# BackTrader初尝试

**Repository Path**: dl-high-strength/backtrader-initial-attempt

## Basic Information

- **Project Name**: BackTrader初尝试
- **Description**: BackTrader是一个基于Python的自动化回溯测试框架， 作者是德国人。最近原本参与的一个项目搁浅，有点时间学习一下关于量化的知识，比较了一下，发现BackTrader是一个易懂、易上手的量化框架。今天我们就来试试用Backtrader进行简单的量化策略回溯。
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 7
- **Created**: 2022-01-10
- **Last Updated**: 2022-01-10

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## 基本介绍

一直都知道Python可以用于量化投资分析，很想学习一下这方面的知识，趁着最近参加的一个项目意外搁浅，花点时间入门下。

查了下现在市场上的基于Python的量化回测框架，开源的有zipline、vnpy、Pyalgotrade和backtrader等，量化平台有Quantopian、聚宽、万矿、优矿、米筐等。

既然是程序猿，还是弄个开源框架自己跑跑试试，比较了下觉得BackTrader（德国人写的）好像入门容易点，搭一个先试试看。

## 安装步骤

1. BackTrader的安装很简单，支持从pypi安装pip install backtrader, 也支持从源代码安装https://github.com/mementum/backtrader， 加压后执行python3 setup.py install。

   我执行了下源码安装，主要看看以后有没有时间学习别人怎么写的python工程。

2. 还需要安装一些backtrader需要的依赖需要安装
   python3 -m pip install --upgrade tushare
   python3 -m pip install --upgrade pandas
   python3 -m pip install --upgrade datetime
   python3 -m pip install --upgrade matplotlib
   sudo apt install python3-tk tk-dev -y
   
3. 注册新版的tushare pro账户，个人主页获取token，这个是为了程序能通过tushare提供的接口获取行情数据。

   ![用户注册](https://dengbao-file.oss-cn-beijing.aliyuncs.com/backtrader/1.PNG "用户注册")
   也有其它些网站和交易商提供了行情数据接口，但是tushare用起来挺方便的，重点不在这里，不研究其它的了。
   
4. 新建一个目录，把程序firstsample.py, SimpleStrategy.py下载到目录下，直接执行python3 firstsample.py就能看到执行结果。

   ![交易结果](https://dengbao-file.oss-cn-beijing.aliyuncs.com/backtrader/2.PNG "交易结果")

3. 简单解释一下程序

   1） 准备连接tushare，从网上找一些股票代码（特意加上了太极，以后如果有好的策略，分析一下太极）。
   TOKEN = '******************'
   pro = ts.pro_api(token=TOKEN)

   data = {
   	'code':['600819.SH','000612.SZ','000998.SZ','002009.SZ','300159.SZ','300048.SZ','600150.SH','002041.SZ','601669.SH','002368.SZ'],
   	'name':['耀皮玻璃','焦作万方','隆平高科','天奇股份','新研股份','合康新能','中国船舶','登海种业','中国电建','太极股份']
   }
   frame = pd.DataFrame(data)
   stock=frame['code']
   
   2) 下述代码就是从tushare网站拉取数据，执行的结果就是生成了股票的每日行情文件，如图所示。
   def fetch_daily_data(stock,start,end):
      data = pro.daily(ts_code=stock,start_date=start,end_date=end)
      data['trade_date'] = pd.to_datetime(data['trade_date'])
      data=data.sort_values(by = 'trade_date')
      data.index = data['trade_date']
      data = data[
          ['ts_code', 'open', 'high', 'low', 'close', 'pre_close', 'change', 'pct_chg', 'vol', 'amount']]
      return data

   for i in range(len(stock)):
      data=fetch_daily_data(stock.iloc[i],'20200813', '20210813')#字段分别为股票代码、开始日期、结束日期
      data.to_csv(stock.iloc[i]+'.csv')

   ![数据文件](https://dengbao-file.oss-cn-beijing.aliyuncs.com/backtrader/3.PNG "数据文件")
   
   3) 收集输入，执行策略，回测。
    //Cerebro类是backtrader的引擎,有以下几方面功能
	//创建cerebro
	cerebro = bt.Cerebro()
	//循环获取10支股票历史数据
	for i in range(len(stock)):
	    //添加交易数据
		data = bt.feeds.GenericCSVData(
				dataname=stock.iloc[i]+'.csv',
				fromdate=dt.datetime(2020, 8, 13),
				todate=dt.datetime(2021, 8, 13),
				dtformat='%Y-%m-%d',
				datetime=0,#定义trade_date在第0列
				open=2,
				high=3,
				low=4,
				close=5,
				volume=9,
				nullvalue=0.0,#设置空值
			)
		cerebro.adddata(data)
	//回测设置
	startcash=100000.0
	cerebro.broker.setcash(startcash)
	//设置佣金为万分之二
	cerebro.broker.setcommission(commission=0.0002)
	//添加策略
	cerebro.addstrategy(SimpleStrategy,printlog=True) 
	cerebro.run() 
	//获取回测结束后的总资金
	portvalue = cerebro.broker.getvalue()
	pnl = portvalue - startcash
	//打印结果
	print(f'总资金: {round(portvalue,2)}')
	print(f'净收益: {round(pnl,2)}')

4.  还有一个文件SimpleStrategy.py就是动量+趋势跟踪的策略，策略思路为：计算24只股票过去30日的收益率并进行排序，选择前10只股票加入选股池（动量），逐日滚动计算和判断：如果选股池中某只个股满足股价位于20均线以上且没有持仓时买入（以20日均线为生命线跟踪趋势）；如果某只个股已持仓但判断不在选股池中或股价位于20均线以下则卖出。每次交易根据十只个股平均持仓。
这个是从网上找的一个现成策略，我随便找了10只股票，并不完全满足策略要求，主要为了测试backtrader是否为我所用了，具体的策略问题等以后慢慢研究。

到这一步，一个backtrader的环境就搭建好了，backtrader还支持绘图, 以后的学习中再仔细研究一下。