回测框架pybacktest简介（一）

pybacktest 教程

本教程让你快速了解 pybacktest's 的功能。为此，我们回测精典交易策略移动平均线MA交叉。
MA快线上穿慢线时，买进做多
MA快线下穿慢线时，卖出做空
进场规则，也是退场规则，交易策略相反相成

软件包在此下载 https://github.com/ematvey/pybacktest

import pybacktest
import pandas as pd

pybacktest 要求的 k 线数据格式为 

pandas.DataFrame

 ，以时间戳为索引，各列字段名称为 

O

, 

H

, 

L

, 

C。实际上，目前只检查字段O的值是否为空。

从yahoo下载数据。

ohlc = pybacktest.load_from_yahoo('SPY')

ohlc.tail()

	O	H	L	C	V	AC
Date
2013-04-22	155.78	156.54	154.75	156.17	106501600	156.17
2013-04-23	156.95	157.93	156.17	157.78	165950600	157.78
2013-04-24	157.83	158.30	157.54	157.88	96724000	157.88
2013-04-25	158.34	159.27	158.10	158.52	130916000	158.52
2013-04-26	158.33	158.60	157.73	158.24	95904500	158.24

定义交易策略。要创建以 True和False 表示交易信号的 

Series

 ，和以浮点数表示交易价格的 

Series。

够简单的吧？

short_ma = 50
long_ma = 200

ms = pandas.rolling_mean(ohlc.C, short_ma)
ml = pandas.rolling_mean(ohlc.C, long_ma)

buy = cover = (ms > ml) & (ms.shift() < ml.shift())  # ma cross up
sell = short = (ms < ml) & (ms.shift() > ml.shift())  # ma cross down

print '>  Short MA\n%s\n' % ms.tail()
print '>  Long MA\n%s\n' % ml.tail()
print '>  Buy/Cover signals\n%s\n' % buy.tail()
print '>  Short/Sell signals\n%s\n' % sell.tail()

>  Short MA
Date
2013-04-22    154.5438
2013-04-23    154.6634
2013-04-24    154.7856
2013-04-25    154.9156
2013-04-26    155.0374

>  Long MA
Date
2013-04-22    145.50725
2013-04-23    145.60910
2013-04-24    145.71455
2013-04-25    145.82970
2013-04-26    145.94430

>  Buy/Cover signals
Date
2013-04-22    False
2013-04-23    False
2013-04-24    False
2013-04-25    False
2013-04-26    False

>  Short/Sell signals
Date
2013-04-22    False
2013-04-23    False
2013-04-24    False
2013-04-25    False
2013-04-26    False

开始回测吧。访问类对象 

Backtest

 的第一个参数，是从字典式的对象中剥离出的交易信号、价格等。可以是字典、pandas.DataFrame 或者其他任何东西。

为了简化编程，把局部命名空间用函数 

locals()传递过去。命名空间的内容，是至今你所创建的全部变量

。

bt = pybacktest.Backtest(locals(), 'ma_cross')

Backtest

 工作懒惰，只有在你访问它的属性时，它才会进行运算。它所运算的属性包括：

print filter(lambda x: not x.startswith('_'), dir(bt))
print '\n>  bt.signals\n%s' % bt.signals.tail()
print '\n>  bt.trades\n%s' % bt.trades.tail()
print '\n>  bt.positions\n%s' % bt.positions.tail()
print '\n>  bt.equity\n%s' % bt.equity.tail()
print '\n>  bt.trade_price\n%s' % bt.trade_price.tail()

['dataobj', 'default_price', 'eqplot', 'equity', 'name', 'ohlc', 'plot_equity', 'plot_trades', 'positions', 'prices', 'report', 'run_time', 'signals', 'sigplot', 'summary',
'trade_price', 'trades', 'trdplot']

>  bt.signals
Buy  Cover   Sell  Short
Date
2013-04-22  False  False  False  False
2013-04-23  False  False  False  False
2013-04-24  False  False  False  False
2013-04-25  False  False  False  False
2013-04-26  False  False  False  False

>  bt.trades
pos   price  vol
Date
2009-06-23    1   90.16    2
2010-07-06   -1  103.13   -2
2010-10-22    1  119.14    2
2011-08-12   -1  119.19   -2
2012-01-31    1  132.29    2

>  bt.positions
Date
2009-06-23    1
2010-07-06   -1
2010-10-22    1
2011-08-12   -1
2012-01-31    1

>  bt.equity
Date
2009-06-23    58.66
2010-07-06    12.97
2010-10-22   -16.01
2011-08-12     0.05
2012-01-31   -13.10

>  bt.trade_price
Date
2013-04-22    156.95
2013-04-23    157.83
2013-04-24    158.34
2013-04-25    158.33
2013-04-26       NaN
Name: O

调用 Backtest 的函数summary ，可以得知常用的运算和运行数据

bt.summary()

Backtest('ma_cross', 2013-28-04 23:14:15 MSK) performance summary

=================================================================
backtest:
days: 6348
from: '1994-09-14 00:00:00'
to: '2012-01-31 00:00:00'
trades: 17
exposure:
holding periods:
max: 1476 days, 0:00:00
median: 354 days, 0:00:00
min: 7 days, 0:00:00
trades/month: 1.0625
performance:
PF: 4.017
RF: 6.1555
averages:
gain: 23.817
loss: -8.47
trade: 10.5224
payoff: 2.8119
profit: 178.88
winrate: 0.5882
risk/return profile:
UPI: 1.0656
WCDD (monte-carlo 0.99 quantile): 52.09
maxdd: 74.67
sharpe: 0.4485
sortino: 1.6792

-----------------------------------------------------------------

看看净资产曲线吧。

figsize(10, 5)
bt.plot_equity()

回测运行过程中的精确图形，Backtest 可以为你画出。图中的说明 Legend 省略了，以节省空间。

bt.plot_trades()
pandas.rolling_mean(ohlc.C, short_ma).plot(c='green')
pandas.rolling_mean(ohlc.C, long_ma).plot(c='blue')
legend(loc='upper left')

<matplotlib.legend.Legend at 0x49eea10>

你能完全看清吗？我不行。因此，有个特别属性 

trdplot

 ，让你用pandas的索引机制，指定你要画出的期间。而用属性
eqplot，可以画出净资产曲线。

bt.trdplot['2004':'2007']
pandas.rolling_mean(ohlc.C['2004':'2007'], short_ma).plot(c='green')
pandas.rolling_mean(ohlc.C['2004':'2007'], long_ma).plot(c='blue')

<matplotlib.axes.AxesSubplot at 0x7f7f38c09e50>



以上是pybacktest的大部分内容。下一个教程，会涉及更多高级功能。