基于Python的量化交易回测框架Backtrader初识记录（一）

news2024/11/15 10:46:28

前言：近期以来，对股市数据获取及预处理算是告一段落，下一步就需要利用这些实盘数据进行数据分析并制定策略。本文目的旨在记录在操作Backtrader（正文内容中简称BT）的过程中的思路以及面临新问题的解决方法，并非指导教程，入门教程见第一章《Quick Start》。

在选择Backtrade之前，有查找过目前市场上主流的一些量化交易平台及框架，量化平台比如：米筐、聚宽以及同花顺旗下的SuperMind等，框架比较有名的有：vnpy以及AKfamily中的PyBroker（AKShare就是出自他们家），而首选Backtrader的原因有这几点：

①在本地建立了数据库的情况下能离线运行；

②有详尽的文档说明；

③代码开源且覆盖py2和py3（py2不支持图像展示）；

④集成ta-lib金融市场技术分析库；

⑤框架简便清晰，能为日后使用AI进行量化策略研究降低入门门槛；

当然Backtrader也不是没有缺点，比如适用于中低频，高频量化就不太行；而且看到有别的使用者说，数据量过大或者订单数过多会导致回测时间太长，对内存需求太大；还有目前官方GitHub已经一年多未更新了，不知道后续是否能持续维护。

一、Quick Start

二、Backtrader中的数据格式探讨

2.1 BT数据源

2.2 BT中两种数据结构对比

2.2.1 Yahoo数据形式

2.2.2 Pandas数据形式

三、实例“000001.SZ 平安银行”的简单量化策略回测

一、Quick Start

对于快速上手，可参考：从零开始掌握BackTrader量化框架，这一专栏中的五篇文章能迅速帮助建立框架认知，并进行简单的策略操作，同时能展示出股票走势、买卖点指示以及收益情况。

二、Backtrader中的数据形式探讨

目前网络上大多数给出的BT输入的用于回测的数据都是Yahoo的CSV文件（在线或下载下来的csv文件），显然这种方式只适用于针对策略研究，而不适用于选股以及量化操作，毕竟一个一个单独的csv文件加载起来可不是一件高效的事情，更何况Yahoo自2021年11月1日起已经不再给中国大陆提供产品与服务了。

2.1 BT数据源

从官方手册可见，支持多种数据源输入（如图2.1所示），然而并没有找到我想使用的方式，但是看到支持Pandas，那就可以从数据库读取数据了。

2.2 BT中两种数据形式对比

2.2.1 Yahoo数据形式

在Yahoo还能使用的时候，通常可以直接从Yahoo网站上拉取数据，参考：股票OHLC历史数据爬取——Yahoo，查看源码可发现，在yahoo.py文件中的YahooFinanceCSVData类，需要的数据如下：

# path:./backtrader/feeds/yahoo.py
self.lines.datetime[0] = dtnum
self.lines.openinterest[0] = 0.0
self.lines.open[0] = o
self.lines.high[0] = h
self.lines.low[0] = l
self.lines.close[0] = c
self.lines.volume[0] = v
self.lines.adjclose[0] = adjustedclose

其中主要参数读取顺序（自上而下）如下图2.2：

当然，如果数据库中没有adjclose数据（一般前复权/后复权数据需要足够的权限），也可以直接使用`close`的数据替代（当然这样有时候会有些许不准确，或者在构建数据库的时候，close数据直接使用前复权的收盘价）；

如图2.3，数据加载之后的顺序有些混乱，暂时还没搞清楚是什么原因导致的，后续再研究。（注：line_7是adjustedclose）；

2.2.2 Pandas数据形式

通常处理Dataframe类型的数据就使用Pandas，BT中有和Pandas相关的数据类型，查看源码可发现，在pandafeed.py文件中的PandasData类，需要的数据如下：

# path:./backtrader/feeds/pandafeed.py
params = (
    ('nocase', True),
    ('datetime', None),
    ('open', -1),
    ('high', -1),
    ('low', -1),
    ('close', -1),
    ('volume', -1),
    ('openinterest', -1),
)

# 主要参数读取顺序
datafields = [
    'datetime', 'open', 'high', 'low', 'close', 'volume', 'openinterest'
]

目前数据库中个股数据来源于Tushare，其column name（如图2.4所示）和PandaData所需的datafields并未对齐，所以从数据库加载的时候可以将多余的字段删除（当然openinterest本身就没有这个字段的数据，也不影响策略回测计算和后续绘图）；