Python量化交易学习笔记(7)——第一个策略回测程序v5
2020-03-31 07:23
561 查看
v4中自定义了一个策略,但未设置买入卖出条件,v5中将添加买入条件。
程序v5-在策略中加逻辑:
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): def log(self, txt, dt=None): ''' 策略的日志函数''' 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 def next(self): # 日志输出收盘价数据 self.log('Close, %.2f' % self.dataclose[0]) # 当日收盘价小于前一日收盘价 if self.dataclose[0] < self.dataclose[-1]: # 前一日收盘价小于前前日收盘价 if self.dataclose[-1] < self.dataclose[-2]: # 买买买 self.log('BUY CREATE, %.2f' % self.dataclose[0]) self.buy() # 创建cerebro实体 cerebro = bt.Cerebro() # 添加策略 cerebro.addstrategy(TestStrategy) # 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) # 打印开始信息 print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue()) # 遍历所有数据 cerebro.run() # 打印最后结果 print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())
v5输出为:
Starting Portfolio Value: 100000.00
2019-10-08, Close, 16.20
2019-10-09, Close, 16.25
2019-10-10, Close, 16.24
2019-10-11, Close, 16.81
2019-10-14, Close, 17.22
2019-10-15, Close, 17.18
2019-10-16, Close, 16.79
2019-10-16, BUY CREATE, 16.79
…
…
2020-02-03, Close, 13.99
2020-02-03, BUY CREATE, 13.99
2020-02-04, Close, 14.60
Final Portfolio Value: 99977.95
v5加入了简单的买入逻辑:当股价连续下跌2天后买入,只需要在next方法中添加相关代码即可。从程序输出中可以看到会有一些买入的操作。当前的程序中尚未提及订单是否被成功交易,在下一个程序中将通过侦听订单状态提醒来判断交易是否执行。
此外,还有如下需要说明的地方:
如果没有特殊指明,self.datas[0]就是被操作的股票,这里操作的就是平安银行。
- 交易的数量(stake)在后台用position sizer来表示,被赋予一个固定的值,默认值为1。后续程序将展示如果进行设置。
- 在市场上执行交易订单时,代理会用第二天的开盘价来判断订单是否执行成功,这是因为第二天的开盘价是判断当日收盘价后的第一时刻数据。
- 目前订单尚未加入佣金费数据。
- 点赞 1
- 收藏
- 分享
- 文章举报
相关文章推荐
- Python量化交易学习笔记(12)——第一个策略回测程序v10
- Python量化交易学习笔记(8)——第一个策略回测程序v6
- Python量化交易学习笔记(10)——第一个策略回测程序v8
- Python量化交易学习笔记(9)——第一个策略回测程序v7
- Python量化交易学习笔记(13)——第一个策略回测程序v11
- python学习笔记(一)第一个hello world程序、输入输出函数
- 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(17)——多只股票同时策略回测
- 【python学习笔记】第一个python程序
- Python3学习笔记01-第一个Python程序
- 廖雪峰官方网站python学习笔记:第一个Pyhon程序
- 【Python】学习笔记——-5、第一个Python程序
- 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学习笔记6(第一个python程序)
- python学习笔记一:python的配置和第一个程序
- Python量化交易学习笔记(16)——策略筛股
- Python量化交易学习笔记(20)——保护点卖出策略
- Dive in Python学习笔记二:第一个Python程序
- 第一个python程序--学习笔记
- Python学习笔记(1)-Python介绍、解释器、第一个python程序、注释