short=5)

期初总资金: 1000000.00
2020-07-17,(组合线：50,5)；         期末总资金: 1541612.17

#数字货币回测
# 从Binance币安在线api下载k线，进行回测
import requests 
import json 
import pandas as pd
import datetime as dt
def get_binance_bars(symbol, interval, startTime, endTime):
 
    url = "https://api.binance.com/api/v3/klines"
 
    startTime = str(int(startTime.timestamp() * 1000))
    endTime = str(int(endTime.timestamp() * 1000))
    limit = '1000'
 
    req_params = {"symbol" : symbol, 'interval' : interval, 'startTime' : startTime, 'endTime' : endTime, 'limit' : limit}
 
    df = pd.DataFrame(json.loads(requests.get(url, params = req_params).text))
 
    if (len(df.index) == 0):
        return None
     
    df = df.iloc[:, 0:6]
    df.columns = ['datetime', 'open', 'high', 'low', 'close', 'volume']
 
    df.open      = df.open.astype("float")
    df.high      = df.high.astype("float")
    df.low       = df.low.astype("float")
    df.close     = df.close.astype("float")
    df.volume    = df.volume.astype("float")
    
    df['adj_close'] = df['close']
     
    df.index = [dt.datetime.fromtimestamp(x / 1000.0) for x in df.datetime]
 
    return df

df_list = []
# 数据起点时间
last_datetime = dt.datetime(2020,9,1)
while True:
    new_df = get_binance_bars('ETHUSDT', '1h', last_datetime, dt.datetime.now()) # 获取k线数据
    
    if new_df is None:
        break
    df_list.append(new_df)
    last_datetime = max(new_df.index) + dt.timedelta(0, 5)

dataframe=pd.concat(df_list)
dataframe.shape

(15125, 7)

#回测和参数调试
long_list=range(20,70,5)
short_list=range(5,20,5)
main(dataframe,long_list=long_list,short_list=short_list,best_long=None,best_short=None)

期初总资金: 1000000.00
2022-05-29,(组合线：20,5)；         期末总资金: 896779.29
2022-05-29,(组合线：20,10)；         期末总资金: 2637197.56
2022-05-29,(组合线：20,15)；         期末总资金: 2367248.05
2022-05-29,(组合线：25,5)；         期末总资金: 896309.42
2022-05-29,(组合线：25,10)；         期末总资金: 2462265.85
2022-05-29,(组合线：25,15)；         期末总资金: 2644703.91
2022-05-29,(组合线：30,5)；         期末总资金: 839576.26
2022-05-29,(组合线：30,10)；         期末总资金: 2643388.52
2022-05-29,(组合线：30,15)；         期末总资金: 3128941.58
2022-05-29,(组合线：35,5)；         期末总资金: 816821.35
2022-05-29,(组合线：35,10)；         期末总资金: 1999473.33
2022-05-29,(组合线：35,15)；         期末总资金: 1786466.61
2022-05-29,(组合线：40,5)；         期末总资金: 773224.01
2022-05-29,(组合线：40,10)；         期末总资金: 2225776.12
2022-05-29,(组合线：40,15)；         期末总资金: 2481419.84
2022-05-29,(组合线：45,5)；         期末总资金: 812148.94
2022-05-29,(组合线：45,10)；         期末总资金: 2131451.55
2022-05-29,(组合线：45,15)；         期末总资金: 2151300.13
2022-05-29,(组合线：50,5)；         期末总资金: 810831.18
2022-05-29,(组合线：50,10)；         期末总资金: 1846377.21
2022-05-29,(组合线：50,15)；         期末总资金: 2128097.56
2022-05-29,(组合线：55,5)；         期末总资金: 714907.27
2022-05-29,(组合线：55,10)；         期末总资金: 1837638.19
2022-05-29,(组合线：55,15)；         期末总资金: 1789916.05
2022-05-29,(组合线：60,5)；         期末总资金: 833934.77
2022-05-29,(组合线：60,10)；         期末总资金: 1890589.11
2022-05-29,(组合线：60,15)；         期末总资金: 1826466.57
2022-05-29,(组合线：65,5)；         期末总资金: 781731.77
2022-05-29,(组合线：65,10)；         期末总资金: 1656774.05
2022-05-29,(组合线：65,15)；         期末总资金: 1447570.31

#最优参数回测和画图
plt.rcParams['figure.figsize']=[18, 16]
plt.rcParams['figure.dpi']=200
main(dataframe,long_list=None,short_list=None,best_long=30,best_short=15)

期初总资金: 1000000.00
2022-05-29,(组合线：30,15)；         期末总资金: 3128941.58