实盘了两个月，5月份盈利14.34%，6月份亏损2.82%，整体表现尚可。实盘的策略是基于前面选股规则准确率计算的文章，找出准确率高的规则进行选股，严格执行止盈止损条件。
这其中存在一些问题，一是止盈条件可以根据准确率计算得到，但是止损条件不明确，缺少对参数的优化过程；二是没有进行回测，对策略的收益和回撤情况缺少整体把握。
因此，还是决定回归到backtrader，踏实地写好回测程序，边实盘边回测边优化策略。目前回测出的策略结果中，从2018年至今的收益率， 最高为103.77%，年化为22.55%。
在实现回测程序的过程，发现对backtrader的许多功能还是没有掌握。之前的使用方法是，需要用到什么功能，就去文档或者论坛里搜索一下，然后拿来使用。这样虽然达到了短期开发功能的目的，但是没有对backtrader形成整体的体系把握，也就没办法写出漂亮的代码，充分挖掘backtrader潜能。这有点像自己学python的过程，遇到问题搜索一番，解决一番，但是还是缺乏对python的整体把握。随着后来系统性的阅读python书籍，才觉得自己真正能上手python，尤其是看了《流畅的Python》一书，才发现python代码可以写那么漂亮。
回想了下这些年来学习技术的过程，基本流程很相似。任务来了先上手做，有了一定实战经验后，对技术既有了信心又有了兴趣，然后系统性阅读资料学习，对技术有更全面的认知，到后面更好地完成任务。
踏实捋backtrader吧，还是从backtrader文档开始，把觉得有用的技术点都记在笔记中。
进入笔记。。。
使用backtrader的基本流程：
- 创建策略Strategy
- 选定策略的待调参数
- 初始化策略的技术指标
- 编写策略的买入和卖出逻辑
另一种方案是使用带有信号的技术指标，来代替策略的使用。
- 创建Cerebro
- 将策略（或者带有信号的技术指标）绑定到Cerebro中
- 加载数据，并使用cerebro.adddata将数据绑定到Cerebro中
- 执行cerebro.run()
- 使用cerebro.plot()查看可视化结果
理清了backtrader运行的脉络就可以针对性地设置程序结构，比如不同的技术指标策略，抽象出提供买卖点的父类，然后通过子类化来实现具体的买卖点。不同的买入、卖出逻辑（主要是指backtrader的各种订单类型），也可以实现出不同的回测买卖框架，对于给定买卖点的策略，可以直接加载实现回测。
欢迎大家关注、点赞、转发、留言，感谢支持！
微信群用于学习交流，感兴趣的读者请扫码加微信！
QQ群（676186743）用于资料共享，欢迎加入！
