Backtrader 文档学习- Observers - Benchmarking

2024-02-05 17:52
文章标签 文档 学习 benchmarking backtrader observers

本文主要是介绍Backtrader 文档学习- Observers - Benchmarking，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Backtrader 文档学习- Observers - Benchmarking

1.概述

backtrader包括两种不同类型的对象，可以帮助跟踪：

  • Observers 观察者
  • Analyzers 分析器

在分析器领域中，已有TimeReturn对象，用于跟踪整个组合价值（即包括现金）的回报率的演变。
显然作为观察者，在添加一些基准测试的同时，还可做一些工作，将观察者和分析器组合在一起，跟踪相同的对象指标。

Observers 和 Analyzers 之间的主要区别：

  • Observers 的lines特性，它记录每个值，更适合绘图和实时查询，当然会消耗更多的内存。
  • Analyzers 通过get_analysis方法返回一组结果，实现可能不会在运行结束之前提供任何结果，所以Analyzers记录最终结果，内存消耗小。

2.Analyzers - Benchmarking

标准的TimeReturn分析器已扩展为支持跟踪数据源。涉及的两个主要参数：

  • timeframe（默认值：None）
    如果为None，则将报告整个回测期间的完整回报
    传递TimeFrame.NoTimeFrame以考虑没有时间限制的整个数据集
  • data（默认值：None）
    跟踪参考资产而不是组合价值。

注意：
此数据必须已经使用addata、resampledata或replaydata将其添加到cerebro实例中

可以跟踪组合的年度回报率

import backtrader as btcerebro = bt.Cerebro()
#年度回报率
cerebro.addanalyzer(bt.analyzers.TimeReturn, timeframe=bt.TimeFrame.Years)...  # add datas, strategies ...results = cerebro.run()
strat0 = results[0]# If no name has been specified, the name is the class name lowercased
# 所有加载数据组合的分析结果
tret_analyzer = strat0.analyzers.getbyname('timereturn')
print(tret_analyzer.get_analysis())

如果跟踪单一数据的回报率：

import backtrader as btcerebro = bt.Cerebro()data = bt.feeds.OneOfTheFeeds(dataname='abcde', ...)
cerebro.adddata(data)
# 分析器指定数据
cerebro.addanalyzer(bt.analyzers.TimeReturn, timeframe=bt.TimeFrame.Years,data=data)...  # add strategies ...results = cerebro.run()
strat0 = results[0]# If no name has been specified, the name is the class name lowercased
# 分析指定数据的分析结果
tret_analyzer = strat0.analyzers.getbyname('timereturn')
print(tret_analyzer.get_analysis())在这里插入代码片

如果两者都要跟踪，最好是给分析器指定名称：

import backtrader as btcerebro = bt.Cerebro()data = bt.feeds.OneOfTheFeeds(dataname='abcde', ...)
cerebro.adddata(data)
#跟踪单一数据的分析器
cerebro.addanalyzer(bt.analyzers.TimeReturn, timeframe=bt.TimeFrame.Years,data=data, _name='datareturns')
#跟踪组合数据的分析器
cerebro.addanalyzer(bt.analyzers.TimeReturn, timeframe=bt.TimeFrame.Years)_name='timereturns')...  # add strategies ...results = cerebro.run()
strat0 = results[0]# If no name has been specified, the name is the class name lowercased
#跟踪组合数据的分析结果
tret_analyzer = strat0.analyzers.getbyname('timereturns')
print(tret_analyzer.get_analysis())
#跟踪单一数据的分析结果
tdata_analyzer = strat0.analyzers.getbyname('datareturns')
print(tdata_analyzer.get_analysis())

3.Observers - Benchmarking

可以参考前面分析器的基准，对比看区别。
由于后台机制允许在观察器内部使用分析器，增加了两个新的观察器:

  • TimeReturn
  • Benchmark

observers和analyzers，两者都使用 bt.analyzers.TimeReturn分析器来收集结果。

与上面的代码不同，完整的示例运行，展示它们的功能区别。

4.Observing TimeReturn

python ./observer-benchmark.py --plot --timereturn --timeframe notimeframe

在这里插入图片描述
注意选项：

  • timereturn 告诉样本只做这件事
  • timeframe notimeframe 告诉分析器考虑整个数据集，而不考虑时间范围。

最后绘制的值为-0.26。

  • 起始现金（从图表中可以明显看出）为50K货币单位，该策略最终为36970货币单位，因此价值下降了-26%。

与图示的回报率一致。

5.Observing Benchmarking

基准测试也将显示timereturn结果，所以让我们在基准测试处于活动状态时运行相同的操作:

python ./observer-benchmark.py --plot --timeframe notimeframe

没有timereturn参数
在这里插入图片描述

  • 策略优于资产:-0.26 vs -0.33
    值得庆祝，但至少清楚，这个策略没有资产那么糟糕。
    可惜上图的0.26 和 0.33 的图示重合了 ，不够清晰。

