[PYTHON] Bereiten Sie Backtrader-CSV-Daten vor und versuchen Sie, das Beispielskript auszuführen
Wie benutzt man Backtrader?
Wenn das Beispielskript unverändert verwendet wird, tritt ein Fehler auf.
backtrader Document_Quickstart https://www.backtrader.com/docu/quickstart/quickstart/
Nach der Installation, als ich das Beispielskript auf dieser Seite ausführte, wurde die Fehlermeldung "Die CSV-Datei ist im angegebenen Pfad nicht vorhanden" angezeigt.
Ich habe versucht zu suchen, aber der entsprechende Ordner selbst wurde lokal nicht gefunden. Wenn Sie Backtrader mit PIP herunterladen, sind der Datenordner, in dem das Beispielskript ausgeführt wird, und der Beispielordner selbst offenbar nicht enthalten.
Bereiten Sie CSV-Daten vor
https://github.com/mementum/backtrader/blob/master/datas/orcl-1995-2014.txt Kopieren Sie daher den Inhalt des Oracle-Aktienkurses "orcl-1995-2014.txt" von dieser Git-Seite und machen Sie daraus eine Textdatei. Speichern Sie dies im selben Verzeichnis wie das Beispielskript und schreiben Sie den Dateipfadspezifikationsteil im Skript neu. (Für Jupyter-Notebook das Verzeichnis, in dem die ipynb-Datei gespeichert ist: C: \ Benutzer \ Benutzername standardmäßig)
datapath.py
datapath = os.path.join(modpath, '../../datas/orcl-1995-2014.txt')
#Schreiben Sie dies wie folgt um
datapath = 'C:\\Users\\xxxx\\orcl-1995-2014.txt'
Versuchen Sie es mit Jupyter Notebook
Starten Sie das Jupyter-Notizbuch in der virtuellen Umgebung von Anaconda und führen Sie das folgende Beispielskript mit neu geschriebenem Dateipfad aus.
quickstart.py
%matplotlib notebook
from __future__ import (absolute_import, division, print_function,
unicode_literals)
import datetime # For datetime objects
import os.path # To manage paths
import sys # To find out the script name (in argv[0])
# Import the backtrader platform
import backtrader as bt
# Create a Stratey
class TestStrategy(bt.Strategy):
params = (
('maperiod', 15),
)
def log(self, txt, dt=None):
''' Logging function fot this strategy'''
dt = dt or self.datas[0].datetime.date(0)
print('%s, %s' % (dt.isoformat(), txt))
def __init__(self):
# Keep a reference to the "close" line in the data[0] dataseries
self.dataclose = self.datas[0].close
# To keep track of pending orders and buy price/commission
self.order = None
self.buyprice = None
self.buycomm = None
# Add a MovingAverageSimple indicator
self.sma = bt.indicators.SimpleMovingAverage(
self.datas[0], period=self.params.maperiod)
# Indicators for the plotting show
bt.indicators.ExponentialMovingAverage(self.datas[0], period=25)
bt.indicators.WeightedMovingAverage(self.datas[0], period=25,
subplot=True)
bt.indicators.StochasticSlow(self.datas[0])
bt.indicators.MACDHisto(self.datas[0])
rsi = bt.indicators.RSI(self.datas[0])
bt.indicators.SmoothedMovingAverage(rsi, period=10)
bt.indicators.ATR(self.datas[0], plot=False)
def notify_order(self, order):
if order.status in [order.Submitted, order.Accepted]:
# Buy/Sell order submitted/accepted to/by broker - Nothing to do
return
# Check if an order has been completed
# Attention: broker could reject order if not enough cash
if order.status in [order.Completed]:
if order.isbuy():
self.log(
'BUY EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' %
(order.executed.price,
order.executed.value,
order.executed.comm))
self.buyprice = order.executed.price
self.buycomm = order.executed.comm
else: # Sell
self.log('SELL EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' %
(order.executed.price,
order.executed.value,
order.executed.comm))
self.bar_executed = len(self)
elif order.status in [order.Canceled, order.Margin, order.Rejected]:
self.log('Order Canceled/Margin/Rejected')
# Write down: no pending order
self.order = None
def notify_trade(self, trade):
if not trade.isclosed:
return
self.log('OPERATION PROFIT, GROSS %.2f, NET %.2f' %
(trade.pnl, trade.pnlcomm))
def next(self):
# Simply log the closing price of the series from the reference
self.log('Close, %.2f' % self.dataclose[0])
# Check if an order is pending ... if yes, we cannot send a 2nd one
if self.order:
return
# Check if we are in the market
if not self.position:
# Not yet ... we MIGHT BUY if ...
if self.dataclose[0] > self.sma[0]:
# BUY, BUY, BUY!!! (with all possible default parameters)
self.log('BUY CREATE, %.2f' % self.dataclose[0])
# Keep track of the created order to avoid a 2nd order
self.order = self.buy()
else:
if self.dataclose[0] < self.sma[0]:
# SELL, SELL, SELL!!! (with all possible default parameters)
self.log('SELL CREATE, %.2f' % self.dataclose[0])
# Keep track of the created order to avoid a 2nd order
self.order = self.sell()
if __name__ == '__main__':
# Create a cerebro entity
cerebro = bt.Cerebro()
# Add a strategy
cerebro.addstrategy(TestStrategy)
# Datas are in a subfolder of the samples. Need to find where the script is
# because it could have been called from anywhere
modpath = os.path.dirname(os.path.abspath(sys.argv[0]))
#datapath = os.path.join(modpath, '../../datas/orcl-1995-2014.txt')
datapath = 'C:\\Users\\xxxx\\orcl-1995-2014.txt'
# Create a Data Feed
data = bt.feeds.YahooFinanceCSVData(
dataname=datapath,
# Do not pass values before this date
fromdate=datetime.datetime(2000, 1, 1),
# Do not pass values before this date
todate=datetime.datetime(2000, 12, 31),
# Do not pass values after this date
reverse=False)
# Add the Data Feed to Cerebro
cerebro.adddata(data)
# Set our desired cash start
cerebro.broker.setcash(1000.0)
# Add a FixedSize sizer according to the stake
cerebro.addsizer(bt.sizers.FixedSize, stake=10)
# Set the commission
cerebro.broker.setcommission(commission=0.0)
# Print out the starting conditions
print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())
# Run over everything
cerebro.run()
# Print out the final result
print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())
# Plot the result
cerebro.plot()
Bei der Ausführung in Jupyter Notebook werden das Strategiehandelsergebnis (weggelassen) und das Indikatorplot angezeigt.
Wenn Sie im Fall eines Jupyter-Notizbuchs zu Beginn des Beispielskripts "% matplotlib notebook" schreiben, werden dem Plot-Bildschirm eine Zoom-Schaltfläche und eine Diagramm-Bildlaufschaltfläche hinzugefügt. Durch Drücken dieser Taste können Sie den Teil der Preisbewegung vergrößern, an dem Sie interessiert sind. Sie können den gewünschten Ort auch mit derselben Vergrößerung verschieben. Diesmal wird es nicht angezeigt, aber es ist praktisch, wenn Sie den Kerzenhalter im Detail analysieren möchten.
(Hinzugefügt 2020.0207)
Es unterscheidet sich vom obigen Skript, aber wenn Sie den Kerzenhalter vergrößern, sieht es so aus. Wechseln Sie am Ende des Skripts zu "cerebro.plot (style =" candle ").
Recommended Posts