Backtrader量化&回测5——交易情况跟踪&生成策略每日交易报告

这一部分的API可以参考官网：https://www.backtrader.com/docu/strategy/

Backtrader的策略中有四个常用的函数：

• notify_order(order)：订单状态变化时会触发这个函数
• notify_trade(trade)：交易状态变化时会触发这个函数
• notify_cashvalue(cash, value)：每过一个next()都会触发
• notify_fund(cash, value, fundvalue, shares)：每过一个next()都会触发

其中：notify_order(order)与notify_trade(trade)是需要触发订单和交易触发才可以执行，可以跟踪订单和交易情况

剩余的函数执行顺序是：next()->notify_cashvalue(cash, value)->notify_fund(cash, value, fundvalue, shares)，可以做每日报告

示例代码

from datetime import datetime
import backtrader
from loguru import logger
import matplotlib.pyplot as plt
from utils import get_k_data


class MyStrategy1(backtrader.Strategy):  # 策略
    def __init__(self):
        # 初始化交易指令、买卖价格和手续费
        self.close_price = self.datas[0].close  # 这里加一个数据引用，方便后续操作
        self.sma = backtrader.indicators.SimpleMovingAverage(self.datas[0], period=5)  # 借用这个策略，计算5日的均线

    def notify_order(self, order):  # 当订单状态变化时触发
        # 通知订单状态
        if order.status in [order.Submitted, order.Accepted]:  # 接受订单交易，正常情况
            return
        if order.status in [order.Completed]:
            if order.isbuy():
                logger.debug('已买入, 购入金额 {:.2f}, 费用 {:.2f} ,手续费{:.2f}'.format(
                    order.executed.price, order.executed.value, order.executed.comm))
            elif order.issell():
                logger.debug('已卖出, 卖出金额 {:.2f}, 费用 {:.2f} ,手续费{:.2f}'.format(
                    order.executed.price, order.executed.value, order.executed.comm))
        elif order.status in [order.Canceled, order.Margin, order.Rejected]:
            logger.debug('订单取消、保证金不足、金额不足拒绝交易')

    def notify_trade(self, trade):
        if not trade.isclosed:
            return
        logger.debug('交易利润, 毛利润 {:.2}, 净利润 {:.2}'.format(trade.pnl, trade.pnlcomm))

    def notify_cashvalue(self, cash, value):
        # 现金，总价值
        logger.info("notify_cashvalue报告 —— 今天是：{}，当前现金：{}，总价值：{}", self.datetime.date(), cash, value)

    def notify_fund(self, cash, value, fundvalue, shares):
        # 当前现金、现有总价值、基金价值和股份份额
        logger.info("notify_fund报告 —— 今天是：{}，现金：{}，总价值：{}", self.datetime.date(), cash, value)

    def next(self):  # 固定的函数，框架执行过程中会不断循环next()，过一个K线，执行一次next()
        # 此时调用 self.datas[0]即可查看当天的数据
        # 执行买入条件判断：当天收盘价格突破5日均线
        if self.close_price[0] > self.sma[0]:
            # 执行买入
            logger.debug("buy 500 in {}, 预期购入金额 {}, 剩余可用资金 {}", self.datetime.date(), self.data.close[0],
                         self.broker.getcash())
            self.buy(size=500, price=self.data.close[0])
        # 执行卖出条件已有持仓，且收盘价格跌破5日均线
        if self.position:
            if self.close_price[0] < self.sma[0]:
                # 执行卖出
                logger.debug("sell in {}, 预期卖出金额 {}, 剩余可用资金 {}", self.datetime.date(), self.data.close[0],
                             self.broker.getcash())
                self.sell(size=500, price=self.data.close[0])


if __name__ == '__main__':
    # 获取数据
    start_time = datetime(2015, 1, 1)
    end_time = datetime(2021, 1, 1)
    dataframe = get_k_data('600519', begin=start_time, end=end_time)
    # =============== 为系统注入数据 =================
    # 加载数据
    data = backtrader.feeds.PandasData(dataname=dataframe, fromdate=start_time, todate=end_time)
    # 初始化cerebro回测系统
    cerebral_system = backtrader.Cerebro()  # Cerebro引擎在后台创建了broker(经纪人)实例，系统默认每个broker的初始资金量为10000
    # 将数据传入回测系统
    cerebral_system.adddata(data)  # 导入数据，在策略中使用 self.datas 来获取数据源
    # 将交易策略加载到回测系统中
    cerebral_system.addstrategy(MyStrategy1)
    # =============== 系统设置 ==================
    # 设置启动资金为 100000
    start_cash = 1000000
    cerebral_system.broker.setcash(start_cash)
    # 设置手续费 万2.5
    cerebral_system.broker.setcommission(commission=0.00025)
    logger.debug('初始资金: {} 回测期间：from {} to {}'.format(start_cash, start_time, end_time))
    # 运行回测系统
    cerebral_system.run()
    # 获取回测结束后的总资金
    portvalue = cerebral_system.broker.getvalue()
    pnl = portvalue - start_cash
    # 打印结果
    logger.debug('净收益: {}', pnl)
    logger.debug("总资金: {}", portvalue)
    cerebral_system.plot(style='candlestick')
    plt.show()

其中utils中的get_k_data函数如下：

import efinance
import pandas as pd
from datetime import datetime


def get_k_data(stock_code, begin: datetime, end: datetime) -> pd.DataFrame:
    """
    根据efinance工具包获取股票数据
    :param stock_code:股票代码
    :param begin: 开始日期
    :param end: 结束日期
    :return:
    """
    # stock_code = '600519'  # 股票代码，茅台
    k_dataframe: pd.DataFrame = efinance.stock.get_quote_history(
        stock_code, beg=begin.strftime("%Y%m%d"), end=end.strftime("%Y%m%d"))
    k_dataframe = k_dataframe.iloc[:, :9]
    k_dataframe.columns = ['name', 'code', 'date', 'open', 'close', 'high', 'low', 'volume', 'turnover']
    k_dataframe.index = pd.to_datetime(k_dataframe.date)
    k_dataframe.drop(['name', 'code', "date"], axis=1, inplace=True)
    return k_dataframe