以年度为基础跟踪：

python ./observer-benchmark.py --plot --timeframe years

在这里插入图片描述

  • 策略最后值从-0.26到-0.27变化很小

  • 另一方面，资产显示的最终值为-0.35（与上面的-0.33相比）

价值如此接近的原因是，从2005年到2006年，策略和基准资产几乎都处于2005年初的起步水平。

切换到较低的时间框架，例如week，整个情况就会发生变化：

python ./observer-benchmark.py --plot --timeframe weeks

在这里插入图片描述
现在：

  • Benchmark观察者显示出紧张（波动）状态，因为现在跟踪组合和数据的每周回报率数字上下波动
  • 由于去年的最后一周没有交易活动，资产几乎没有变动，因此最后显示的值为0.00（最后一周之前的最后收盘价为25.54，样本数据收盘价为25.55，差异体现在第四个小数点上才能区分）

6.Observing Benchmarking - Another data

示例使用不同的数据进行基准测试。默认情况下，使用数据 benchdata1以Oracle公司为基准。考虑使用-time frame not time frame的整个数据集 。

python ./observer-benchmark.py --plot --timeframe notimeframe --benchdata1

在这里插入图片描述
现在就很清楚没有庆祝的理由：

  • 原yahoo数据，策略对于notimeframe没有改变，仍然为-26%（-0.26）
  • 但对oracle数据进行基准测试时，该数据在同一时期内增长了+23%（0.23）

既可以改变策略，也可以改变资产对象，才能更好地进行交易。
可以理解为：策略可能不适用于某个股票，股票可能也不适用于某个策略

7.Concluding

现在有两种使用相同的基础代码/计算来跟踪TimeReturn和Benchmark的方法 ：

  • Observers 观察者（TimeReturn和Benchmark）
  • Analyzer分析器（带有data参数的TimeReturn和TimeReturn）
    当然，基准测试并不能保证盈利，只是比较。

代码的Help

usage: ipykernel_launcher.py [-h] [--data0 DATA0] [--data1 DATA1][--benchdata1] [--fromdate FROMDATE][--todate TODATE] [--printout] [--cash CASH][--period PERIOD] [--stake STAKE] [--timereturn][--timeframe {None,days,weeks,months,years,notimeframe}][--plot [kwargs]]Benchmark/TimeReturn Observers Sampleoptional arguments:-h, --help            show this help message and exit--data0 DATA0         Data0 to be read in (default:./datas/yhoo-1996-2015.txt)--data1 DATA1         Data1 to be read in (default:./datas/orcl-1995-2014.txt)--benchdata1          Benchmark against data1 (default: False)--fromdate FROMDATE   Starting date in YYYY-MM-DD format (default:2005-01-01)--todate TODATE       Ending date in YYYY-MM-DD format (default: 2006-12-31)--printout            Print data lines (default: False)--cash CASH           Cash to start with (default: 50000)--period PERIOD       Period for the crossover moving average (default: 30)--stake STAKE         Stake to apply for the buy operations (default: 1000)--timereturn          Use TimeReturn observer instead of Benchmark (default:None)--timeframe {None,days,weeks,months,years,notimeframe}TimeFrame to apply to the Observer (default: None)--plot [kwargs], -p [kwargs]Plot the read data applying any kwargs passed Forexample: --plot style="candle" (to plot candles)(default: None)

