ビジュアライゼーションを理解するための定量的フレームワーク バックトレーダーに関する記事

導入

バックテストを行う際、戦略の動作を知りたいことがよくあります。最終的な統計指標を通じてそれを垣間見ることはできますが、バックテストのプロセスを視覚化することが最も人間的です。同時に、観察することでより良い設計を行うこともできます。バックテストプロセスと定量的戦略を最適化します。Backtrader は matplotlib ライブラリを使用して視覚化機能を提供します

説明書

バックトレーダーのデータ視覚化は非常に簡単で、run() の後に plot() メソッドを呼び出すだけです。

cerebro.run()
cerebro.plot()

plot(self, plotter=None, numfigs=1, iplot=True, **kwargs)メソッドの各パラメータの意味は次のとおりです。

• plotter: PlotScheme と、プロット プロパティを含むその派生クラス オブジェクト。デフォルトは None です。None の場合、デフォルトの PlotScheme オブジェクトがインスタンス化されます。

• numfigs: グラフを複数の画像に分割して表示します。デフォルトは 1 です。

• iplot: Jupyter Notebook での実行時に自動的にインライン プロットするかどうか。デフォルトは True です。jupyter で実行していない場合は、このパラメータを False に設定することをお勧めします。そうしないと問題が発生する可能性があります。

• *kwargs:args パラメータは、プロッタの属性値を変更するために使用されます。

視覚化構成を体系的に制御するには 2 つの方法があります。

1. 以下に示すように、plot() メソッドの args パラメータを設定することで直接実行できます。

cerebro.plot(iplot=False,
             style='candel',  # 设置主图行情数据的样式为蜡烛图
             plotdist=0.1,    # 设置图形之间的间距
             barup = '#ff9896', bardown='#98df8a', # 设置蜡烛图上涨和下跌的颜色
             volup='#ff9896', voldown='#98df8a', # 设置成交量在行情上涨和下跌情况下的颜色
            )

2. PlotScheme クラスをカスタマイズして、対応するパラメーターを変更します

PlotScheme オブジェクトには、以下に示すように、すべてのシステム レベルのプロット オプションが含まれています。

class PlotScheme(object):
    def __init__(self):
        # to have a tight packing on the chart wether only the x axis or also
        # the y axis have (see matplotlib)
        self.ytight = False

        # y-margin (top/bottom) for the subcharts. This will not overrule the
        # option plotinfo.plotymargin
        self.yadjust = 0.0
        # Each new line is in z-order below the previous one. change it False
        # to have lines paint above the previous line
        self.zdown = True
        # Rotation of the date labes on the x axis
        self.tickrotation = 15

        # How many "subparts" takes a major chart (datas) in the overall chart
        # This is proportional to the total number of subcharts
        self.rowsmajor = 5

        # How many "subparts" takes a minor chart (indicators/observers) in the
        # overall chart. This is proportional to the total number of subcharts
        # Together with rowsmajor, this defines a proportion ratio betwen data
        # charts and indicators/observers charts
        self.rowsminor = 1

        # Distance in between subcharts
        self.plotdist = 0.0

        # Have a grid in the background of all charts
        self.grid = True

        # Default plotstyle for the OHLC bars which (line -> line on close)
        # Other options: 'bar' and 'candle'
        self.style = 'line'

        # Default color for the 'line on close' plot
        self.loc = 'black'
        # Default color for a bullish bar/candle (0.75 -> intensity of gray)
        self.barup = '0.75'
        # Default color for a bearish bar/candle
        self.bardown = 'red'
        # Level of transparency to apply to bars/cancles (NOT USED)
        self.bartrans = 1.0

        # Wether the candlesticks have to be filled or be transparent
        self.barupfill = True
        self.bardownfill = True

        # Wether the candlesticks have to be filled or be transparent
        self.fillalpha = 0.20

        # Wether to plot volume or not. Note: if the data in question has no
        # volume values, volume plotting will be skipped even if this is True
        self.volume = True

        # Wether to overlay the volume on the data or use a separate subchart
        self.voloverlay = True
        # Scaling of the volume to the data when plotting as overlay
        self.volscaling = 0.33
        # Pushing overlay volume up for better visibiliy. Experimentation
        # needed if the volume and data overlap too much
        self.volpushup = 0.00

        # Default colour for the volume of a bullish day
        self.volup = '#aaaaaa'  # 0.66 of gray
        # Default colour for the volume of a bearish day
        self.voldown = '#cc6073'  # (204, 96, 115)
        # Transparency to apply to the volume when overlaying
        self.voltrans = 0.50

        # Transparency for text labels (NOT USED CURRENTLY)
        self.subtxttrans = 0.66
        # Default font text size for labels on the chart
        self.subtxtsize = 9

