Python量化交易学习笔记(13)——第一个策略回测程序v11
v11是第一个策略回测程序的最后一个版本,将对策略参数进行优化。
很多财经书籍里都指出,不同股票、不同书籍都有个各自的特点和节奏,因此使用同一策略参数应用于所有的交易是不明智的。
在之前的例子中,我们尝试了使用了简单移动均值指标,周期参数选定为15,v11将对这个参数进行优化,通过优化找出简单移动均值的最佳周期数。程序的主要修改部分为在向cerebro添加策略时使用如下代码:
strats = cerebro.optstrategy( TestStrategy, maperiod = range(10, 31))
这样backtrader就会将将简单移动均值所选取的周期数从10到31进行逐个尝试,通过计算最终收益,便可以选择出最优的参数。
2020-02-28, (MA Period 10) Ending Value 99822.24
2020-02-28, (MA Period 11) Ending Value 99884.57
2020-02-28, (MA Period 12) Ending Value 99916.93
2020-02-28, (MA Period 13) Ending Value 99918.29
2020-02-28, (MA Period 14) Ending Value 99881.23
2020-02-28, (MA Period 15) Ending Value 99913.60
2020-02-28, (MA Period 16) Ending Value 99913.60
2020-02-28, (MA Period 17) Ending Value 99946.90
2020-02-28, (MA Period 18) Ending Value 99926.86
2020-02-28, (MA Period 19) Ending Value 99880.82
2020-02-28, (MA Period 20) Ending Value 99891.90
2020-02-28, (MA Period 21) Ending Value 99865.87
2020-02-28, (MA Period 22) Ending Value 99901.86
2020-02-28, (MA Period 23) Ending Value 99933.34
2020-02-28, (MA Period 24) Ending Value 99984.69
2020-02-28, (MA Period 25) Ending Value 99984.69
2020-02-28, (MA Period 26) Ending Value 99970.70
2020-02-28, (MA Period 27) Ending Value 99973.70
2020-02-28, (MA Period 28) Ending Value 100022.75
2020-02-28, (MA Period 29) Ending Value 100022.75
2020-02-28, (MA Period 30) Ending Value 99977.52
通过上面的输出信息我们就可以清晰地看到,选择不同周期参数时最后的资产情况。本例中,当周期参数选择为28和29时,可以获得最大收益。
程序v10-优化:
from __future__ import (absolute_import, division, print_function, unicode_literals) import datetime # 用于datetime对象操作 import os.path # 用于管理路径 import sys # 用于在argvTo[0]中找到脚本名称 import backtrader as bt # 引入backtrader框架 # 创建策略 class TestStrategy(bt.Strategy): params = ( ('maperiod', 15), ('printlog', False), ) def log(self, txt, dt=None, doprint = False): ''' 策略的日志函数''' if self.params.printlog or doprint: dt = dt or self.datas[0].datetime.date(0) print('%s, %s' % (dt.isoformat(), txt)) def __init__(self): # 引用data[0]数据的收盘价数据 self.dataclose = self.datas[0].close # 用于记录订单状态 self.order = None self.buyprice = None self.buycomm = None # 添加MovingAverageSimple指标 self.sma = bt.indicators.SimpleMovingAverage( self.datas[0], period = self.params.maperiod) def notify_order(self, order): if order.status in [order.Submitted, order.Accepted]: # 提交给代理或者由代理接收的买/卖订单 - 不做操作 return # 检查订单是否执行完毕 # 注意:如果没有足够资金,代理会拒绝订单 if order.status in [order.Completed]: if order.isbuy(): self.log( 'BUY EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' % (order.executed.price, order.executed.value, order.executed.comm)) self.buyprice = order.executed.price self.buycomm = order.executed.comm else: # 卖 self.log('SELL EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' % (order.executed.price, order.executed.value, order.executed.comm)) self.bar_executed = len(self) elif order.status in [order.Canceled, order.Margin, order.Rejected]: self.log('Order Canceled/Margin/Rejected') # 无等待处理订单 self.order = None def notify_trade(self, trade): if not trade.isclosed: return self.log('OPERATION PROFIT, GROSS %.2f, NET %.2f' % (trade.pnl, trade.pnlcomm)) def next(self): # 日志输出收盘价数据 self.log('Close, %.2f' % self.dataclose[0]) # 检查是否有订单等待处理,如果是就不再进行其他下单 if self.order: return # 检查是否已经进场 if not self.position: # 还未进场,则只能进行买入 # 当日收盘价小于前一日收盘价 # 当收盘价大于均线值时 if self.dataclose[0] > self.sma[0]: # 买买买 self.log('BUY CREATE, %.2f' % self.dataclose[0]) # 记录订单避免二次下单 self.order = self.buy() # 如果已经在场内,则可以进行卖出操作 else: # 卖卖卖 if self.dataclose[0] < self.sma[0]: self.log('SELL CREATE, %.2f' % self.dataclose[0]) # 记录订单避免二次下单 self.order = self.sell() def stop(self): self.log('(MA Period %2d) Ending Value %.2f' % (self.params.maperiod, self.broker.getvalue()), doprint = True) # 创建cerebro实体 cerebro = bt.Cerebro() # 添加策略 strats = cerebro.optstrategy( TestStrategy, maperiod = range(10, 31))# 先找到脚本的位置,然后根据脚本与数据的相对路径关系找到数据位置 # 这样脚本从任意地方被调用,都可以正确地访问到数据 modpath = os.path.dirname(os.path.abspath(sys.argv[0])) datapath = os.path.join(modpath, '../TQDat/day/stk/000001.csv') # 创建价格数据 data = bt.feeds.GenericCSVData( dataname = datapath, fromdate = datetime.datetime(2019, 10, 1), todate = datetime.datetime(2020, 2, 29), nullvalue = 0.0, dtformat = ('%Y-%m-%d'), datetime = 0, open = 1, high = 2, low = 3, close = 4, volume = 5, openinterest = -1 ) # 在Cerebro中添加价格数据 cerebro.adddata(data) # 设置启动资金 cerebro.broker.setcash(100000.0) # 设置交易单位大小 cerebro.addsizer(bt.sizers.FixedSize, stake = 100) # 设置佣金为千分之一 cerebro.broker.setcommission(commission=0.001) # 遍历所有数据 cerebro.run(maxcpus = 1)
- 点赞
- 收藏
- 分享
- 文章举报
- Python量化交易学习笔记(20)——保护点卖出策略
- Python量化交易学习笔记(18)——放量突破布林线中轨买入策略
- Python量化交易学习笔记(19)——连续下跌买入止盈止损卖出策略
- Python量化交易学习笔记(16)——策略筛股
- Python量化交易学习笔记(17)——多只股票同时策略回测
- Python学习笔记之疑问13:什么是Range
- python学习笔记一:python的配置和第一个程序
- 学习笔记(13):21天通关Python(视频课)-字典高级用法
- python学习笔记13--类和对象
- 第002讲:用Python设计第一个游戏 ---学习笔记
- Python 学习笔记 - 13.异常(Exception)
- python学习笔记13(模块、包)
- 使用python-pygame包生成一个艺术照片-学习笔记13
- 第一个python程序--学习笔记
- Python学习笔记 Day 13 项目 -外星人入侵 - 1,pygame安装,OS X / Windows
- 学习笔记(13):Python实战编程-循环嵌套
- Python量化交易学习笔记(22)——自定义Indicator
- 机器学习和python学习笔记(课程1~13)
- Python 学习笔记13:Python + wsgi + django 配置。坑爹的python3和wsgi不兼容的解决
- ROS 进阶学习笔记(13) - Combine Subscriber and Publisher in Python, ROS