pyalgotrade教程1--第一个demo

        之前一直使用backtrader作为回测的平台,但是近来觉得,backtrader虽然在有些设计上很精妙,但是官方demo中都有很多细节性的错误,而且很多功能描述模糊,以至于,之前实现日内突破策略的时候,一直没能在代码上实现。前几天在论坛里听到真有人使用pyalgotrade,于是尝试了一下,发现似乎文档可读性高于backtrader的,网上查了一下,使用者虽然不能和zipline比,但是比backtrader还是要多的。反正技多不压身,而且这种平台往往是通的,所以果断研究一遍pyalgotrade。

1.pyalgotrade框架

        pyalgotrade官网上的教程虽然很入门,没有接触过的人也能使用,但是一开始可能就会因为无法获取yahoo数据而退却,毕竟我们是在一个大型局域网内。

安装很简单,就是pip。

        PyAlgoTrade主要包含六个部分:

策略:Strategies
回测数据:Feeds
交易经纪人:Brokers
时间序列数据:DataSeries
技术分析:Technicals
优化器:Optimizer
        学习过之前backtrader的同学应该不难理解这些概念,没有学过也没有关系,我们先入个门,看最重要的两个,策略和回测数据。

2.第一个hello world demo

# coding=utf-8
from pyalgotrade import strategy
from pyalgotrade.bar import Frequency
from pyalgotrade.barfeed.csvfeed import GenericBarFeed

# 1.构建一个策略
class MyStrategy(strategy.BacktestingStrategy):
    def __init__(self, feed, instrument):
        super(MyStrategy, self).__init__(feed)
        self.__instrument = instrument

    def onBars(self, bars):# 每一个数据都会抵达这里,就像becktest中的next
        bar = bars[self.__instrument]
        self.info(bar.getClose())# 我们打印输出收盘价

# 2.获得回测数据,官网来源于yahoo,由于墙的关系,我们用本地数据
feed = GenericBarFeed(Frequency.DAY, None, None)
feed.addBarsFromCSV("fd", "fd.csv")

# 3.把策略跑起来
myStrategy = MyStrategy(feed, "fd")
myStrategy.run()
        这里,数据我们用的很简单,毕竟是第一个demo,目的就是查看开发环境是否可以使用以及基本的一个运行框架。

Date Time,Open,Close,High,Low,Volume,openinterest
2000-01-04 00:00:00,1368.693,1406.371,1407.518,1361.214,903402300.0,0
2000-01-05 00:00:00,1407.829,1409.682,1433.78,1398.323,1057998400.0,0
2000-01-06 00:00:00,1406.036,1463.942,1463.955,1400.253,1348051500.0,0
2000-01-07 00:00:00,1477.154,1516.604,1522.825,1477.154,3451569900.0,0
2000-01-10 00:00:00,1531.712,1545.112,1546.723,1506.404,3125353900.0,0
fd.csv的数据是这样的。

        不出意外的话,应该看到这样的结果:

pyalgotrade教程1--第一个demo_第1张图片

        我们看到,收盘价被打印了出来。

3.解释一下feed

        策略还不是我们关心的范畴,我们先来看一下pyalgotrade是怎么形成feed,也就是回测数据的。与一般的回测平台一样,pyalgotrade有自己的回测数据的数据结构,一般的交易数据存储成csv格式,然后由pyalgotrade自己转化为feed。这个demo中,我们使用的是GenericBarFeed,从名字上可以看出来,就是最普通的feed,我们看一下这个feed的定义:

class pyalgotrade.barfeed.csvfeed.GenericBarFeed(frequency, timezone=None, maxLen=None)

        这个类传入的参数有三个,频率、时区、最大长度。当我们的资产都是在同一个时区的时候,timezone可以设置为None,后面一个没有具体限制,也可以设置为None,所以我们demo中实例化feed的时候,是:

feed = GenericBarFeed(Frequency.DAY, None, None)

GenericBarFeed类只有一个方法,

addBarsFromCSV(instrument, path, timezone=None)

参数一目了然是什么意思。这里我们要注意的是csv中的内容的格式,大概要求有如下几点:

csv文件的第一列要求是列名,而且要求为

Date Time,Open,High,Low,Close,Volume,Adj Close
2013-01-01 13:59:00,13.51001,13.56,13.51,13.56,273.88014126,13.51001

这样的列名,其中,价格的顺序可以不同,但是名称,包括大小写必须一致。

Adj Close可以没有或者空白
4.technical与DataSeries

接下来,我们实现简单移动均线的计算,也就是SMA。pyalgotrade中的technical提供了计算SMA的函数。

具体代码如下:

# coding=utf-8
from pyalgotrade import strategy
from pyalgotrade.bar import Frequency
from pyalgotrade.barfeed.csvfeed import GenericBarFeed
from pyalgotrade.technical import ma
# 1.构建一个策略
class MyStrategy(strategy.BacktestingStrategy):
    def __init__(self, feed, instrument):
        super(MyStrategy, self).__init__(feed)
        self.__sma = ma.SMA(feed[instrument].getCloseDataSeries(), 2)
        self.__instrument = instrument

    def onBars(self, bars):# 每一个数据都会抵达这里,就像becktest中的next
        bar = bars[self.__instrument]
        self.info("%s %s" % (bar.getClose(), self.__sma[-1]))# 我们打印输出收盘价与两日均线值

# 2.获得回测数据,官网来源于yahoo,由于墙的关系,我们用本地数据
feed = GenericBarFeed(Frequency.DAY, None, None)
feed.addBarsFromCSV("fd", "fd.csv")

# 3.把策略跑起来
myStrategy = MyStrategy(feed, "fd")
myStrategy.run()
我看一下核心的一句:

self.__sma = ma.SMA(feed[instrument].getCloseDataSeries(), 2)
这里,不是getClose,而是得到了一个close价格的DataSeries也就是,时间序列。

同时,我们要知道,technical产生的技术指标值也是一个DataSeries,也就是说,技术指标还可以被技术指标处理一次。例如,可以直接求RSI的SMA:

self.__rsi = rsi.RSI(feed[instrument].getCloseDataSeries(), 14)
self.__sma = ma.SMA(self.__rsi, 15)




你可能感兴趣的:(pyalgotrade教程1--第一个demo)