Python量化：Backtrader框架实现你的任何投资idea

投资最重要的三件事

我们都知道，做任何的投资不外乎三个方面：选标、择时、套利，什么意思呢？

选标：就是选择你要投资的标的，你需要投资的资产，比如房地产、金融资产、商品等不同类大类资产，当然YU股思基今天要说的量化框架是投资金融标的资产。

择时：当你选择好自己的投资资产后，接下来你就要选择合适的入场时机了，不是任何时候入场你都可以胜利的，好的入场时机是非常关键，决定你的投资成败的关键，任何一种投资必须经历此环节。那么对于股票和基金投资，什么时候是好的入场时机呢，这个就千人千面了，有的选择基本面研究来选择入场时机，有的选择技术面研究来选择入场时机，有的两者结合起来看，总之无论何种方法，都是要进行研究验证的，切不可盲目入场，否则你可能死的很惨。

套利：就是通过你的选择标的和择时来获取收益，当然套利有很多种方法，比如做多的“低买高卖”，做空的“高卖低买”，还有很多的对冲套利，总之方法有很多种，一定要选择适合自己的方法，也是自己最明白的方法，因为你要相信投资永远赚的是你认知的钱。

那我们都知道了投资要经历以上三个过程：选标、择时、套利，那么依据历史数据来回溯我们这三个投资过程就至关重要了，只有很好的回溯历史，才能更好指导未来的投资，大大提升投资的胜率，才能够明白什么是好的投资策略，什么是失败的投资策略，长期形成自己的特有投资逻辑。

今天YU股思基就给大家介绍一个Python的量化框架：Backtrader，免费的Python开源量化框架，这个框架十分完善，基本上可以实现在投资里大部分的逻辑和回测。

Backtrader：A feature-rich Python framework for backtesting and trading

这是Backtrader的官网的介绍，你就可以知道他是干什么的了，用于回测和交易的Python框架。

下面就举一个简单的例子和大家介绍该怎么用这个Python量化框架

双均线策略

我们知道在股票投资中，常用的一个技术指标就是移动平均线MA，MA有不同的周期，比如常用的有5日、10日、20日、30日、60日、120日等，当然都是可以自由设置的，YU股思基常用的就是MA5/MA13/MA34，我称之为短线精灵鼠均线系统。

双均线策略基本逻辑是：

根据长期均线和短期均线的交叉情况来确定交易信号，即：当短期均线从下往上穿越长期均线时，形成金叉，做多；反之，当长期均线从上往下穿越短期均线时，形成死叉，做空或平仓。本次使用双均线策略如下：

均线：以 5 日均线为短期均线、以 10 日均线为长期均线；

买入开仓：当前无持仓，当日 5 日均线上穿 10 日均线，金叉，第二天以市价单买入，开仓；

卖出平仓：当前持有多单，当日 5 日均线下穿 10 日均线，死叉，第二天以市价单卖出，平仓。

双均线策略的Backtrader实现

1.导入相关的Python库和金融大数据接口库（本次使用的是Tushare）

from __future__ import (absolute_import,division,print_function,unicode_literals)
import datetimeimport os.pathimport sys
import pandas as pdimport tushare as ts #tushare作为data feed 数据源import backtrader as bt
#tushare接口授权token = '你的接口token'pro = ts.pro_api(token=token)ts.set_token(token=token) #使用复权行情必须设置接口token

2.定义一个获取标的资产的历史行情数据方法

方法定义为带参数的：参数是标的代码，以及行情历史数据区间的开始时间和结束时间。

'''获取标的历史数据，并将标的数据生成backtrader指定格式的数据，为了是把数据传给backtrader,框架'''
def get_stock_data(code,start_date,end_date):    df = pro.daily(ts_code=code, start_date=start_date, end_date=end_date)    df = df.iloc[::-1,:]    df.reset_index(inplace=True,drop=True)    df = df[['trade_date','open','high','low','close','vol']]    df.columns = ['date','open','high','low','close','volume']    df['openinterest'] = [0] * len(df)    df = df.set_index('date')    df.index = pd.to_datetime(df.index)    print(df)    return df

3.定义实现双均线策略逻辑的类和方法

# 创建策略类：双均线策略class TwoSmaStrategy(bt.Strategy): params = (('short', 5), ('long', 10)) # 可调整的参数
def __init__(self): self.order = None # 初始化订单 self.sma_s = bt.indicators.MovingAverageSimple(self.datas[0].lines.close, period=self.params.short) # 短期均线指标 self.sma_l = bt.indicators.MovingAverageSimple(self.datas[0].lines.close, period=self.params.long) # 长期均线指标
# 策略方法 def next(self): # 检查是否已经买入 if not self.position: # 如果没有买入，并且短期均线 > 长期均线，说明涨势，买入 if self.sma_s[0] > self.sma_l[0]: self.order = self.buy() else: # 已经买了，并且短期均线 < 长期均线，说明跌势，卖出 if self.sma_s[0] < self.sma_l[0]: self.order = self.sell()

4.策略实现回测的业务主逻辑实现（本次使用的标的资产是贵州茅台，仅仅是作为举例使用，不作为任何投资依据）

if __name__ == '__main__':
    cerebro = bt.Cerebro() #初始化
    cerebro.addstrategy(TwoSmaStrategy)
    data = get_stock_data(code='600519.SH',start_date='20201208',end_date='20221216')    datafeed = bt.feeds.PandasData(dataname = data) #必须将df数据转换为btfeed格式    cerebro.adddata(datafeed)
    cerebro.broker.setcash(10000000.0) #设置策略初始资金，默认是10000
    print('组合初始资产价值：%.2f' % cerebro.broker.getvalue())
    cerebro.run()
    print('组合最终资产价值：%.2f' % cerebro.broker.getvalue())
    cerebro.plot(style='bar')

（想要获取完整代码的朋友，关注YU股思基私信获取）

Backtrader框架的策略实现结果如下：

从策略结果可以清楚看出，买点在哪，卖点在哪，以及策略回测的效果如何，回测结果统计区间是：20201208-20221216。

通过以上实现，大家可以看出，只要有想法，Backtrader的Python量化框架就能告诉你历史表现怎么样，策略是否具有价值一清二楚。历史不会重演，但历史一定会惊人的相似。