当前位置：首页 > article >正文

Backtrader-Broker05

article 2024/11/5 1:06:44

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Broker模块，其是Backtrader核心模块之一， Broker模拟经纪商交易系统相关功能。

在使用Backtrader时，结合量化策略编写过程通常会考虑：

Broker是什么？它在回测时有什么作用？
Broker经纪商模块，在资金管理、滑点管理等基础参数上，在回测中如何使用？
Broker在交易撮合上都支持哪些模式？
…

Broker 经纪商模块

Broker模拟经纪商交易系统相关功能，支持不同订单类型、对交易进行“验资验券”，并模拟交易所进行交易撮合。最常见的有初始资金、交易税费、滑点、期货保证金比率等。

Broker

在 Backtrader 中，从数据准备、策略编制、策略回测到绩效分析，整个回测流程各个模块相互协调，从交易流程大致如下：

step1：设置交易条件：初始资金、交易税费、滑点、成交量限制等；
step2：在 Strategy 策略逻辑中下达交易指令 buy、sell、close，或取消交易 cancel；
step3：Order 模块会解读交易订单，解读的信息将交由经纪商 Broker 模块处理；
step4：经纪商 Broker 会根据订单信息检查订单并确定是否接收订单；
step5：经纪商 Broker 接收订单后，会按订单要求撮合成交 trade，并进行成交结算；
step6：Order 模块返回经纪商 Broker 中的订单执行结果。

在backtrader中做策略回测，在策略运行前，Broker实现账户资金、份额等信息初始化；在回测过程中，接受订单Order发出的信息，并进行模拟撮合操作，同时实时更新账户资金、份额信息。

Broker 支持的订单类型

Order.Market 按下一个 Bar （即生成订单的那个交易日的下一个交易日）的开盘价来执行成交；
Order.Close 按下一个 Bar 的收盘价来执行成交
Order.Limit 限价单，需要指定成交价格，只有达到指定价格（limit Price）或有更好价格时才会执行，即以指定价或低于指点价买入，以指点价或更高指定价卖出；
Order.Stop 止损单，需要指定止损价格（Stop Price），一旦股价突破止损价格，将会以市价单的方式成交；
Order.StopLimit 止损限价单，需要指定止损价格（Stop price）和限价（Limit Price），一旦股价达到设置的止损价格，将以限价单的方式下单
Order.StopTrail 跟踪止损订单，是一种止损价格会自动调整的止损单，调整范围通过设置止损价格和市场价格之间的差价来确定
Order.StopTrailLimit 跟踪止损限价单，是一种止损价格会自动调整的止损限价单，订单中的限价 Limit Price 不会发生变动，止损价会发生变动，变动逻辑与上面介绍的跟踪止损订单一致；

Broker 如何管理参数

通过使用Broker实现初始资金、手续费、滑点等管理，通过2中方式实现：

方法1：通过创建backtrader.brokers.BackBroker()实例 ,将该实例赋值与cerebro.broker；

    # samples/cheat-on-open/cheat-on-open.py
    cerebro.broker = bt.brokers.BackBroker()
    # 各参数初始值为：
    # params = (
    # ('cash', 10000.0),       
    # ('checksubmit', True),   
    # ('eosbar', False),
    # ('filler', None),
    # # slippage options
    # ('slip_perc', 0.0),
    # ('slip_fixed', 0.0),
    # ('slip_open', False),
    # ('slip_match', True),
    # ('slip_limit', True),
    # ('slip_out', False),
    # ('coc', False),
    # ('coo', False),
    # ('int2pnl', True),
    # ('shortcash', True),
    # ('fundstartval', 100.0),
    # ('fundmode', False),)

方法2：通过broker中的“set_xxx"方法赋值或修改参数，可通过"get_xxx"方法查看设置参数的值；

    # samples/slippage/slippage.py
    cerebro.broker.set_slippage_fixed(args.slip_fixed,
                                      slip_open=args.slip_open,
                                      slip_match=not args.no_slip_match,
                                      slip_out=args.slip_out)

