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。