8.代码

from __future__ import (absolute_import, division, print_function,unicode_literals)import argparse
import datetime
import randomimport backtrader as btclass St(bt.Strategy):params = (('period', 10),('printout', False),('stake', 1000),)def __init__(self):sma = bt.indicators.SMA(self.data, period=self.p.period)self.crossover = bt.indicators.CrossOver(self.data, sma)def start(self):if self.p.printout:txtfields = list()txtfields.append('Len')txtfields.append('Datetime')txtfields.append('Open')txtfields.append('High')txtfields.append('Low')txtfields.append('Close')txtfields.append('Volume')txtfields.append('OpenInterest')print(','.join(txtfields))def next(self):if self.p.printout:# Print only 1st data ... is just a check that things are runningtxtfields = list()txtfields.append('%04d' % len(self))txtfields.append(self.data.datetime.datetime(0).isoformat())txtfields.append('%.2f' % self.data0.open[0])txtfields.append('%.2f' % self.data0.high[0])txtfields.append('%.2f' % self.data0.low[0])txtfields.append('%.2f' % self.data0.close[0])txtfields.append('%.2f' % self.data0.volume[0])txtfields.append('%.2f' % self.data0.openinterest[0])print(','.join(txtfields))if self.position:if self.crossover < 0.0:if self.p.printout:print('CLOSE {} @%{}'.format(size,self.data.close[0]))self.close()else:if self.crossover > 0.0:self.buy(size=self.p.stake)if self.p.printout:print('BUY   {} @%{}'.format(self.p.stake,self.data.close[0]))TIMEFRAMES = {None: None,'days': bt.TimeFrame.Days,'weeks': bt.TimeFrame.Weeks,'months': bt.TimeFrame.Months,'years': bt.TimeFrame.Years,'notimeframe': bt.TimeFrame.NoTimeFrame,
}def runstrat(args=None):args = parse_args(args)cerebro = bt.Cerebro()cerebro.broker.set_cash(args.cash)dkwargs = dict()if args.fromdate:fromdate = datetime.datetime.strptime(args.fromdate, '%Y-%m-%d')dkwargs['fromdate'] = fromdateif args.todate:todate = datetime.datetime.strptime(args.todate, '%Y-%m-%d')dkwargs['todate'] = todatedata0 = bt.feeds.YahooFinanceCSVData(dataname=args.data0, **dkwargs)cerebro.adddata(data0, name='Data0')cerebro.addstrategy(St,period=args.period,stake=args.stake,printout=args.printout)if args.timereturn:cerebro.addobserver(bt.observers.TimeReturn,timeframe=TIMEFRAMES[args.timeframe])else:benchdata = data0if args.benchdata1:data1 = bt.feeds.YahooFinanceCSVData(dataname=args.data1, **dkwargs)cerebro.adddata(data1, name='Data1')benchdata = data1cerebro.addobserver(bt.observers.Benchmark,data=benchdata,timeframe=TIMEFRAMES[args.timeframe])cerebro.run()if args.plot:pkwargs = dict()if args.plot is not True:  # evals to True but is not Truepkwargs = eval('dict(' + args.plot + ')')  # args were passedcerebro.plot(**pkwargs)def parse_args(pargs=None):parser = argparse.ArgumentParser(formatter_class=argparse.ArgumentDefaultsHelpFormatter,description='Benchmark/TimeReturn Observers Sample')parser.add_argument('--data0', required=False,default='../../datas/yhoo-1996-2015.txt',help='Data0 to be read in')parser.add_argument('--data1', required=False,default='../../datas/orcl-1995-2014.txt',help='Data1 to be read in')parser.add_argument('--benchdata1', required=False, action='store_true',help=('Benchmark against data1'))parser.add_argument('--fromdate', required=False,default='2005-01-01',help='Starting date in YYYY-MM-DD format')parser.add_argument('--todate', required=False,default='2006-12-31',help='Ending date in YYYY-MM-DD format')parser.add_argument('--printout', required=False, action='store_true',help=('Print data lines'))parser.add_argument('--cash', required=False, action='store',type=float, default=50000,help=('Cash to start with'))parser.add_argument('--period', required=False, action='store',type=int, default=30,help=('Period for the crossover moving average'))parser.add_argument('--stake', required=False, action='store',type=int, default=1000,help=('Stake to apply for the buy operations'))parser.add_argument('--timereturn', required=False, action='store_true',default=None,help=('Use TimeReturn observer instead of Benchmark'))parser.add_argument('--timeframe', required=False, action='store',default=None, choices=TIMEFRAMES.keys(),help=('TimeFrame to apply to the Observer'))# Plot optionsparser.add_argument('--plot', '-p', nargs='?', required=False,metavar='kwargs', const=True,help=('Plot the read data applying any kwargs passed\n''\n''For example:\n''\n''  --plot style="candle" (to plot candles)\n'))if pargs:return parser.parse_args(pargs)return parser.parse_args()if __name__ == '__main__':runstrat()

这篇关于Backtrader 文档学习- Observers - Benchmarking的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/681712。

相关文章

C#实现一键批量合并PDF文档

C#实现一键批量合并PDF文档

《C#实现一键批量合并PDF文档》这篇文章主要为大家详细介绍了如何使用C#实现一键批量合并PDF文档功能,文中的示例代码简洁易懂,感兴趣的小伙伴可以跟随小编一起学习一下... 目录前言效果展示功能实现1、添加文件2、文件分组（书签）3、定义页码范围4、自定义显示5、定义页面尺寸6、PDF批量合并7、其他方法
阅读更多...
Java实现在Word文档中添加文本水印和图片水印的操作指南

