BackTrader -Indicators 03

本系列是使用Backtrader在量化领域的学习与实践，着重介绍Backtrader的使用。Backtrader 中几个核心组件：

• Cerebro：BackTrader的基石，所有的操作都是基于Cerebro的。
• Feed：将运行策略所需的基础数据加载到Cerebro中，一般为K线数据。
• Indicator：BackTader自带的指标，并集成了talib中的指标。我们也可以选择继承一个Indicator实现自己的指标。
• Strategy：交易策略。这里是整个过程中最复杂的部分，需要我们计算买入/卖出信号。
• Analyzer：分析器，以图形和风险收益等指标对交易策略的回测结果进行分析评价。
• Order：订单，记录了与当前订单相关的所有数据。
• Trader：交易，记录了与当前交易相关的所有数据。
• Position：持仓，记录了与当前持仓相关的所有数据。
• Broker：可以理解成经纪人，整个策略的初始资金、交易费率、滑点等参数需要通过Broker进行设置。
• Observer：观察者，对数据进行监控观察，比如资金曲线等等。
• Plotting：可视化组件

本次介绍Backtrader中Indicators模块，Indicators模块是Backtrader核心模块之一，其提供众多技术指标，并支持talib指标的调用。

在使用Backtrader时，结合量化策略编写过程通常会考虑：

1. 在Backtrader都有哪些指标？
2. 怎么使用内置指标？是否可以自定义指标？
3. 对于不同周期情况下如何处理？

…

Backtrader 大致有 2 种获取指标的方式：

• 1、直接通过 DataFeeds 模块导入 已经计算好 的指标，比如 导入新增指标 PE、PB；
• 2、在编写策略时调用 Indicators 指标模块 临时计算 指标，比如 5 日均线、布林带等 。

import backtrader as bt
import pandas as pd
import numpy as np
import datetime

daily_price = pd.read_csv("./data/daily_price.csv", parse_dates=['datetime'])

# 筛选 600466.SH 和 603228.SH 2只股票的数据集
data1 = daily_price.query(f"sec_code=='600466.SH'").set_index('datetime').drop(columns=['sec_code'])
data2 = daily_price.query(f"sec_code=='603228.SH'").set_index('datetime').drop(columns=['sec_code'])

Backtrader都有哪些指标

Indicators 指标模块提供了 140 多个技术分析指标计算函数，大部分指标与 TA-Lib 库里的指标是一致的。

参考官方网站对每个技术指标说明，包含：

• Alias 函数别名，一般技术技术指标含有全英文名称和简称，在bt中可以使用的访问该指标名称的方式。例如：ExponentialMovingAverage，它的别名有：EMA, MovingAverageExponential，那么它的访问方式有：

  • btind.EMA();
  • btind.MovingAverageExponential();
  • btind.ExponentialMovingAverage();

• Formula:技术指标算法说明，以EMA为例：

  • movav = prev * (1.0 - smoothfactor) + newdata * smoothfactor

• Lines:函数返回的指标对象中包含哪些 lines，例如 ExponentialMovingAverage 返回ema。通过xxx.lines.ema 或 xxx.ema

• Params:技术指标可以设置的参数。例如：ExponentialMovingAverage 中 period (30) 默认值为30天均值。

• PlotInfo：绘制指标时

  • plot = True，是否显示这个指标值，True的显示，False不显示 ；
  • subplot = True，是否把指标显示到另一个窗口，True显示到另一个窗口，False显示在主图；
  • plotname = “”， 显示 line 的名称，默认是 class.name；
  • plotabove = False， 指标绘制的位置，False 指标画在主图下方，True 指标画在主图上方；
  • plotlinelabels = False，False 显示的是指标函数的名称，True 显示指标线的名称；
  • plotymargin=0.0，画图的时候距离顶部和底部的距离；
  • plotyticks=[ ]， y 轴刻度范围，取值为空列表时会自动计算；
  • plothlines=[ ]，用于绘制水平线；
  • plotyhlines=[ ]，用同一个参数，控制 plotyticks 和 plothlines 的取值；
  • plotforce=False，如果该绘制的指标没有被绘制，就将 plotforce 设置为 True 进行 强制绘图。，支持设置的图形参数。

• PlotLines：绘制的曲线样式

如何在策略中使用指标

指标使用原则

在编制策略时，遵循“init() 负责指标计算，next() 负责指标调用”原则，即在__init__()中计算好指标，在next()中调用已经算好的指标。如此可以减少计算消耗，提升策略效率。

