backtrader股票技术指标自定义与量化回测

01 引言

股票市场自交易以来，人们就开始孜孜不倦地探索各种各样的投资理论，其中技术分析是重要的理论之一。实际上，技术分析是100多年前创建的股票投资理论，是投资者对股票量价变化长期观察归纳总结的若干“规律”。技术分析以市场行为（价格和成交量）为研究对象，以判断市场趋势并跟随趋势的周期性变化来指导交易，认为市场行为包容一切信息、价格以趋势方式波动、历史会重演。目前，股票分析的技术指标超过1000多种，从功能角度而言，总体可以分为趋势类、摆动类和能量类指标。趋势类指标结合均线特征，根据股价与指标之间的关系分析股价趋势强弱，如MACD指标。摆动类指标根据股票的成交量、价格和时空，通过公式得出一个数值，通过该数值波动规律指导交易，如KDJ、RSI指标。能量类指标通过分析成交量变化来预测股价波动，如OBV、VOL指标等。本文主要介绍backtrader回测框架中技术分析指标（indicators）的调用方法、自定义指标的编写以及技术指标的历史回测。

关于backtrader的入门和进阶见公众号系列推文：

（1）【手把手教你】入门量化回测最强神器backtrader（一）

（2）【手把手教你】入门量化回测最强神器backtrader（二）

（3）【手把手教你】入门量化回测最强神器backtrader（三）

（4）backtrader如何加载股票因子数据？以换手率、市盈率为例进行回测【附Python代码】

（5）如何用backtrader对股票组合进行量化回测？

（6）【手把手教你】用backtrader量化回测海龟交易策略

02 Indicators指标调用

backtrader回测框架内置了很多技术分析指标，封装在indicators中。打开backtrader安装路径，以Anaconda为例，打开\Lib\site-packages\backtrader\，进入indicators文件夹，可以看到里面有48个py文件，文件名是各个技术指标或公示的简称，打开这些文件可以进一步了解包含的具体指标，以及调用的函数名和参数等。

以MACD指标为例，使用Notepad++软件打开macd.py文件，可以看到MACD和MACDHisto两个类，其中MACD是计算MACD指标的类，而MACDHisto则是MACD的子类，增加了macd和信号线之间差异的“直方图”，调用的时候直接使用bt.ind.MACD(参数)。下面以常用的MACD、RSI、布林带指标为例，为大家展示其调用方法。

使用tushare获取数据，并设置为backtrader的数据格式。

import backtrader as bt

import pandas as pd

import numpy as np

import tushare as ts

def get_data(code,start='2010-01-01',end='2020-08-31'):

df=ts.get_k_data(code,autype='qfq',start=start,end=end)

df.index=pd.to_datetime(df.date)

df['openinterest']=0

df=df[['open','high','low','close','volume','openinterest']]

return df

dataframe=get_data('600000',start='2015-01-01')

dataframe.head()

写一个测试策略，在输出图形中呈现MACD、MACD带柱、RSI和布林带技术指标。

class TestStrategy(bt.Strategy): def __init__(self):

bt.ind.MACD(self.data)

bt.ind.MACDHisto(self.data)

bt.ind.RSI(self.data,period=14)

bt.ind.BBands(self.data)

将回测系统设置封装成main函数，后面还会反复用到。

def main(data,strategy,pf=False):

cerebro = bt.Cerebro()

feed = bt.feeds.PandasData(dataname=data)

cerebro.adddata(feed)

#加载策略

cerebro.addstrategy(strategy)

# 设置初始资本为10,000

startcash = 100000

cerebro.broker.setcash(startcash)

# 设置交易手续费为 0.1%

cerebro.broker.setcommission(commission=0.001)

cerebro.run()

#获取回测结束后的总资金

portvalue = cerebro.broker.getvalue()

pnl = portvalue - startcash

if pf:

print(f'总资金: {round(portvalue,2)}')

print(f'净收益: {round(pnl,2)}')

%matplotlib inline

cerebro.plot()

回测结果如下图所示。

data=get_data('601318','2020-03-01')

main(data,TestStrategy)

