如何使用Tushare+ Backtrader进行股票量化策略回测

 

数量技术宅团队在CSDN学院推出了量化投资系列课程

欢迎有兴趣系统学习量化投资的同学,点击下方链接报名:

量化投资速成营(入门课程)

Python股票量化投资

Python期货量化投资

Python数字货币量化投资

C++语言CTP期货交易系统开发

数字货币JavaScript语言量化交易系统开发


典型股票量化回测流程

典型的股票量化策略回测流程包括以下几个步骤:

  1. 数据获取:首先需要获取所需的股票市场数据,包括股票价格、交易量、财务数据等。这些数据可以从金融数据供应商、交易所、财经网站或者专门的数据提供商处获取。

  2. 数据预处理:对获取到的数据进行预处理和清洗,以确保数据的质量和一致性。这包括去除异常值、处理缺失数据、调整股票价格(如复权处理)等。

  3. 策略开发:根据具体的量化策略目标,设计和开发相应的交易策略。这可能涉及技术指标的计算、信号生成规则的制定、风险管理规则的定义等。

  4. 回测执行:使用历史数据执行所开发的策略。按照时间顺序,逐个周期模拟交易决策,并记录每次交易的执行价格、成交量、手续费等信息。

  5. 绩效评估:根据回测结果评估策略的绩效表现。常见的评估指标包括累计收益、年化收益率、最大回撤、夏普比率等。此外,还可以进行风险敞口、交易频率等方面的分析。

如何使用Tushare获取股票数据

上述流程中,1、2我们可以使用Tushare配合Pandas库来进行,而3、4、5步骤可以使用Backtrader库来完成。接下来,我们就来介绍Tushare和Backtrader在量化回测中的使用。

Tushare是一个基于Python语言的开源金融数据接口包,提供了丰富的股票、期货、基金等金融数据获取功能。Tushare为金融从业者和开发者提供了方便快捷的数据获取和处理工具,帮助他们进行金融数据分析和量化策略开发。

要安装和使用Tushare,我们需要按照以下步骤进行操作:

1. 安装Python:首先,确保你的计算机上已经安装了Python。Tushare支持Python 3.x版本。

2. 安装Tushare包:打开命令行终端(Windows用户可以使用命令提示符或PowerShell),输入以下命令安装Tushare包:

pip install tushare

这将自动从Python包索引(PyPI)下载并安装Tushare包及其依赖项。

3. 获取Tushare的Token:在使用Tushare之前,你需要在Tushare官网(https://tushare.pro)注册一个账号,并获取API令牌(Token)。登录后,在用户中心页面可以找到你的Token。

4. 使用Tushare:在Python中引入Tushare包,并使用你的Token进行初始化。以下是一个简单的示例代码:

import tushare as ts# 初始化Tushare,替换YOUR_TOKEN为你的Token
ts.set_token('YOUR_TOKEN')# 创建Tushare接口对象
pro = ts.pro_api()# 调用Tushare接口函数,获取股票行情数据
data = pro.daily(ts_code='000001.SZ', start_date='20220101', end_date='20220131')# 打印获取的数据
print(data)

在上面的示例中,首先使用set_token函数设置你的Token,然后使用pro_api函数创建Tushare接口对象。接下来,可以使用各种Tushare接口函数(如daily)获取不同类型的金融数据。

请根据Tushare的文档(https://tushare.pro/document/2)和API参考(https://tushare.pro/document/1)查看更多的接口函数和详细用法。

需要注意,上述示例中的Tushare Pro的接口需要付费订阅才能访问高级数据。如果你想省去注册和付费的麻烦,而且只取有限的简单数据做个尝试,可以使用Tushare的免费接口。免费接口的示例代码更简单


import tushare as ts
# 获取沪深300指数从2014年1月1日到最新的行情数据
hs300 = ts.get_k_data('hs300', start='2014-01-01')

由此,我们就获取到了免费版本的沪深300指数从2014年1月1日到最新的日K线数据:

如何对数据进行可视化

在获取到沪深300的历史K线数据后,我们如果想初步计算一些技术指标,并把技术指标和历史行情展现出来,给我们下一步进行策略开发提供一些思路,应该如何实现?

