历史回测平台backtrader的快速上手

历史回测平台backtrader的快速上手

backtrader是目前全球范围内基于Python功能最完善的量化回测平台之一，有比较大的社区环境，所以很容易找到帮助。框架也很容易理解，对于一个回测需求，使用backtrader主要包含以下7个步骤。

• 创立一个Cerebro，Cerebro是西班牙语大脑的意思，这一步就相当于创立一个大脑，后续把数据和策略放进大脑以后我们就可以得到分析结果。
• 添加Data Feeds，这里是数据的输入，原始数据需要先做一些处理得到Cerebro能够读取的格式，Data Feeds可以添加pandas（PandasData）的DataFrame数据或者CSV（BackTraderCSVData）原始数据。
• 添加策略
• 添加其他内容，比如添加writer（addwriter），分析（addanalyzer）或者观察者（addobserver），这一步骤不是必须的。
• 修改Broker信息，比如佣金，杠杆率等，这一步骤也不是必须的
• 运行策略
• 作图画出结果，以便后续修改策略和其他内容再进一步回测。

以下通过AAPL的历史数据来记录backtrader的快速上手流程。

导入所需的各种Python包

from __future__ import (absolute_import, division, print_function,
                        unicode_literals)
import backtrader as bt
import pandas as pd
import datetime

创建一个Cerebro

cerebro = bt.Cerebro()

添加数据 data feed

这里的数据通过yfinance包从雅虎财经上获取，如何获取可以参考这里。以下通过pandas读取AAPL的历史数据。

aapl = pd.read_csv('AAPL_20211216.csv')
aapl.head()

	Date	Open	High	Low	Close	Volume
0	1980-12-12	0.100453	0.100890	0.100453	0.100453	469033600
1	1980-12-15	0.095649	0.095649	0.095213	0.095213	175884800
2	1980-12-16	0.088661	0.088661	0.088224	0.088224	105728000
3	1980-12-17	0.090408	0.090845	0.090408	0.090408	86441600
4	1980-12-18	0.093029	0.093466	0.093029	0.093029	73449600

pandas读取上来的数据需要做一些处理，比如时间格式和整个dataframe的index设置。这里采用2009年1月1日开始到现在的天级历史数据作为data feed输入。

aapl['datetime'] = pd.to_datetime(aapl['Date'])
aapl.set_index('datetime', inplace=True)

aapl_daily = bt.feeds.PandasData(dataname = aapl,
                                fromdate = datetime.datetime(2009,1,1),
                                todate = datetime.datetime(2021,12,15))

添加Data Feed到Cerebro。

cerebro.adddata(aapl_daily)

添加策略

这里添加backtrader自带的默认空策略，仅用于展示功能。

cerebro.addstrategy(bt.Strategy)

运行回测

cerebro.run()

画出结果图

cerebro.plot(width=30, heigth=20)