Java实现在Word文档中添加文本水印和图片水印的操作指南

《Java实现在Word文档中添加文本水印和图片水印的操作指南》在当今数字时代,文档的自动化处理与安全防护变得尤为重要,无论是为了保护版权、推广品牌,还是为了在文档中加入特定的标识,为Word文档添加... 目录引言Spire.Doc for Java：高效Word文档处理的利器代码实战：使用Java为Wo
阅读更多...
使用Python实现Word文档的自动化对比方案

使用Python实现Word文档的自动化对比方案

《使用Python实现Word文档的自动化对比方案》我们经常需要比较两个Word文档的版本差异,无论是合同修订、论文修改还是代码文档更新,人工比对不仅效率低下,还容易遗漏关键改动,下面通过一个实际案例... 目录引言一、使用python-docx库解析文档结构二、使用difflib进行差异比对三、高级对比方
阅读更多...
Python自动化处理PDF文档的操作完整指南

Python自动化处理PDF文档的操作完整指南

《Python自动化处理PDF文档的操作完整指南》在办公自动化中,PDF文档处理是一项常见需求,本文将介绍如何使用Python实现PDF文档的自动化处理,感兴趣的小伙伴可以跟随小编一起学习一下... 目录使用pymupdf读写PDF文件基本概念安装pymupdf提取文本内容提取图像添加水印使用pdfplum
阅读更多...
Python从Word文档中提取图片并生成PPT的操作代码

Python从Word文档中提取图片并生成PPT的操作代码

《Python从Word文档中提取图片并生成PPT的操作代码》在日常办公场景中,我们经常需要从Word文档中提取图片,并将这些图片整理到PowerPoint幻灯片中,手动完成这一任务既耗时又容易出错,... 目录引言背景与需求解决方案概述代码解析代码核心逻辑说明总结引言在日常办公场景中，我们经常需要从 W
阅读更多...
Unity新手入门学习殿堂级知识详细讲解（图文）

Unity新手入门学习殿堂级知识详细讲解（图文）

《Unity新手入门学习殿堂级知识详细讲解（图文）》Unity是一款跨平台游戏引擎,支持2D/3D及VR/AR开发,核心功能模块包括图形、音频、物理等,通过可视化编辑器与脚本扩展实现开发,项目结构含A... 目录入门概述什么是 UnityUnity引擎基础认知编辑器核心操作Unity 编辑器项目模式分类工程
阅读更多...
C#高效实现Word文档内容查找与替换的6种方法

C#高效实现Word文档内容查找与替换的6种方法

《C#高效实现Word文档内容查找与替换的6种方法》在日常文档处理工作中,尤其是面对大型Word文档时,手动查找、替换文本往往既耗时又容易出错,本文整理了C#查找与替换Word内容的6种方法,大家可以... 目录环境准备方法一：查找文本并替换为新文本方法二：使用正则表达式查找并替换文本方法三：将文本替换为图
阅读更多...
Python批量替换多个Word文档的多个关键字的方法

Python批量替换多个Word文档的多个关键字的方法

《Python批量替换多个Word文档的多个关键字的方法》有时,我们手头上有多个Excel或者Word文件,但是领导突然要求对某几个术语进行批量的修改,你是不是有要崩溃的感觉,所以本文给大家介绍了Py... 目录工具准备先梳理一下思路神奇代码来啦！代码详解激动人心的测试结语嘿，各位小伙伴们，大家好！有没有想
阅读更多...
Python学习笔记之getattr和hasattr用法示例详解

Python学习笔记之getattr和hasattr用法示例详解

《Python学习笔记之getattr和hasattr用法示例详解》在Python中,hasattr()、getattr()和setattr()是一组内置函数,用于对对象的属性进行操作和查询,这篇文章... 目录1.getattr用法详解1.1 基本作用1.2 示例1.3 原理2.hasattr用法详解2.
阅读更多...
Python调用LibreOffice处理自动化文档的完整指南

Python调用LibreOffice处理自动化文档的完整指南

《Python调用LibreOffice处理自动化文档的完整指南》在数字化转型的浪潮中,文档处理自动化已成为提升效率的关键,LibreOffice作为开源办公软件的佼佼者,其命令行功能结合Python... 目录引言一、环境搭建：三步构建自动化基石1. 安装LibreOffice与python2. 验证安装
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2