对于数据可视化,有两种实现方式,一种是采用Python自带的plt库,另一种是专门处理显示K线数据的三方库:mplfinance。我们先来看第一种实现方式:

首先我们定义一个RSI函数,并输入刚才获取到的沪深300指数数据,然后,再调用plt库的相关方法,将RSI指标和历史价格,共同显示在一张图上。

# 将RSI值添加到hs300数据中
hs300['RSI'] = RSI(hs300)# 画图
plt.figure(figsize=(12,6))
plt.plot(hs300['date'], hs300['close'], label='Close') # 画出收盘价曲线
plt.legend(loc='upper left')
plt.twinx()
plt.plot(hs300['date'], hs300['RSI'], 'r', label='RSI') # 画出RSI曲线
plt.legend(loc='upper right')
plt.show()

另一种方式,我们也可以使用mplfinance库,绘制出获取到沪深300的历史K线数据的K线量价图。这里,我们留下同时绘制RSI指标的问题,给读者思考和练习。

import mplfinance as mpfhs300 = hs300.set_index('date')
hs300.index = pd.to_datetime(hs300.index)
mpf.plot(hs300, type='candle', volume=True, mav=(5,10,20), figratio=(12,6), title='HS300 Candlestick Chart')

如何使用BackTrader进行回测

Backtrader是一个功能强大的Python量化交易框架,用于开发、回测和执行交易策略。它提供了广泛的功能和工具,使得量化交易策略的开发和测试变得更加简单和高效。

Backtrader的一些主要特点和功能:

  1. 灵活的策略开发:Backtrader提供了简洁而灵活的API,使得策略的开发变得方便。你可以通过继承和扩展Backtrader的基础类来创建自定义的交易策略,并在其中定义买入、卖出信号和风险管理规则等。

  2. 多种交易工具支持:Backtrader支持多种交易工具,包括股票、期货、外汇等。你可以使用Backtrader来开发各种市场的交易策略。

  3. 多样化的交易指标和分析工具:Backtrader内置了大量的交易指标和分析工具,如移动平均线、布林带、相对强弱指标(RSI)、夏普比率等。这些工具可以帮助你分析市场趋势、计算策略绩效等。

  4. 灵活的数据回测:Backtrader提供了丰富的回测功能,可以使用历史数据对策略进行测试和优化。你可以使用不同的时间周期和数据频率进行回测,模拟真实的交易环境。同时,Backtrader还支持多线程回测,加快回测速度。

具体到Backtrader的使用,我们还是以获取到的沪深300指数历史数据、和RSI指标一起,构建量化策略的回测。首先,需要做的是把获取到的K线数据,转换成Backtrader的回测数据格式。

# Get data from tushare
df = ts.get_k_data('hs300', start='2014-01-01')
df['date'] = pd.to_datetime(df['date'])  # 将日期转换为datetime格式
df = df.set_index('date', drop=True)  # 将日期设置为索引
data = bt.feeds.PandasData(dataname=df, datetime=None,open=0, high=1, low=2, close=3, volume=4, openinterest=-1)  # 创建数据源

第二步,我们构建一个RSI策略的回测函数,在这个回测函数中,我们先计算RSI指标14周期的数值,并以RSI<30作为买入信号,RSI>70作为卖出信号。

# Define the strategy
class RSI(bt.Strategy):params = (('rsi_period', 14),)def __init__(self):self.rsi = bt.indicators.RSI(period=self.params.rsi_period)def next(self):if not self.position:if self.rsi < 30:self.buy(size=1)else:if self.rsi > 70:self.sell(size=1)

第三步,调用BackTrader库相关方法,添加回测数据、设置初始资金和手续费、输出初始资金,运行策略,后输出最终资金并绘制图表。

cerebro = bt.Cerebro()
cerebro.adddata(data)  # 添加数据源
cerebro.addstrategy(RSI)
cerebro.broker.setcash(1000000.0)  # 设置初始资金
cerebro.broker.setcommission(commission=0.001)  # 设置佣金
print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())  # 输出初始资金
cerebro.run()  # 运行策略
print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())  # 输出最终资金
cerebro.plot()  # 绘制图表

通过上述三步,我们就完成了数据BackTrader格式的预处理、构建策略信号逻辑函数、以及运行BackTrader回测和展示回测结果,一起来看BackTrader展示的回测结果吧。

