以下の戦略は、私たちが書いたチュートリアルとビデオコースから来ています。
マルチストランドコンビネーション操作は、高度な操作モードです。マルチシェアポートフォリオの運用には、通常2つのモードがあります。1つは定期的なリバランスです。つまり、週に1回のリバランス、または毎月1日のリバランスなどの定期的なリバランスです。もう1つは、毎日の判断と調整、またはn日ごとの調整などの非定期的な位置調整です。
定期的な位置調整（リバランス）は通常、タイマーを介して位置調整ロジックに入りますが、非定期的な位置調整は通常、従来のストラテジーnextメソッドを介して位置調整ロジックに入ります。もちろん、これは絶対的なものではありません。
これらの2つのマルチシェア調整操作は、最小期間を自動的に決定する組み込みのバックトレーダー方式では実行できません（たとえば、20日間の移動平均を見つけるために、最初の20小節を自動的にスキップします）。取引日が非常に遅く、最小期間が非常に長く、他の株式もこの最小期間を使用するため、他の株式は最小期間の前にデータを浪費することになります。したがって、最小期間を自分で制御する必要があります。 prenextメソッドにself.next（）を記述し、nextに直接ジャンプします。次に、5日間の移動平均などの指標を使用する場合は、データオブジェクト行の長さが十分に長いかどうかを自分で判断する必要があります。次のケース戦略はそのようなテクニカル指標を使用しないため、行の長さは判断されません。理論的には、ロジックは最初のバーから実行できます。
バックトレーダーを使用してインターネット上でマルチシェアポートフォリオのバックテストを実行する場合もありますが、マルチシェアのバックテストにおけるいくつかの問題はうまく処理されていません。この記事は完全な解決策を提供します。
（次に基づく非定期的なリバランス戦略の実装については、チュートリアルとビデオコースを参照してください）
この記事では、タイマーに基づくマルチストランド定期リバランス戦略の実装を紹介します。
このケースの目的は、ポートフォリオ管理にバックトレーダーを使用する際に注意すべきいくつかの技術的ポイントを紹介することです。戦略自体は参照用です。戦略の一般的な論理は次のとおりです。毎年5月1日、9月1日、11月1日にリバランス操作が実行されます（その日に市場が閉鎖されている場合、リバランス操作は市場の開始日に延期されます）。
最初に株式のグループ（株式プール）をロードします。リバランスの日に、少なくとも3年間上場されており、自己資本利益率roe> 0.1、株価収益率peの間の株式を選択します。 0と100。この選択された株式のグループ次に、取引量に応じて上位100の株式を大から小に並べ替えます（選択された株式が100未満の場合は、実際の状況に応じて）、すべてのアカウント値が割り当てられますこれらの株を同じ割合で購入します。
この戦略は、以下の技術的ポイントを反映しています。これらのポイントを理解していれば、基本的に実際の戦闘で使用できます。コードの詳細な解釈、特にタイマーの使用法については、私たちが作成したチュートリアルとビデオコースを参照してください。
1PandasDataクラスを拡張します
2最初のデータは、タイムベースとしてインデックスに対応している必要があります
3データ前処理：元のデータにトランザクションがなく、インジケーターが欠落しているレコードを削除します
4最初にポジションを閉じてから、後続のトランザクションを実行します
5注文数量の計算方法
6最初に売り、次に購入して資金を解放する方法
7明日の始値に基づいて注文数量を計算する方法
8市場データオブジェクトの名前を指定します
9売買数量を100の整数倍に設定する方法
10中国の株式市場に合わせた手数料モデルを設定し、印紙税を検討する
11価格制限の取り扱い
# 考虑中国佣金，下单量100的整数倍,涨跌停板，滑点
# 考虑一个技术指标，展示怎样处理最小期问题
from datetime import datetime, time
from datetime import timedelta
import pandas as pd
import numpy as np
import backtrader as bt
import os.path # 管理路径
import sys # 发现脚本名字(in argv[0])
import glob
from backtrader.feeds import PandasData # 用于扩展DataFeed
# 创建新的data feed类
class PandasDataExtend(PandasData):
# 增加线
lines = ('pe', 'roe', 'marketdays')
params = (('pe', 15),
('roe', 16),
('marketdays', 17), ) # 上市天数
class stampDutyCommissionScheme(bt.CommInfoBase):
'''
本佣金模式下，买入股票仅支付佣金，卖出股票支付佣金和印花税.