        # Transparency for the legend (NOT USED CURRENTLY)
        self.legendtrans = 0.25
        # Wether indicators have a leged displaey in their charts
        self.legendind = True
        # Location of the legend for indicators (see matplotlib)
        self.legendindloc = 'upper left'

        # Plot the last value of a line after the Object name
        self.linevalues = True

        # Plot a tag at the end of each line with the last value
        self.valuetags = True

        # Default color for horizontal lines (see plotinfo.plothlines)
        self.hlinescolor = '0.66'  # shade of gray
        # Default style for horizontal lines
        self.hlinesstyle = '--'
        # Default width for horizontal lines
        self.hlineswidth = 1.0

        # Default color scheme: Tableau 10
        self.lcolors = tableau10

        # strftime Format string for the display of ticks on the x axis
        self.fmt_x_ticks = None

        # strftime Format string for the display of data points values
        self.fmt_x_data = None

PlotScheme クラスは、color(self, idx)使用される色を返すメソッドを定義します。サブクラスはそれをオーバーロードでき、その idx パラメータは描画される線の現在のインデックスです。たとえば、MACD は 3 本の線を描画し、idx 変数には 0、1、2 の 3 つの値があります。新しいインジケーター idx は 0 から再開されます。デフォルトのカラースキームは でTableau 10 Color Palette、対応するインデックスは ですtab10_index = [3, 0, 2, 1, 2, 4, 5, 6, 7, 8, 9]。使用する色は、カスタム PlotScheme クラスの color() メソッドをオーバーライドするか、lcolors 変数をプロット メソッドに渡すことによって変更できます。

def color(self, idx):
        colidx = tab10_index[idx % len(tab10_index)]
        return self.lcolors[colidx]

ビジュアルコンポーネント

Backtrader は、次の 3 つの主要コンポーネントの視覚化をサポートしています。

• データ フィード データ ソース: adddata、replaydata、および resampledata メソッドを通じてセレブロのオリジナル データをインポートします。

• インジケーター: ストラテジー クラスで宣言されたインジケーター、または addindicator を通じて追加されたインジケーター

• オブザーバー オブザーバー オブジェクト: addobserver を通じて追加されたオブザーバー (Cash オブジェクトや Value オブジェクトなど)

グラフィックを描画するとき、デフォルトではメイン チャートにデータ フィードが描画されます。移動平均などの一部の指標はデータ フィードとともにメイン チャートに描画され、一部はサブグラフの形式で描画されます。通常、オブザーバーは描画されます。サブピクチャにオン

視覚化オプション

前述した、plot() パラメーターとカスタム PlotScheme による視覚化オプションのシステム制御に加えて、インジケーターとオブザーバーには描画フォームを制御するためのオプションがいくつかあり、合計 3 つのタイプがあります。

• オブジェクトのオブジェクト レベルの視覚化オプション - オブジェクト全体の描画動作に影響を与えることができ、plotinfo によって制御されます。

plotinfo = dict(plot=True, # 是否绘制
                subplot=True, # 是否绘制成子图
                plotname='', # 图形名称
                plotabove=False, # 子图是否绘制在主图的上方
                plotlinelabels=False, # 主图上曲线的名称
                plotlinevalues=True,
                plotvaluetags=True,
                plotymargin=0.0,
                plotyhlines=[],
                plotyticks=[],
                plothlines=[],
                plotforce=False,
                plotmaster=None,
                plotylimited=True,
           )

Lotinfo のプロパティにアクセスするには、次の 2 つの方法があります。

# 通过参数来设置
sma = bt.indicators.SimpleMovingAverage(self.data, period=15, plotname='mysma')

# 通过属性来设置
sma = bt.indicators.SimpleMovingAverage(self.data, period=15)
sma.plotinfo.plotname = 'mysma'

• ライン関連の視覚化オプション - プロットライン オブジェクトを使用して、ライン オブジェクトの描画動作を制御できます。プロットラインのオプションは、以下に示すように、描画時に matplotlib に直接渡されます。

lines = ('histo',)
plotlines = dict(histo=dict(_method='bar', alpha=0.50, width=1.0))

• メソッド制御の視覚化 — インジケーター インジケーターとオブザーバーを処理する場合、_plotlabel(self)、_plotinit(self) メソッドを使用すると、視覚化をさらに制御できます。

結論とコミュニケーション

詳細なコンテンツについては、WeChat 公開アカウント「Zhuge Shuo Talk」をフォローしてください。同時に、クオンツ投資グループへの招待を受け、多くの投資愛好家、クオンツ実践者、テクノロジー専門家とコミュニケーションやディスカッションをして、実戦での投資レベルを迅速に向上させることもできます。

記事を書くのは簡単ではありませんが、この記事が参考になったと思ったらクリックして読んでください。

参考

• プロット - バックトレーダー

• https://github.com/mementum/backtrader/blob/master/backtrader/plot/plot.py

• インジケーター - 使用法 - バックトレーダー