可以看到,BackTrader所展示的回测结果很丰富,包括了历史量价和RSI指标的展示、买卖点的标记、资金曲线、回撤线以及NetValue的数值。

综上,我们就完成了从数据获取、到数据可视化、再到策略回测的整个构建过程,感兴趣的朋友,可以把示例中Tushare获取的数据替换成其他标的历史数据,也可也修改RSI策略模块逻辑,构建自己的量化交易策略。总之,本文提供的是一个通用的回测框架,更多的玩法留给我们的读者。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/8557.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【代码随想录算法训练营第37期 第二天 | LeetCode977.有序数组的平方、209.长度最小的子数组、59.螺旋矩阵II】

代码随想录算法训练营第37期 第二天 | LeetCode977.有序数组的平方、209.长度最小的子数组、59.螺旋矩阵II 一、977.有序数组的平方 解题代码C&#xff1a; class Solution { public:vector<int> sortedSquares(vector<int>& nums) {int len nums.size();fo…

ICode国际青少年编程竞赛- Python-2级训练场-列表入门

ICode国际青少年编程竞赛- Python-2级训练场-列表入门 1、 Dev.step(3)2、 Flyer.step(1) Dev.step(-2)3、 Flyer.step(1) Spaceship.step(7)4、 Flyer.step(5) Dev.turnRight() Dev.step(5) Dev.turnLeft() Dev.step(3) Dev.turnLeft() Dev.step(7) Dev.turnLeft() Dev.…

hive中开窗函数row_number的使用

row_number()函数介绍 row_number()开窗函数的一种&#xff0c;和over()函数结合一起使用&#xff0c;可以实现对数据的分组和排序。 使用示例 现在有一张表&#xff0c;数据如下 ----------------------- | Year | Region | Sales | ----------------------- | 2022 | E…

5月8日爬楼梯+使用最小花费爬楼梯

70.爬楼梯 假设你正在爬楼梯。需要 n 阶你才能到达楼顶。 每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢&#xff1f; 示例 1&#xff1a; 输入&#xff1a;n 2 输出&#xff1a;2 解释&#xff1a;有两种方法可以爬到楼顶。 1. 1 阶 1 阶 2. 2 阶 示…

EVENT事件调度(应用层级)操作注意事项

文章目录 简要注意事项API说明1、1毫秒计时驱动2、1秒计时驱动2、设置一个单位时间为1毫秒的周期性事件3、设置一个单位时间为1秒的周期性事件4、单次触发事件5、清除停止事件5、缓存事件触发标志6、获取事件状态 示例源码 简要 最大支持32个事件标志管理&#xff0c;倒计时精度…

java Io流学习归纳

- 固定套路&#xff1a;1. 创建IO流对象 2. 读写文件 3. 关闭流 - 固定的API方法&#xff1a; //读&#xff1a;read()&#xff1a; /*读一个字节/字符*/int read() /*读一个字节/字符数组*/ int read(byte[] buf)int read(char[] cbuf) //写&#xff1a;wri…

【数字经济】上市公司供应链数字化数据(2000-2022)

数据来源&#xff1a; 时间跨度&#xff1a;2000-2022年 数据范围&#xff1a;各上市企业 数据指标&#xff1a; 样例数据&#xff1a; 参考文献&#xff1a;[1]刘海建,胡化广,张树山,等.供应链数字化的绿色创新效应[J].财经研究,2023,49(03):4-18. 下载链接&#xff1a;https:…

Linux(openEuler、CentOS8)基于chrony企业内网NTP服务器搭建实验

一、知识点 chrony 是由 守护进程 chronyd 以及 命令行工具 chronyc 组成的 chronyd 在后台静默运行并通过 123 端口与时间服务器定时同步时间&#xff0c;默认的配置文件是 /etc/chrony.conf chronyc 通过 323 端口与 chronyd 交互&#xff0c;可监控 chronyd 的性能并在运…

基于springboot+vue+Mysql的口腔管理平台

开发语言&#xff1a;Java框架&#xff1a;springbootJDK版本&#xff1a;JDK1.8服务器&#xff1a;tomcat7数据库&#xff1a;mysql 5.7&#xff08;一定要5.7版本&#xff09;数据库工具&#xff1a;Navicat11开发软件&#xff1a;eclipse/myeclipse/ideaMaven包&#xff1a;…

