backtrader自带了很多的analyzer,可以满足很多的策略分析的需要。在以前的教程中,详细介绍了如何使用analyzer以及如何创建新的analyzer以满足各种不同的需要。
14、backtrader的一些基本概念-如何使用analyzer和创建新的analyzer(1)
15、backtrader的一些基本概念-如何使用analyzer和创建新的analyzer(2)
16、backtrader的一些基本概念-如何使用analyzer和创建新的analyzer(3)—及backtrader交流群
17、backtrader的一些基本概念—如何使用analyzer及创建新的analyzer(4)—策略绩效评价模块pyfolio的使用
注:backtrader的QQ群很早就开通了,只有一少部分能答对题目,成功加入。我的CSDN博客主页有二维码,可以加我微信,拉您进backtrader量化交流微信群。
今天有读者咨询,如果策略运行在颗粒度比较低的分钟级别上,如果取得策略的以天为单位的收益率序列?
from __future__ import (absolute_import, division, print_function, unicode_literals)from collections import OrderedDictfrom backtrader import Analyzerimport numpy as np import pandas as pd class TotalValue(Analyzer): '''This analyzer will get total value from every next. Params: Methods: - get_analysis Returns a dictionary with returns as values and the datetime points for each return as keys ''' params = ( ) def start(self): super(TotalValue, self).start() self.rets = OrderedDict() def next(self): # Calculate the return super(TotalValue, self).next() self.rets[self.datas[0].datetime.datetime()] = self.strategy.broker.getvalue() def get_analysis(self): return self.rets class DayReturn(Analyzer): '''用于获取每个交易日的收益率,使用的是自然日的时间来划分交易日 ''' params = ( ) def start(self): super(DayReturn, self).start() self.rets = OrderedDict() self.day_ret_df = None def next(self): # Calculate the return super(DayReturn, self).next() self.rets[self.datas[0].datetime.datetime()] = self.strategy.broker.getvalue() def stop(self): # 根据获取的每个bar的value,基于pandas计算每个交易日的收益率 df = pd.DataFrame([self.rets]).T df.columns =["value"] df['datetime']=df.index # print(self.rets) df['date']=[i.date() for i in df['datetime']] new_df = df.drop_duplicates("date",keep="last") # 保留原来数据的第一行和后面每个自然日的最后一个数据 df = df.iloc[:1,::].append(new_df) df['ret']=np.log(df['value'])- np.log(df['value'].shift(1)) df.index = df['date'] self.day_ret_df = df[['value',"ret"]].dropna() def get_analysis(self): return self.day_ret_df
使用方法:
cerebro.addanalyzer(bt.analyzers.DayReturn, _name='my_DayReturn') # 运行回测 results = cerebro.run() day_ret_df = results[0].analyzers.my_DayReturn.get_analysis() print(day_ret_df.head(20)) # 返回数据如下: value ret date 2013-11-08 50000.000000 0.000000 2013-11-11 50000.000000 0.000000 2013-11-12 50000.000000 0.000000 2013-11-13 50000.000000 0.000000 2013-11-14 50000.000000 0.000000 2013-11-15 50000.000000 0.000000 2013-11-18 50000.000000 0.000000 2013-11-19 50000.000000 0.000000
智慧、心灵、财富,总要有一个在路上,愿我们能在人生的道路上,不断成长、不断成熟~~~
感兴趣可以关注我的专栏:
my_quant_study_note:分享一些关于量化投资、量化交易相关的思考
backtrader量化投资回测与交易:本专栏免费,分享backtrader相关的内容。
量化投资神器-backtrader源码解析-从入门到精通:本专栏目前收费299元,预计更新100篇策略(更新中)+36篇backtrader讲解(已完成)+backtrader源码分析。
系统当前共有 427 篇文章