# 遵循“__init__() 负责指标计算，next() 负责指标调用”原则

import backtrader.indicators as btind

class TestStrategy(bt.Strategy):
    def __init__(self):
        sma1 = btind.SmoothedMovingAverage(self.data)
        ema1 = btind.ExponentialMovingAverage()
        
        close_over_sma = self.data.close > sma1
        close_over_ema = self.data.close > ema1
        sma_ema_diff = sma1 - ema1

        # 交易信号
        self.buy_signal= bt.And(close_over_sma,close_over_ema,sma_ema_diff>0)

    def next(self):
        if self.buy_signal:
            print('Buy 买入')

cerebro= bt.Cerebro()
st_date = datetime.datetime(2019,1,2)
ed_date = datetime.datetime(2021,1,28)
datafeed1 = bt.feeds.PandasData(dataname=data1,fromdate=st_date,todate=ed_date)
cerebro.adddata(datafeed1,name='600466.SH')
cerebro.addstrategy(TestStrategy)
result = cerebro.run()

指标调用形式

1. 调用 Indicators 模块的函数计算指标时，默认是对 self.datas 数据对象中的第一张表格中的第一条line （默认第一条line是 close line）计算相关指标。

2. 调用指标时会涉及 line 的索引和切片操作，在 next() 中调用当前时刻指标值时，可以写成：self.sma5[0] 或 self.sma5 或 self.data.close[0] 或 self.data.close。

class TestStrategy(bt.Strategy):
    def __init__(self):
        self.sma5 = btind.SimpleMovingAverage(period=5) # 5日均线
        self.sma10 = btind.SimpleMovingAverage(period=10) # 10日均线
        self.buy_sig = self.sma5 > self.sma10 # 5日均线上穿10日均线

    def next(self):
        # 提取当前时间点
        print('datetime', self.datas[0].datetime.date(0))
        # 打印当前值
        print('close', self.data.close[0], self.data.close)
        print('sma5', self.sma5[0], self.sma5)
        print('sma10', self.sma10[0], self.sma10)
        print('buy_sig', self.buy_sig[0], self.buy_sig)
        # 比较收盘价与均线的大小
        if self.data.close > self.sma5:
            print('------收盘价上穿5日均线------')
        if self.data.close[0] > self.sma10:
            print('------收盘价上穿10日均线------')
        if self.buy_sig:
            print('------ buy ------')
        
cerebro = bt.Cerebro()
st_date = datetime.datetime(2019,1,2)
end_date = datetime.datetime(2021,1,28)
datafeed1 = bt.feeds.PandasData(dataname=data1, fromdate=st_date, todate=end_date)
cerebro.adddata(datafeed1, name='600466.SH')
cerebro.addstrategy(TestStrategy)
rasult = cerebro.run()

自定义新指标

class DummyInd(bt.Indicator):
    lines = ('dummyline',)

    params = (('value', 5),)

    def next(self):
        self.lines.dummyline[0] = max(0.0, self.params.value)

    def once(self, start, end):
        dummy_array = self.lines.dummyline.array

        for i in xrange(start, end):
            dummy_array[i] = max(0.0, self.params.value)

不同周期中指标的使用

在不同周期的指标情况下，可以使用“ ( ) ”语法操作来对齐不同周期的数据，对齐的方向是“大周期向小周期对齐”，可以选择指标对象中的某条 line 进行对齐，也可以对整个指标对象进行对齐。在使用该语法时，要将 cerebro.run() 中的 runonce 设置为 False，才能实现对齐操作。

# self.data0 是日度行情、self.data1 是月度行情
self.month = btind.xxx(self.data1) # 计算返回的 self.month 指标也是月度的

# 选择指标对象中的第一条 line 进行对齐
self.sellsignal = self.data0.close < self.month.lines[0]()

# 对齐整个指标对象
self.month_ = self.month()
self.signal = self.data0.close < self.month_.lines[0]

cerebro.run(runonce=False)

调用 TA-Lib 库

在Backtrader中使用talib与其内置指标的方式类似。

在此，以20日的SMA指标为例：

import backtrader as bt

class MyStrategy(bt.Strategy):
    params = (('period', 20),)

    def __init__(self):
        # 计算 20 日均线
        self.sma1 = bt.indicators.SMA(self.data, period=self.p.period)
        self.sma2 = bt.talib.SMA(self.data, timeperiod=self.p.period)

ta-lib 指标文档会自动解析并添加到 backtrader 文档中。您也可以查看 ta-lib 源代码/文档。

print(bt.talib.SMA.__doc__)

print(bt.talib.SMA.__doc__)

SMA([input_arrays], [timeperiod=30])

Simple Moving Average (Overlap Studies)

Inputs:
    price: (any ndarray)
Parameters:
    timeperiod: 30
Outputs:
    real