策略#

Cerebro 实例是 backtrader 的泵心和控制脑。对于平台用户来说， Strategy 也是。

策略 的生命周期表达在方法中

  1. Conception: __init__

    这在实例化时显然会被调用：在此处创建 indicators 和其他所需属性。示例:

    def __init__(self):
    self.sma = btind.SimpleMovingAverage(period=15)

    注意

    一个策略在 出生 时可能会被抛出来自 backtrader.errors 模块的 StrategySkipError 异常中断。

    这将避免在回测期间执行该策略。参见 Exceptions 部分。

  2. 出生: start 世界（ cerebro ）告诉策略是时候开始行动了。存在一个默认的空方法。

  3. 童年： prenext

    在概念阶段声明的 indicators 会对策略需要成熟的时间有一定的限制：这称为 minimum period 。在上面的 __init__ 中创建了一个 SimpleMovingAverage ，其 period=15 。

    只要系统看到的数据不到 15 个，就会调用 prenext （默认方法为空操作）。

  4. 成年期： next

    一旦系统看到了 15 个数据，且 SimpleMovingAverage 的缓冲区足够大，能够开始输出值，策略就已经足够成熟来执行了。

    还有一个 nextstart 方法，会被调用一次，来标志着从 prenext 转向 next 的转变。 nextstart 的默认实现是简单地调用 next 。

  5. 繁殖： None

    好吧，策略实际上并不会繁殖。但在某种程度上它们会，因为系统会根据不同的参数多次实例化它们以进行*优化*。

  6. 死亡： stop 系统告诉策略，是时候进行重置和整理了。已经存在一个默认的空方法。

在大多数情况下，正常使用模式如下所示：

class MyStrategy(bt.Strategy):

def __init__(self):

self.sma = btind.SimpleMovingAverage(period=15)

def next(self):
if self.sma > self.data.close:

# 做某事 pass

elif self.sma < self.data.close:

# 做其他事情 pass

在这个代码段中：

  • 在 __init__ 中，一个属性被赋予了一个指标

  • 默认空的 start 方法没有被覆盖

  • prenext 和 nexstart 没有被覆盖

  • 在 next 中，将指标的值与收盘价进行比较以执行某些操作

  • 默认的空 stop 方法没有被覆盖

策略就像现实世界中的交易者一样，会在事件发生时收到通知。实际上，在回测过程中每次 next 周期都会通知策略。策略会：

  • 通过 notify_order(order) 来接收订单状态的任何变化- 通过 notify_trade(trade) 通知任何开立/更新/关闭的交易

  • 通过 notify_cashvalue(cash, value) 通知经纪人当前的现金和投资组合

  • 通过 notify_fund(cash, value, fundvalue, shares) 通知经纪人当前的现金和投资组合，以及基金价值和份额的交易

  • 通过 notify_store(msg, *args, **kwargs) 通知特定实现的事件

有关 store 通知的详细说明，请参阅 Cerebro。即使这些通知已经发送到了 cerebro 实例（通过重写 notify_store 方法或通过 callback ），它们也会被发送到策略上。

和交易员一样，*策略*也有机会在 next 方法中操作市场，以试图获利

  • 用 buy 方法开多头或减少/平仓空头仓位

  • 用 sell 方法开空头或减少/平仓多头仓位

  • 用 close 方法关闭现有仓位

  • 用 cancel 方法取消尚未执行的订单

购买/销售/关闭的方法#

Buy 和 Sell 方法会生成订单。当调用它们时，它们会返回一个 Order （或子类）实例，可以用作参考。此订单具有唯一的 ref 标识符，可用于比较。

注意

特定经纪人实现的 Order 子类可能携带经纪人提供的其他 唯一标识符 。创建订单时，请使用以下参数：

  • data （默认值： None ）

    指定要创建订单的数据。如果为 None ，则将使用系统中的第一个数据 self.datas[0] or self.data0 （也就是 self.data ）。

  • size （默认值： None ）

    指定要使用的数据单位的大小（必须为正数）。

    如果为 None ，则会使用通过 getsizer 方法检索到的 sizer 实例来确定大小。

  • price （默认值： None ）

    指定要使用的价格（如果价格不符合最低变动点要求，则活动经纪人可能会设置限制）。

    对于 Market 和 Close 订单， None 是有效的（市场确定价格）。

    对于 Limit ， Stop 和 StopLimit 订单，此值确定触发点（对于 Limit ，触发点显然是订单应该匹配的价格）。 - plimit （默认值： None ）

