博翔科技為專業機械設備歐規/台灣TS標章/美規及半導體設備SEMI S2輔導顧問公司
從事設備安全檢測驗證的輔導機構，擁有經驗豐富的機械安全輔導工程師，並與多家國內外知名驗證公司合作。
服務範圍包含各項產業機械、工業電控系統、鞋廠自動化設備、半導體設備及光電廠設備…等產品。
並協助傳統車床業者如威赫、金剛等取得TS認證。
另外，銑床項目則有新虎將、科冠、合駿、暹嶸、松順、鉅業、進傑等業者接受輔導取得TS認證
Protect & Safe博翔秉著提供更方便更完善的認證與產品給您
並提供CE認證、TS認證、MD認證、LVD認證、EMC認證、UL認證、NRTL認證、SEMI認證、CB認證、PSE認證、CCC認證、ASME認證、CNS認證、NFPA認證、510K認證
以及沙特SABER(SASO)、奈及利亞SONCAP、阿爾及利亞VOC、坦尚尼亞VOC、肯亞VOC、敘利亞COC、科威特、加蓬VOC、烏干達VOC等中東地區的相關認證
邀請您一起邁向世界的安全技術頂端
請立即點擊上方圖片了解更多細節吧！
好文分享
目前基於Python的量化回測框架有很多，開源框架有zipline、vnpy、pyalgotrader和backtrader等，而量化平臺有Quantopian（國外）、聚寬、萬礦、優礦、米筐、掘金等，這些量化框架或平臺各有優劣。就個人而言，比較偏好用backtrader，因為它功能十分完善，有完整的使用文檔，安裝相對簡單（直接pip安裝即可）。優點是運行速度快，支持pandas的矢量運算；支持參數自動尋優運算，內置了talib股票分析技術指標庫；支持多品種、多策略、多周期的回測和交易；支持pyflio、empyrica分析模塊庫、alphalens多因子分析模塊庫等；擴展靈活，可以集成TensorFlow、PyTorch和Keras等機器學習、神經網絡分析模塊。而不足之處在於，backtrader學習起來相對複雜，編程過程中使用了大量的元編程（類class），如果Python編程基礎不紮實（尤其是類的操作），學起來會感到吃力。本文作為backtrader的入門系列之一，對其運行框架進行簡要介紹，並以實際案例展示量化回測的過程。 如果將backtrader包分解為核心組件，主要包括以下組成部分： （1）數據加載（Data Feed）：將交易策略的數據加載到回測框架中。 （2）交易策略（Strategy）：該模塊是編程過程中最複雜的部分，需要設計交易決策，得出買入/賣出信號。 （3）回測框架設置（ Cerebro）：需要設置（i）初始資金（ii）傭金（iii）數據饋送（iv）交易策略（v）交易頭寸大小。 （4）運行回測：運行Cerebro回測並列印出所有已執行的交易。 （5）評估性能（Analyzers）:以圖形和風險收益等指標對交易策略的回測結果進行評價。 「Lines」是backtrader回測的數據，由一系列的點組成，通常包括以下類別的數據：Open（開盤價）, High（最高價）, Low（最低價）, Close（收盤價）, Volume（成交量）, OpenInterest（無的話設置為0）。Data Feeds（數據加載）、Indicators（技術指標）和Strategies（策略）都會生成 Lines。價格數據中的所有」Open」 (開盤價)按時間組成一條 Line。所以，一組含有以上6個類別的價格數據，共有6條 Lines。如果算上「DateTime」（時間，可以看作是一組數據的主鍵），一共有7條 Lines。當訪問一條 Line 的數據時，會默認指向下標為 0 的數據。最後一個數據通過下標 -1 來訪問，在-1之後是索引0，用於訪問當前時刻。因此，在回測過程中，無需知道已經處理了多少條/分鐘/天/月，」0」一直指向當前值，下標 -1 來訪問最後一個值。 ... 量化回測說白了是使用歷史數據去驗證交易策略的性能，因此回測的第一步是搭建交易策略，這也是backtrader要設置的最重要和複雜的部分，策略設定好後，其餘部分的代碼編寫是手到擒來。 構建策略（Strategy） 交易策略類代碼包含重要的參數和用於執行策略的功能，要定義的參數或函數名如下： （1）params-全局參數，可選：更改交易策略中變量/參數的值，可用於參數調優。 （2）log：日誌，可選：記錄策略的執行日誌，可以列印出該函數提供的日期時間和txt變量。 （3） __init__：用於初始化交易策略的類實例的代碼。 （4）notify_order，可選：跟蹤交易指令（order）的狀態。order具有提交，接受，買入/賣出執行和價格，已取消/拒絕等狀態。 （5）notify_trade，可選：跟蹤交易的狀態，任何已平倉的交易都將報告毛利和凈利潤。 （6）next，必選：制定交易策略的函數，策略模塊最核心的部分。 下面以一個簡單的單均線策略為例，展示backtrader的使用過程，即當收盤價上漲突破20日均線買入（做多），當收盤價下跌跌穿20日均線賣出（做空）。為簡單起見，不報告交易回測的日誌，因此log、notify_order和notify_trade函數省略不寫。 