Backtrader量化&回测2

2024-02-05 17:16| 来源: 网络整理| 查看: 265

文章目录 Backtrader读取Pandas数据集基本在策略中获取数据信息自定义数据集，拓展更多列数据

Backtrader读取数据官方文档：https://www.backtrader.com/docu/dataautoref/

Backtrader读取Pandas数据集基本

使用Backtrader的内置类backtrader.feeds.PandasData读取dataframe数据后，会按照列名称，将已有的数据列名映射到backtrader的PandasData类中，默认只会包含以下数据：

* close * low * high * open * volume * openinterest * datetime

如果想要获取更多数据，需要手动添加，详情请参考自定义数据集部分

在策略中获取数据信息 import backtrader import efinance import pandas as pd from datetime import datetime def get_k_data(stock_code, begin: datetime, end: datetime) -> pd.DataFrame: """ 根据efinance工具包获取股票数据 :param stock_code:股票代码 :param begin: 开始日期 :param end: 结束日期 :return: """ # stock_code = '600519' # 股票代码，茅台 k_dataframe: pd.DataFrame = efinance.stock.get_quote_history( stock_code, beg=begin.strftime("%Y%m%d"), end=end.strftime("%Y%m%d")) k_dataframe = k_dataframe.iloc[:, :9] k_dataframe.columns = ['name', 'code', 'date', 'open', 'close', 'high', 'low', 'volume', 'turnover'] k_dataframe.index = pd.to_datetime(k_dataframe.date) k_dataframe.drop(['name', 'code', "date"], axis=1, inplace=True) return k_dataframe class MyStrategy1(backtrader.Strategy): # 策略 def __init__(self): # 初始化交易指令、买卖价格和手续费 self.close_price = self.datas[0].close # 这里加一个数据引用，方便后续操作 this_data = self.getdatabyname("stock_600519") # 获取传入的 name = stock_600519 的数据 print("全部列名：", this_data.getlinealiases()) # 全部的列名称 print("总交易日：", self.datas[0].buflen()) # 数据集中一共有多少行 def next(self): # 框架执行过程中会不断循环next()，过一个K线，执行一次next() print('==========================') print("今日{}, 是第{}个交易日 , 收盘价：{}".format(self.datetime.date(), len(self.datas[0]), self.datas[0].close[0])) print("前天、昨天、今天的收盘价：", list(self.datas[0].close.get(ago=0, size=3))) # 使用 get() 向前获取数据 if len(self.datas[0]) pd.DataFrame: """ 根据efinance工具包获取股票数据 :param stock_code:股票代码 :param begin: 开始日期 :param end: 结束日期 :return: """ # stock_code = '600519' # 股票代码，茅台 k_dataframe: pd.DataFrame = efinance.stock.get_quote_history( stock_code, beg=begin.strftime("%Y%m%d"), end=end.strftime("%Y%m%d")) k_dataframe = k_dataframe.iloc[:, :9] k_dataframe.columns = ['name', 'code', 'date', 'open', 'close', 'high', 'low', 'volume', 'turnover'] k_dataframe.index = pd.to_datetime(k_dataframe.date) k_dataframe.drop(['name', 'code', "date"], axis=1, inplace=True) return k_dataframe class PandasDataPlus(backtrader.feeds.PandasData): lines = ('turnover',) # 要添加的列名 # 设置 line 在数据源上新增的位置 params = ( ('turnover', -1), # turnover对应传入数据的列名，这个-1会自动匹配backtrader的数据类与原有pandas文件的列名 # 如果是个大于等于0的数，比如8，那么backtrader会将原始数据下标8(第9列，下标从0开始)的列认为是turnover这一列 ) class MyStrategy1(backtrader.Strategy): # 策略 def __init__(self): # 初始化交易指令、买卖价格和手续费 self.close_price = self.datas[0].close # 这里加一个数据引用，方便后续操作 this_data = self.getdatabyname("stock_600519") # 获取传入的 name = stock_600519 的数据 print("全部列名：", this_data.getlinealiases()) # 全部的列名称 def next(self): # 框架执行过程中会不断循环next()，过一个K线，执行一次next() pass if __name__ == '__main__': # 获取数据 start_time = datetime(2015, 1, 1) end_time = datetime(2015, 1, 10) dataframe = get_k_data('600519', begin=start_time, end=end_time) # =============== 为系统注入数据 ================= # 加载数据 data = PandasDataPlus(dataname=dataframe, fromdate=start_time, todate=end_time) # 初始化cerebro回测系统 cerebral_system = backtrader.Cerebro() # Cerebro引擎在后台创建了broker(经纪人)实例，系统默认每个broker的初始资金量为10000 # 将数据传入回测系统 cerebral_system.adddata(data, name="stock_600519") # 导入数据，在策略中使用 self.datas 来获取数据源 # 将交易策略加载到回测系统中 cerebral_system.addstrategy(MyStrategy1) # =============== 系统设置 ================== # 运行回测系统 cerebral_system.run()

可以看到新增了turnover列的数据，在策略中就可以选择了：

全部列名： ('close', 'low', 'high', 'open', 'volume', 'openinterest', 'datetime', 'turnover')

【本文地址】

公司简介

联系我们