    仅适用于“StopLimit”订单。这是在 * Stop * 触发后（使用 price ）设置隐式 * Limit * 订单的价格

  • exectype （默认值： None ）

    可能的值：

    • Order.Market 或 None 。市价订单将以下一个可用价格执行。在回测中，它将是下一个柱状图的开盘价

    • Order.Limit 。只能以给定的 price 或更好的价格执行的订单

    • Order.Stop 。在 price 触发的订单，并像 Order.Market 订单一样执行

    • Order.StopLimit 。在 price 触发的订单，并作为由 pricelimit 给出的隐式 * Limit * 订单执行

  • valid （默认值： None ）

    可能的值：- None : 这将生成一个不会过期的订单（也被称为 Good til cancel ），并将一直在市场上等待匹配或取消。实际上，经纪人往往会设置一个时间上限，但通常这个时间距离现在还很遥远，所以可以视为不会过期

  • datetime.datetime 或 datetime.date 实例：将使用该日期生成一个有效期直到给定日期的订单（也被称为 good til date ）

  • Order.DAY 或 0 或 ` timedelta()`：将生成一个有效期直到 交易日结束 的订单（也被称为 day 订单）

  • numeric value ：默认假设为 matplotlib 编码中的一个日期时间值（ backtrader 使用的编码方式），将使用该值生成一个有效期直到该时间的订单（也被称为 good til date ）

  • tradeid （默认值：0）

    这是 backtrader 应用于跟踪同一资产上交叉交易的内部值。当订单状态发生变化时，这个 tradeid 将发送回*策略*

  • **kwargs ：其他经纪人实施可能支持额外的参数。 backtrader 将把 kwargs 传递给已创建的订单对象

    例如：如果 backtrader 直接支持的四种订单执行类型对于某些情况不足够，比如在 交互经纪商 的情况下，可以将以下内容作为 kwargs 传递：

    orderType=’LIT’, lmtPrice=10.0, auxPrice=9.8

    这将覆盖 backtrader 创建的设置，并生成一个带有 触发*价格为9.8和 限价 价格为10.0的 当达到指定价格时触发*订单。信息细节：

  • 策略具有一个*长度*，它始终等于主数据( datas[0] )的长度，当然可以使用 len(self) 获取

    如果数据正在重播或正在传递实时数据源，并且同一时间点（长度）的新刻度正在到达，可以在不改变*长度*的情况下调用“next”

成员属性：#

  • env ：此策略所属的cerebro实体

  • datas ：传递给cerebro的数据源数组

    • data/data0 是datas[0]的别名

    • dataX 是 datas[X] 的别名

    数据源 也可以通过名称访问（参见参考资料），如果已经分配了名称

  • dnames ：通过名称（使用 [name] 或 .name 表示法）到达数据源的另一种方法

    例如，如果按此方式对数据进行重新取样：

    … data0 = bt.feeds.YahooFinanceData(datname=’YHOO’, fromdate=…, name=’days’) cerebro.adddata(data0) cerebro.resampledata(data0, timeframe=bt.TimeFrame.Weeks, name=’weeks’) …后面在战略中可以像这样为每个指标创建指示器：

… smadays = bt.ind.SMA(self.dnames.days, period=30) # 或者 self.dnames[‘days’] smaweeks = bt.ind.SMA(self.dnames.weeks, period=10) # 或者 self.dnames[‘weeks’] …

  • broker ：与此策略相关联的经纪人的引用（从cerebro收到的）

  • stats ：像元组一样的列表/命名元组序列，保存cerebro为此策略创建的观察者

  • analyzers ：像元组一样的列表/命名元组序列，保存cerebro为此策略创建的分析器

  • position ：实际上是一个属性，用于获取“data0”的当前持仓。

    可以使用一些方法来检索所有的持仓（参见参考资料）

成员属性（用于统计/观察者/分析器）：#

  • _orderspending ：在调用 next 之前将通知策略的订单列表- _tradespending ：在调用 next 之前，策略将会通知的交易列表

  • _orders ：已经通知的订单列表。一个订单在该列表中可以多次出现，具有不同的状态和不同的执行位。该列表用于保留历史记录。

  • _trades ：已经通知的交易列表。一个交易在该列表中可以多次出现，就像一个订单一样。

注意

请记住，对于相同的时间点（更新每日价格的tick）， prenext 、 nextstart 和 next 可能会被多次调用，当使用每日时间框架时。

参考：策略#