'''
params = (
('stamp_duty', 0.005), # 印花税率
('commission', 0.001), # 佣金率
('stocklike', True),
('commtype', bt.CommInfoBase.COMM_PERC),
)
def _getcommission(self, size, price, pseudoexec):
'''
If size is greater than 0, this indicates a long / buying of shares.
If size is less than 0, it idicates a short / selling of shares.
'''
if size > 0: # 买入，不考虑印花税
return size * price * self.p.commission
elif size < 0: # 卖出，考虑印花税
return size * price * (self.p.stamp_duty + self.p.commission)
else:
return 0 # just in case for some reason the size is 0.
class Strategy(bt.Strategy):
params = dict(
rebal_monthday=[1], # 每月1日执行再平衡
num_volume=100, # 成交量取前100名
period = 5,
)
# 日志函数
def log(self, txt, dt=None):
# 以第一个数据data0，即指数作为时间基准
dt = dt or self.data0.datetime.date(0)
print('%s, %s' % (dt.isoformat(), txt))
def __init__(self):
self.lastRanks = [] # 上次交易股票的列表
# 0号是指数，不进入选股池，从1号往后进入股票池
self.stocks = self.datas[1:]
# 记录以往订单，在再平衡日要全部取消未成交的订单
self.order_list = []
# 移动平均线指标
self.sma={d:bt.ind.SMA(d,period=self.p.period) for d in self.stocks}
# 定时器
self.add_timer(
when= bt.Timer.SESSION_START,
monthdays=self.p.rebal_monthday, # 每月1号触发再平衡
monthcarry=True, # 若再平衡日不是交易日，则顺延触发notify_timer
)
def notify_timer(self, timer, when, *args, **kwargs):
# 只在5，9，11月的1号执行再平衡
if self.data0.datetime.date(0).month in [5,9,11]:
self.rebalance_portfolio() # 执行再平衡
# def next(self):
# print('next 账户总值', self.data0.datetime.datetime(0), self.broker.getvalue())
# for d in self.stocks:
# if(self.getposition(d).size!=0):
# print(d._name, '持仓' ,self.getposition(d).size)
def notify_order(self, order):
if order.status in [order.Submitted, order.Accepted]:
# 订单状态 submitted/accepted，无动作
return
# 订单完成
if order.status in [order.Completed]:
if order.isbuy():
self.log('买单执行,%s, %.2f, %i' % (order.data._name,
order.executed.price, order.executed.size))
elif order.issell():
self.log('卖单执行, %s, %.2f, %i' % (order.data._name,
order.executed.price, order.executed.size))
else:
self.log('订单作废 %s, %s, isbuy=%i, size %i, open price %.2f' %
(order.data._name, order.getstatusname(), order.isbuy(), order.created.size, order.data.open[0]))
# 记录交易收益情况
def notify_trade(self, trade):
if trade.isclosed:
print('毛收益 %0.2f, 扣佣后收益 % 0.2f, 佣金 %.2f, 市值 %.2f, 现金 %.2f' %
(trade.pnl, trade.pnlcomm, trade.commission, self.broker.getvalue(), self.broker.getcash()))
def rebalance_portfolio(self):
# 从指数取得当前日期
self.currDate = self.data0.datetime.date(0)
print('rebalance_portfolio currDate', self.currDate, len(self.stocks))
# 如果是指数的最后一本bar，则退出，防止取下一日开盘价越界错
if len(self.datas[0]) == self.data0.buflen():
return
# 取消以往所下订单（已成交的不会起作用）
for o in self.order_list:
self.cancel(o)
self.order_list = [] # 重置订单列表
# for d in self.stocks:
# print('sma', d._name, self.sma[d][0],self.sma[d][1], d.marketdays[0])
# 最终标的选取过程
# 1 先做排除筛选过程
self.ranks = [d for d in self.stocks if
len(d) > 0 # 重要，到今日至少要有一根实际bar
and d.marketdays > 3*365 # 到今天至少上市
# 今日未停牌 (若去掉此句，则今日停牌的也可能进入，并下订单，次日若复牌，则次日可能成交）（假设原始数据中已删除无交易的记录)
and d.datetime.date(0) == self.currDate
and d.roe >= 0.1
and d.pe < 100
