之前一直使用backtrader作为回测的平台,但是近来觉得,backtrader虽然在有些设计上很精妙,但是官方demo中都有很多细节性的错误,而且很多功能描述模糊,以至于,之前实现日内突破策略的时候,一直没能在代码上实现。前几天在论坛里听到真有人使用pyalgotrade,于是尝试了一下,发现似乎文档可读性高于backtrader的,网上查了一下,使用者虽然不能和zipline比,但是比backtrader还是要多的。反正技多不压身,而且这种平台往往是通的,所以果断研究一遍pyalgotrade。
pyalgotrade官网上的教程虽然很入门,没有接触过的人也能使用,但是一开始可能就会因为无法获取yahoo数据而退却,毕竟我们是在一个大型局域网内。
安装很简单,就是pip。
PyAlgoTrade主要包含六个部分:
策略:Strategies
回测数据:Feeds
交易经纪人:Brokers
时间序列数据:DataSeries
技术分析:Technicals
优化器:Optimizer
学习过之前backtrader的同学应该不难理解这些概念,没有学过也没有关系,我们先入个门,看最重要的两个,策略和回测数据。
Date Time,Open,Close,High,Low,Volume,openinterest2000-01-04 00:00:00,1368.693,1406.371,1407.518,1361.214,903402300.0,02000-01-05 00:00:00,1407.829,1409.682,1433.78,1398.323,1057998400.0,02000-01-06 00:00:00,1406.036,1463.942,1463.955,1400.253,1348051500.0,02000-01-07 00:00:00,1477.154,1516.604,1522.825,1477.154,3451569900.0,02000-01-10 00:00:00,1531.712,1545.112,1546.723,1506.404,3125353900.0,0fd.csv的数据是这样的。
不出意外的话,应该看到这样的结果:
我们看到,收盘价被打印了出来。
策略还不是我们关心的范畴,我们先来看一下pyalgotrade是怎么形成feed,也就是回测数据的。与一般的回测平台一样,pyalgotrade有自己的回测数据的数据结构,一般的交易数据存储成csv格式,然后由pyalgotrade自己转化为feed。这个demo中,我们使用的是GenericBarFeed,从名字上可以看出来,就是最普通的feed,我们看一下这个feed的定义:
class pyalgotrade.barfeed.csvfeed.GenericBarFeed(frequency, timezone=None, maxLen=None)
这个类传入的参数有三个,频率、时区、最大长度。当我们的资产都是在同一个时区的时候,timezone可以设置为None,后面一个没有具体限制,也可以设置为None,所以我们demo中实例化feed的时候,是:
feed = GenericBarFeed(Frequency.DAY, None, None)
GenericBarFeed类只有一个方法,
addBarsFromCSV(instrument, path, timezone=None)
参数一目了然是什么意思。这里我们要注意的是csv中的内容的格式,大概要求有如下几点:
csv文件的第一列要求是列名,而且要求为
Date Time,Open,High,Low,Close,Volume,Adj Close
2013-01-01 13:59:00,13.51001,13.56,13.51,13.56,273.88014126,13.51001
这样的列名,其中,价格的顺序可以不同,但是名称,包括大小写必须一致。
Adj Close可以没有或者空白
4.technical与DataSeries
接下来,我们实现简单移动均线的计算,也就是SMA。pyalgotrade中的technical提供了计算SMA的函数。
具体代码如下:
同时,我们要知道,technical产生的技术指标值也是一个DataSeries,也就是说,技术指标还可以被技术指标处理一次。例如,可以直接求RSI的SMA:
联系客服