上述策略只是调用了技术指标用于画图，下面以MACD指标为例，调用该指标计算MACD柱，当MACD柱大于0（金叉）时发出买入信号，当MACD柱小于0（死叉）时发出卖出信号。

class TradeStrategy(bt.Strategy):

params=(('p1',12),('p2',26),('p3',9),)

def __init__(self):

self.order = None

#获取MACD柱

self.macdhist = bt.ind.MACDHisto(self.data,

period_me1=self.p.p1,

period_me2=self.p.p2,

period_signal=self.p.p3)

def next(self):

if not self.position:

# 得到当前的账户价值

total_value = self.broker.getvalue()

#1手=100股，满仓买入

ss=int((total_value/100)/self.datas[0].close[0])*100

#当MACD柱大于0（红柱）且无持仓时满仓买入

if self.macdhist > 0:

self.order=self.buy(size=ss)

else:

#当MACD柱小于0（绿柱）且持仓时全部清仓

if self.macdhist < 0:

self.close()

以中国平安股票为例，使用MACD指标对2010.1-2020.9年数据进行历史回测。

data=get_data('601318','2010-03-01')

main(data,TradeStrategy,pf=True)

#期初资金：100000

#期末资金: 225440.47

#净收益: 125440.47

03 自定义指标

backtrader的可扩展性很强，除了内置的技术分析指标外，可以通过类的扩展进行自定义指标。20日均线在实战中具有一定的指导意义，可以根据价格偏离20日均线的某个阈值构建类似于布林带的通道线指标。

定义一个指标的类，该类继承bt.Indicator，均线采用20日周期，上下限阈值分别为20%和15%。

class TrendBand(bt.Indicator):

lines = ('mid','top','bot',)

params = (('maperiod',20),

('period',3),

('highRate',1.2),

('lowRate',0.85),)

#与价格在同一张图

plotinfo = dict(subplot=False)

def __init__(self):

ema = bt.ind.EMA(self.data, period=self.p.maperiod)

#计算上中下轨线

self.l.mid=bt.ind.EMA(ema,period=self.p.period)

self.l.top=bt.ind.EMA(self.mid*self.p.highRate,\

period=self.p.period)

self.l.bot=bt.ind.EMA(self.mid*self.p.lowRate,\

period=self.p.period)

super(TrendBand, self).__init__()

首先看一下该指标的图形。

class TestStrategy2(bt.Strategy):

def __init__(self):

TrendBand(self.data)

回测结果：

data=get_data('601318','2010-01-01')

main(data,TestStrategy2)

下面基于该指标构建交易策略并回测，当价格站在中轨线上，且成交量突破20日新高时买入，当价格突破上轨线时卖出。

class MyStrategy(bt.Strategy):

params=(('period',20),)

def __init__(self):

self.order = None

self.mid = TrendBand(self.data).mid

self.top = TrendBand(self.data).top

self.bot = TrendBand(self.data).bot

#设置买入信号

self.buy_sig=bt.And(\

self.data.close>self.mid,\

self.data.volume==bt.ind.Highest(\

self.data.volume,period=self.p.period))

#卖出信号

self.sell_sig=self.data.close>self.top

def next(self):

if not self.position:

# 得到当前的账户价值

total_value = self.broker.getvalue()

#1手=100股，满仓买入

ss=int((total_value/100)/self.datas[0].close[0])*100

if self.buy_sig:

self.order=self.buy(size=ss)

else:

if self.sell_sig:

self.close()

仍然以中国平安为例，回测结果如下图所示：

data=get_data('601318','2010-01-01')

main(data,MyStrategy,True)

#期初资金：100000.00

#期末资金: 398949.39

#净收益: 298949.39

04 结语

本文主要介绍了backtrader回测框架中indicators的调用、自定义指标的编写以及历史回测。其中自定义指标主要是示例作用，不构成任何投资建议。历史回测中仅以中国平安个股为例，具有一定的局限性，感兴趣的读者可以参考组合回测那篇推文，对全市场股票进行组合回测以进一步判断自定义指标的实用性。最后再强调一句，学习没有捷径，要想全面而深入地学习backtrader回测框架，最好的方法是研读其官方文档。公众号后台回复“backtrader”可获取《backtrader入门指南》的中文文档。

参考资料：

backtrader官方文档和安装包原生代码

https://www.backtrader.com/docu/

赞 (0)

相关推荐