量化框架Backtrader简介 _生活知道

第一章 Backtrader简介
新事物的出现总是让人难以理解。当火车刚开始出现时，有些英国人嘲笑说这笨重的大铁块有什么用，随着火车的轰鸣的蒸汽喷往各处，却促进了经济的极大发展，嘲讽也如乌云散去。量化交易刚出现时，也是遭受不少人的怀疑，冰冷的计算机会作出决策，简直天方夜谭。
资本市场的魅力在于充满多样性，任何人可以探索不同的投资路径。十年前如果有人对你说：“让电脑来选出股票进行交易”，你会认为他脑壳被门挤了。西蒙斯以及很多前辈已经用硕果累累的战绩来证明其路径的可靠性。
一个人可能一时幸运，但幸运女神是多情的不会永远钟情于某一个人。也就是说，短期内瞩目的成绩并不代表其高超的技艺。说起股神巴菲特，令人啧啧称奇的是几十年的年化收益率达到了20.23%，但有一个猛人超级猛，其历史年化收益率为39%，这人是西蒙斯。未扣除基金管理费用的收益率更是达到惊人66.1% 。
西蒙斯作为先驱，一直在努力，不停的尝试。苦心人，天不负，终成正果。
如图是1988-2018收益：

文章插图
pnl 未扣除费用的收益年均66.1%pnlcomm 扣除费用后的收益率。年均39.1%
就是这么猛，猛的难以相信！很多在交易路上不得志的投资人，在西蒙斯事迹的鼓舞下，加入了量化团队中，前路豁然开朗，开辟了新的天地。
量化交易并不是天方夜谭，并不是偶然的概率。在世界各地，已经踊跃出不少的优秀的量化交易者。在中国，量化交易也得到广泛认可，不少量化交易者取得成功，成就自己的事业和美满家庭生活。
在过去，计算机技术还只是少部分人的技术；在过去，关于金融的编程技术更是门可罗雀。计算机性能的提高，金融编程的发展极大的降低了量化准入的门槛。
有种精神叫做奉献，有种奉献叫做开源。著名的量化框架Backtrader就是开源的。现在即使优秀的量化团队也在使用backtrader，正如其作者所说华尔街不少量化交易者使用量化开源框架Backtrader 。彼有之，吾亦有之；彼能成，吾为何不能成！
量化交易难在交易的理念，而不是实现的技术。
网上认识一位老哥，也是做量化交易，七八年的年均收益率为20% 。这很厉害，但是量化交易的工具竟然是excel 。可见工具并不是真正的难点，最宝贵的是交易模型。实现的技术有优良之分，但是策略才是重中之重。当然，使用excel来处理数据的工作量是远大于交易框架。没必要神话量化交易框架，就是能够极大的减轻工作量，可以花更多的时间和精力在交易逻辑上。
backtrader官方文档已经很详细，那么本文存在的意义又是什么：
毕竟是英语文档，中英文阅读存在一定的差异。文档是海纳百川，有的地方讲的太详细，侧重于细枝末节则易失主干。本文有的放矢，力求让读者彻底明白框架运行的结构。本文会增加一些交易思维的讲解，当然这个见仁见智。增加一些经典策略的代码实现。
本文尚在持续更新中。若有需求可私信，或者在csdn网上搜“南万寿”或者文章“量化交易Backtrader核心掌握” 。
1.1 Backtrader是什么
众所周知，实践是检验真理的唯一标准，回测是检验量化交易的重要手段。未来不可知难以验证准确，真金白银实战的踩坑填坑得不偿失，回测就是利用过去的数据提高交易的准确性。当然回测框架也可以用来实盘交易。
Backtrader回测框架是大浪淘中，众多框架中的优秀作品。Backtrader作者说，他不知道谁在使用，但是他知道华尔街很多量化交易者在使用。
Backtrader不仅得到了华尔街量化交易者的喜爱，在国内也有一众粉丝。很多的人量化交易学习也是从Backtrader开始
1.2 Backtrader特性
Backtrader 是基于python语言的量化工具，可以支持多种资产。
Backtrader优点众多，网上介绍很多。比如组件多，支持pandas矢量计算，内置百种技术指标。Backtrader最大的特点就是简单易用，灵活。
Backtrader在官方文档中提到

