(9条消息) Backtrader量化平台教程（六）Analyzer

AD：（本人录制的backtrader视频课程，大家多多支持哦~ https://edu.csdn.net/course/detail/9040）

无意中发现了一个巨牛的人工智能教程，忍不住分享一下给大家。教程不仅是零基础，通俗易懂，而且非常风趣幽默，像看小说一样！觉得太牛了，所以分享给大家。教程链接：https://www.cbedai.net/qtlyx

1.什么是Anayzer

我们写了一个策略，跑了一下，看了一下图，觉得不错。但是，究竟我们的策略如何呢？譬如，Sharpe Ratio是多少，最大回撤是多少等等。这些指标我们如何获取呢？在backtrader中，给我们提供了获取这些指标的途径，就是Analyzer。顾名思义，就是分析师。

这里我们要提一下，Analyzer与Lines这一类数据是不一样的。显然的，Analyzer是在你跑完策略之后给你一个结果，不会每时每刻都有一个数据产生。但是我们要说明的是在backtrader的内部，其实Analyzer也是一种Lines，这可能是出于代码后期兼容性和可扩展性的考虑吧，作为end user，其实不用考虑那么多。

2.如何使用Anayzer

具体怎么使用Analyzer呢？和Strategy、Observe和Datas一样，我们把我们想要的Analyzer加入到cerebro中就可以了，具体使用的方法是：

addanalyzer()

  1. # -*- coding: utf-8 -*-
  2. from __future__ import (absolute_import, division, print_function,
  3. unicode_literals)
  4. import datetime # For datetime objects
  5. import pandas as pd
  6. import backtrader as bt
  7. import numpy as np
  8. # Create a Stratey
  9. class MyStrategy(bt.Strategy):
  10. params = (
  11. ('ssa_window', 15),
  12. ('maperiod', 15),
  13. )
  14. def log(self, txt, dt=None):
  15. ''' Logging function fot this strategy'''
  16. dt = dt or self.datas[0].datetime.date(0)
  17. print('%s, %s' % (dt.isoformat(), txt))
  18. def __init__(self):
  19. # Keep a reference to the "close" line in the data[0] dataseries
  20. self.dataclose = self.datas[0].close
  21. # To keep track of pending orders and buy price/commission
  22. self.order = None
  23. self.buyprice = None
  24. self.buycomm = None
  25. self.sma = bt.indicators.SimpleMovingAverage(
  26. self.datas[0], period=self.params.maperiod)
  27. def notify_order(self, order):
  28. if order.status in [order.Submitted, order.Accepted]:
  29. return
  30. if order.status in [order.Completed]:
  31. if order.isbuy():
  32. self.log(
  33. 'BUY EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' %
  34. (order.executed.price,
  35. order.executed.value,
  36. order.executed.comm))
  37. self.buyprice = order.executed.price
  38. self.buycomm = order.executed.comm
  39. else: # Sell
  40. self.log('SELL EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' %
  41. (order.executed.price,
  42. order.executed.value,
  43. order.executed.comm))
  44. self.bar_executed = len(self)
  45. elif order.status in [order.Canceled, order.Margin, order.Rejected]:
  46. self.log('Order Canceled/Margin/Rejected')
  47. self.order = None
  48. def notify_trade(self, trade):
  49. if not trade.isclosed:
  50. return
  51. self.log('OPERATION PROFIT, GROSS %.2f, NET %.2f' %
  52. (trade.pnl, trade.pnlcomm))
  53. def next(self):
  54. self.log('Close, %.2f' % self.dataclose[0])
  55. if self.order:
  56. return
  57. if not self.position:
  58. if self.dataclose[0] > self.sma[0]:
  59. self.log('BUY CREATE, %.2f' % self.dataclose[0])
  60. self.order = self.buy()
  61. else:
  62. if self.dataclose[0] < self.sma[0]:
  63. self.log('SELL CREATE, %.2f' % self.dataclose[0])
  64. self.order = self.sell()
  65. if __name__ == '__main__':
  66. cerebro = bt.Cerebro()
  67. cerebro.addstrategy(MyStrategy)
  68. dataframe = pd.read_csv('dfqc.csv', index_col=0, parse_dates=True)
  69. dataframe['openinterest'] = 0
  70. data = bt.feeds.PandasData(dataname=dataframe,
  71. fromdate = datetime.datetime(2015, 1, 1),
  72. todate = datetime.datetime(2016, 12, 31)
  73. )
  74. cerebro.adddata(data)
  75. cerebro.broker.setcash(100.0)
  76. cerebro.addsizer(bt.sizers.FixedSize, stake=10)
  77. cerebro.broker.setcommission(commission=0.0)
  78. print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())
  79. cerebro.addanalyzer(bt.analyzers.SharpeRatio, _name = 'SharpeRatio')
  80. cerebro.addanalyzer(bt.analyzers.DrawDown, _name='DW')
  81. results = cerebro.run()
  82. strat = results[0]
  83. print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())
  84. print('SR:', strat.analyzers.SharpeRatio.get_analysis())
  85. print('DW:', strat.analyzers.DW.get_analysis())
  86. cerebro.plot()

         用的还是我们之前SMA的例子。我们着重看一下我们的analyzer是怎么添加和使用的。

 

 

  1. cerebro.addanalyzer(bt.analyzers.SharpeRatio, _name = 'SharpeRatio')
  2. cerebro.addanalyzer(bt.analyzers.DrawDown, _name='DW')
  3. results = cerebro.run()
  4. strat = results[0]
  5. print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())
  6. print('SR:', strat.analyzers.SharpeRatio.get_analysis())
  7. print('DW:', strat.analyzers.DW.get_analysis())
  8. cerebro.plot()

        我们看一下，在rcerebro run之前，我们先添加了两个analyzer：SharpeRatio和DrawDown，在添加的时候，我们分别对这两个anayzer命令名，也就是

 _name = 'SharpeRatio'与 _name='DW'_name='DW'

为了使用这一anayzer，我们需要获取cerebro run之后的返回值，然后获取策略相关信息，

  1. results = cerebro.run()
  2. strat = results[0]

        这一部分在后续解析cerebro时再展开。

 

 

  1. print('SR:', strat.analyzers.SharpeRatio.get_analysis())
  2. print('DW:', strat.analyzers.DW.get_analysis())

        这里，我们就获取了这一策略的SharpeRatio与回撤的信息了。

 

        我们可以看到，回撤信息布置最大回撤，还有好多。

3.有哪些指标

        那么，具体，有哪些Analyzer呢？

        笔者大概列了一下：

AnnualReturn

Calmar

DrawDown

TimeDrawDown

GrossLeverage

PositionsValue

PyFolio

LogReturnsRolling

PeriodStats

Returns

SharpeRatio

SharpeRatio_A

SQN

TimeReturn

TradeAnalyzer

Transactions

VWR

        大概有这么些，具体后续用到了再详细讲解。

赞 (0)

相关推荐