class my_strategy1(bt.Strategy): #全局設定交易策略的參數 params=( ('maperiod',20), ) def __init__(self): #指定價格序列 self.dataclose=self.datas[0].close # 初始化交易指令、買賣價格和手續費 self.order = None self.buyprice = None self.buycomm = None #添加移動均線指標，內置了talib模塊 self.sma = bt.indicators.SimpleMovingAverage( self.datas[0], period=self.params.maperiod) def next(self): if self.order: # 檢查是否有指令等待執行, return # 檢查是否持倉 if not self.position: # 沒有持倉 #執行買入條件判斷：收盤價格上漲突破20日均線 if self.dataclose[0] > self.sma[0]: #執行買入 self.order = self.buy(size=500) else: #執行賣出條件判斷：收盤價格跌破20日均線 if self.dataclose[0] < self.sma[0]: #執行賣出 self.order = self.sell(size=500)數據加載（Data Feeds） 策略設計好後，第二步是數據加載，backtrader提供了很多數據接口，包括quandl（美股）、yahoo、pandas格式數據等，我們主要分析A股數據。 mpl.rcParams['axes.unicode_minus']=False #先引入後面可能用到的包（package） import pandas as pd from datetime import datetime import backtrader as bt import matplotlib.pyplot as plt %matplotlib inline #正常顯示畫圖時出現的中文和負號 from pylab import mpl mpl.rcParams['font.sans-serif']=['SimHei'] 使用tushare獲取浦發銀行（代碼：600000）數據。 #使用tushare舊版接口獲取數據 import tushare as ts def get_data(code,start='2010-01-01',end='2020-03-31'): 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') 回測設置（Cerebro） 回測設置主要包括幾項：回測系統初始化，數據加載到回測系統，添加交易策略， broker設置（如交易資金和交易傭金），頭寸規模設置作為策略一部分的交易規模等，最後顯示執行交易策略時積累的總資金和凈收益。 # 初始化cerebro回測系統設置 cerebro = bt.Cerebro #將數據傳入回測系統 cerebro.adddata(data) # 將交易策略加載到回測系統中 cerebro.addstrategy(my_strategy1) # 設置初始資本為10,000 startcash = 10000 cerebro.broker.setcash(startcash) # 設置交易手續費為 0.2% cerebro.broker.setcommission(commission=0.002) 04執行回測 輸出回測結果。 print(f'凈收益: {round(pnl,2)}') d1=start.strftime('%Y%m%d') d2=end.strftime('%Y%m%d') print(f'初始資金: {startcash} 回測期間：{d1}:{d2}') #運行回測系統 cerebro.run #獲取回測結束後的總資金 portvalue = cerebro.broker.getvalue pnl = portvalue - startcash #列印結果 print(f'總資金: {round(portvalue,2)}') 結果如下： 初始資金: 10000 回測期間：20100331:20200331 總資金: 12065.36 凈收益: 2065.3605可視化 對上述結果進行可視化，使用內置的matplotlib畫圖。至此，簡單的單均線回測就完成了。下面圖形展示了浦發銀行在回測期間的價格走勢、買賣點和交易總資金的變化等。當然，本文著重以最簡化的例子展示backtrader的框架和運行過程，要想更詳細的展示回測過程和結果，還需要加入其他函數和模塊，關於Analyzers分析模塊的應用請留意下一篇推文。 %matplotlib inline #在jupyter notebook上運行 cerebro.plot(style='candlestick') ... backtrader是目前功能最完善的Python量化回測框架之一（單機版），得到歐洲很多銀行、基金等金融機構的青睞，並應用於實盤交易中。作為入門序列之一，本文簡單介紹了backtrader框架的各個組成部分，然後以20日單均線策略為例，展示了回測系統的編程和運行。公眾號接下來將以專題的形式為大家全面介紹backtrader的應用。學習沒有捷徑，要想全面而深入地學習backtrader回測框架，最好的方法是研讀其官方文檔。 參考資料：backtrader官方文檔 關於Python金融量化
RRR1545EER15BBBEEEOOE
文章來源取自於：
壹讀 https://read01.com/d03LAg2.html
如有侵權，請來信告知，我們會立刻下架。
DMCA：dmca(at)kubonews.com
聯絡我們：contact(at)kubonews.com
桃園鋼絲抽取CE認證台北地下儲藏室CE認證台北電腦數控彈簧成形機CE認證桃園電磁式離合制動器CE認證
推薦中國CCC認證等諮詢輔導取證的檢驗公司 桃園各種線材機械設計.製造CE認證 彰化自動矯正機, 配合送料用CE認證推薦個人防護CE輔導認證的檢驗公司 台北無段變速控制器CE認證 桃園分度工作檯，精密自動式CE認證推薦CE認證顧問公司 彰化樣品裁布機CE認證 台北轉化糖製造機CE認證EN 149-EN 14683口罩(面罩)認證公司 台中羊毛洗毛炭化設備CE認證 台北不銹鋼湯菜桶CE認證
留言列表