文章插图
该平台有两个主要目标。一是简单易用，二是请参考第一条。其格式类似于投资大师巴菲特投资名言：“第一保证本金安全，永远不要亏损；第二条请参考第一条”
得益于作者强大编程能力，backtrader框架使用简单，量化交易者可以集中精力放在交易逻辑的编写。使用backtrader就像搭积木一样，需要什么模块，拿来组装就可以。
backtrader也有一定的局限，因为python语言的本身，速度相对较慢，不太适合高频交易者。Backtrader适合投中低频率的交易者。
backtrader作者运用大量的元编程技术，如果运行出现问题，需要一定的python知识才能够解决问题。
1.3基本使用
1.3.1 backtrader安装
推荐使用python 包管理工具anaconda.推荐使用清华镜像源。
pip install backtrader
下载经常使用的数据分析的包
conda install numpyconda install pandaspip install matplotlib==3.2.2
由于backtrader不支持matplotlib新版本，所以安装matplotlib==3.2.2的版本
1.3.2 backtrader的基本运行
Backtrader平台的最重要的两个模块：策略Strategy和大脑Cerebro 。所以使用backtrader最主要的两个基本步骤：
*创建策略类*创建Cerebro大脑引擎
策略就是买卖的逻辑。比如高于20日均线买入，低于20均线卖出，这就是个策略。策略是最重要的，策略指导代码的编写，策略的成功才能保证盈利。
Cerebro可以理解成一个框架，里面可以装很多东西。比如数据、策略、绘图等等。Cerebro翻译就是大脑，协调组织各个模块，共同完成工作。
一个小案例
import pandas as pdimport backtrader as btfrom datetime import datetime#添加策略class TestStrategy(bt.Strategy): passif name ==”main”:# （1）大脑实体化 cerebro = bt.Cerebro()# （2）添加策略 cerebro.addstrategy(TestStrategy)##简单灵活# 初始化投资总金额 cerebro.broker.setcash(10000.00) print(f初始投资金额：{round(cerebro.broker.getvalue(),2)}) cerebro.run() print(f最后投资金额：{round(cerebro.broker.getvalue(),2)})
整个代码做了什么：
继承了bt.startegy编写了我们自己的策略，现在这个策略为空。实例化一个大脑Cerebro,来管理交易策略。cerebro.run()运行回测
这是最简单的案例，但却包含着backtrader的基本运用
这就是backtrader简单灵活之处，量化交易这编写代码可以更侧重于交易的逻辑，而不是内部复杂的执行。
后续的文章会详细讲述策略Strategy和Cerebro以及其他模块。
1.4backtrader组成部分
backtrader中包含很多模块。最重要的上面已说过是Cerebro和Strategy，还有其他模块。先简单说明模块的功能。
Data Feeds 数据。资产的数据信息，例如股票K线信息，基本面信息。数据需要经过处理，采取一定的标准格式。Strategy 策略就是买卖的逻辑。比如高于20日均线买入，低于20均线卖出，这就是个策略。策略是最重要的，策略指导代码的编写，策略的成功才能保证盈利。Cerebro Cerebro可以理解成一个框架，里面可以装很多东西。比如数据、策略、绘图等等。Cerebro翻译就是大脑，协调组织各个模块，共同完成工作。Indicators 指标，某种判断形态。既可以是技术形态也可以是基本面。比如20日移动平均线和每股收益。很多人容易把策略Strategy和指标indicators搞混。策略是买入卖出的整体逻辑，在策略中会使用指标的。比如收盘价高于20日移动平均线买入，这就是一个策略，在这个策略中包含了20日移动平均线指标Analyzers 分析，交易结束之后需要做评价，比如收益率，风险收益等等。Analyzers内置了大量的金融分析模块。Orders 订单。一般在策略使用的订单模块，进行买卖操作。Sizers 仓位。Broker 代理人。证券交易商提供的接口observers 观察者。观察回测中的状态Plotting 绘制。绘制图形
看上去很多模块，但用起来很简单，甚至有些模块用不到。一下是运行回测的简略图：

文章插图
【量化框架Backtrader简介】首先是交易逻辑的策略还有交易的数据，然后就交给backtrader框架运行回测就可以。