and d.pe > 0
and len(d) >= self.p.period
and d.close[0] > self.sma[d][1]
]
# 2 再做排序挑选过程
self.ranks.sort(key=lambda d: d.volume, reverse=True) # 按成交量从大到小排序
self.ranks = self.ranks[0:self.p.num_volume] # 取前num_volume名
if len(self.ranks) == 0: # 无股票选中，则返回
return
# 3 以往买入的标的，本次不在标的中，则先平仓
data_toclose = set(self.lastRanks) - set(self.ranks)
for d in data_toclose:
print('sell 平仓', d._name, self.getposition(d).size)
o = self.close(data=d)
self.order_list.append(o) # 记录订单
# 4 本次标的下单
# 每只股票买入资金百分比，预留2%的资金以应付佣金和计算误差
buypercentage = (1-0.02)/len(self.ranks)
# 得到目标市值
targetvalue = buypercentage * self.broker.getvalue()
# 为保证先卖后买，股票要按持仓市值从大到小排序
self.ranks.sort(key=lambda d: self.broker.getvalue([d]), reverse=True)
self.log('下单, 标的个数 %i, targetvalue %.2f, 当前总市值 %.2f' %
(len(self.ranks), targetvalue, self.broker.getvalue()))
for d in self.ranks:
# 按次日开盘价计算下单量，下单量是100的整数倍
size = int(
abs((self.broker.getvalue([d]) - targetvalue) / d.open[1] // 100 * 100))
validday = d.datetime.datetime(1) # 该股下一实际交易日
if self.broker.getvalue([d]) > targetvalue: # 持仓过多，要卖
# 次日跌停价近似值
lowerprice = d.close[0]*0.9+0.02
o = self.sell(data=d, size=size, exectype=bt.Order.Limit,
price=lowerprice, valid=validday)
else: # 持仓过少，要买
# 次日涨停价近似值
upperprice = d.close[0]*1.1-0.02
o = self.buy(data=d, size=size, exectype=bt.Order.Limit,
price=upperprice, valid=validday)
self.order_list.append(o) # 记录订单
self.lastRanks = self.ranks # 跟踪上次买入的标的
##########################
# 主程序开始
#########################
cerebro = bt.Cerebro(stdstats=False)
cerebro.addobserver(bt.observers.Broker)
cerebro.addobserver(bt.observers.Trades)
# cerebro.broker.set_coc(True) # 以订单创建日的收盘价成交
# cerebro.broker.set_coo(True) # 以次日开盘价成交
datadir = './dataswind' # 数据文件位于本脚本所在目录的data子目录中
datafilelist = glob.glob(os.path.join(datadir, '*')) # 数据文件路径列表
maxstocknum = 20 # 股票池最大股票数目
# 注意，排序第一个文件必须是指数数据，作为时间基准
datafilelist = datafilelist[0:maxstocknum] # 截取指定数量的股票池
print(datafilelist)
# 将目录datadir中的数据文件加载进系统
for fname in datafilelist:
df = pd.read_csv(
fname,
skiprows=0, # 不忽略行
header=0, # 列头在0行
)
# df = df[~df['交易状态'].isin(['停牌一天'])] # 去掉停牌日记录
df['date'] = pd.to_datetime(df['date']) # 转成日期类型
df = df.dropna()
# print(df.info())
# print(df.head())
data = PandasDataExtend(
dataname=df,
datetime=0, # 日期列
open=2, # 开盘价所在列
high=3, # 最高价所在列
low=4, # 最低价所在列
close=5, # 收盘价价所在列
volume=6, # 成交量所在列
pe=7,
roe=8,
marketdays=9,
openinterest=-1, # 无未平仓量列
fromdate=datetime(2002, 4, 1), # 起始日2002, 4, 1
todate=datetime(2015, 12, 31), # 结束日 2015, 12, 31
plot=False
)
ticker = fname[-13:-4] # 从文件路径名取得股票代码
cerebro.adddata(data, name=ticker)
cerebro.addstrategy(Strategy)
startcash = 10000000
cerebro.broker.setcash(startcash)
# 防止下单时现金不够被拒绝。只在执行时检查现金够不够。
cerebro.broker.set_checksubmit(False)
comminfo = stampDutyCommissionScheme(stamp_duty=0.001, commission=0.001)
cerebro.broker.addcommissioninfo(comminfo)
results = cerebro.run()
print('最终市值: %.2f' % cerebro.broker.getvalue())
# cerebro.plot()
复制代码上記のストラテジーは、次の方法でストラテジーロジックに入力することもできます。具体的なコードと詳細については、チュートリアルを参照してください。
著者：抜本的な僧侶2020