【3dmax笔记】026:挤出和壳修改器的使用

文章目录 一、修改器二、挤出三、壳 一、修改器 3ds Max中的修改器是一种强大的工具&#xff0c;用于创建和修改复杂的几何形状。这些修改器可以改变对象的形状、大小、方向和位置&#xff0c;以生成所需的效果。以下是一些常见的3ds Max修改器及其功能&#xff1a; 挤出修改…

Day22 代码随想录打卡|字符串篇---实现 strStr()

题目&#xff08;leecode T28&#xff09;&#xff1a; 给你两个字符串 haystack 和 needle &#xff0c;请你在 haystack 字符串中找出 needle 字符串的第一个匹配项的下标&#xff08;下标从 0 开始&#xff09;。如果 needle 不是 haystack 的一部分&#xff0c;则返回 -1…

第 8 章 电机测速(自学二刷笔记)

重要参考&#xff1a; 课程链接:https://www.bilibili.com/video/BV1Ci4y1L7ZZ 讲义链接:Introduction Autolabor-ROS机器人入门课程《ROS理论与实践》零基础教程 8.3.3 电机测速01_理论 测速实现是调速实现的前提&#xff0c;本节主要介绍AB相增量式编码器测速原理。 1.概…

可视化面板布局适配屏幕-基于 flexible.js + rem 智能大屏适配

可视化面板布局适配屏幕-基于 flexible.js rem 智能大屏适配 VScode 安装cssrem插件引入flexible.js在之后的开发都使用rem为单位&#xff0c;安装cssrem插件就是为了快捷将px转为rem我们的设计稿是1920px&#xff0c;设置最小宽度为1024px&#xff0c;最后&#xff0c;我们可…

管理非结构化数据

据IDC调查&#xff0c;当前企业80%的数据为非结构化数据或半结构化数据&#xff0c;而结构化数据是他们管理的重点&#xff0c;数据的大头-非结构化数据却被忽视。然而&#xff0c;非结构化数据也有着它的价值。 管理好非结构化数据对于公司释放有价值资产、高效决策和高效部署…

nodejs之log4js日志管理

log4js官网 npm i log4jsconst log4js require("log4js"); const path require("path"); Object.defineProperties; log4js.configure({appenders: {aaa: {type: "dateFile", //设置为这种类型&#xff0c;日志文件会分割filename: path.reso…

数据安全全场景覆盖

随着万物互联时代的到来&#xff0c;海量物联网设备产生的庞大数据逐渐超出云端服务器的处理能力&#xff0c;同时算力向边缘侧不断迁移&#xff0c;边缘计算逐渐成为云计算的重要延伸和补充。根据《中国边缘计算服务器市场报告》、《中国边缘云计算行业展望报告》等预测&#…

rdflib命名空间的问题

yaga Namespace("https://yago-knowledge.org/resource/") a yaga.Apple b yaga[Appel]这两者的区别&#xff0c;yaga[Appel]这里的Apple是变量&#xff0c;而yaga.Apple生成的实体就是“https://yago-knowledge.org/resource/Apple”

县供电公司员工向媒体投稿发文章用亲身经历告诉你并不难

在县供电公司的日子里,我肩负着一项至关重要的使命——信息宣传工作。这不仅仅是一份职责,更是连接公司与外界的桥梁,通过新闻稿件传递我们的声音,展示我们的成果。然而,回忆起刚刚踏入这个领域的时光,那段经历至今让我感慨万千。 初涉投稿,步履维艰 刚接手这项工作时,我的投稿…

又发现一个ai生成音乐的网站-heymusic

网址 https://heymusic.ai/ 尴尬&#xff0c;不挂梯子能登录进来&#xff0c;但是谷歌账号注册不了&#xff0c;刷新了几遍也没注册上。 看了下价格&#xff0c;应该不是免费的&#xff0c;所以也没了试用的兴趣。 我也不想用别的邮箱注册了&#xff0c;所以只能简单的水一…

Spring Boot应用部署 - Tomcat/Jetty/Undertow容器对比和使用场景

在前面的文章中&#xff0c;我们介绍了如何替换Tomcat容器&#xff0c;现总结下Tomcat/Jetty/Undertow容器。 那在Spring Boot应用部署中&#xff0c;常见的三种Web容器是Tomcat、Jetty和Undertow&#xff0c;它们各有特点&#xff0c;适用于不同的应用场景&#xff1a; Tomc…