Broker 资金与持仓如何管理

在backtrader中，每次订单Order执行完后将更新持仓与金额。

如何了解，策略回测资金情况？

在策略执行前，可以通过set_cash（或setcash）对资金进行初始化；在策略执行过程中，可调用add_cash(cash)调整资金（cash 为正数表示增加资金；cash 为负数表示减少资金）。
在执行过程中通过get_cash()（或getcash）查看持有资金。

如何了解，策略回测持仓情况？

通过getposition(data) 查看当前标的持仓数据；

Broker ”滑点“ 提升成交率

在实盘和回测中，为提高在”预期“价格成交概率，通常会取个价格范围，比如：计划价格2.00元买入，实际买入价格：2.02元。

在backtrader中，提供了百分比滑点和固定滑点:

百分比滑点
假设perc=n%:
- 若计划买入价格为x，实际成交买入价格：x * (1 + n% )
- 若计划卖出价格为x，实际成家卖出价格：x * (1 - n%)
```
BackBroker.set_slippage_perc(perc, slip_open=True, slip_limit=True, slip_match=True, slip_out=False)
```
固定滑点
假设fixed=n：
- 若计划买入价格为x，实际成交买入价格：x + n
- 若计划卖出价格为x，实际成家卖出价格：x - n
```
BackBroker.set_slippage_fixed(fixed, slip_open=True, slip_limit=True, slip_match=True, slip_out=False)
```

在backtrader中，不同的订单类型中slippage是如何工作的呢？

Close 不支持该订单类型
Market 支持该订单类型
在Market订单类型（即以开票价成交）下，需设置slip_open = True。需要注意的是通过BackBroker() 实例化broker，其默认值为False，而通过方式2，即set_slippage_perc和set_slipage_fixed 其默认值为True。
Limit 需要根据参数设置情况而定
- 如果匹配价格是开盘价，则根据参数 slip_open 应用滑点。如果适用，价格永远不会低于要求的限价；
- 如果匹配价格不是限价，则滑点将应用于最高价/最低价。在这种情况下，slip_mlimit适用于决定在超过上限的情况下是否会进行匹配
Stop 支持该订单类型
执行逻辑同Market订单类型逻辑
StopLimit 需要根据参数设置情况而定
执行逻辑同Limit订单类型逻辑

Broker 中的 ”Cheating 交易“

Backtrader 默认是 “当日收盘后下单，次日以开盘价成交”，这种模式在回测过程中能有效避免使用未来数据。
Backtrader 还提供了一些 cheating 式的交易时机模式：Cheat-On-Open 和 Cheat-On-Close。

Cheat-On-Open 是“当日下单，当日以开盘价成交”模式
Cheat-On-Close 是“当日下单，当日以收盘价成交”模式

cerebro = bt.Cerebro(cheat_on_open=True)

Broker 中的成交量限制

通过 Backtrader 中的 fillers 模块来限制实际成交量，fillers 会告诉 Broker 在各个成交时间点应该成交多少量，一共有 3 种形式：

形式1：bt.broker.fillers.FixedSize(size)
形式2：bt.broker.fillers.FixedBarPerc(perc)
形式3：bt.broker.fillers.BarPointPerc(minmov=0.01，perc=100.0)

在 Broker 中使用Filler同样有两种方式：

方式一：通过broker中‘set_filler"进行设置

import backtrader as bt

cerebro = Cerebro()
cerebro.broker.set_filler(bt.broker.fillers.FixedSize())

方式二：通过创建backtrader.broker.BrokerBack(filler=filler)实例，赋值与broker

import backtrader as bt

cerebro = Cerebro()
filler = bt.broker.fillers.FixedSize()
newbroker = bt.broker.BrokerBack(filler=filler)
cerebro.broker = newbroker

import pandas as pd
import numpy as np

%matplotlib inline
import matplotlib.pyplot as plt
import matplotlib
plt.rcParams['figure.figsize'] = 15, 15

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'])