Python量化交易学习笔记（33）——backtrader仓位管理

本文将对backtrader的仓位管理进行介绍，具体以同时回测交易3只股票为例，查看每日仓位情况。

策略

• 买入条件：5日线金叉60日线

• 卖出条件：5日线死叉60日线

示例

仓位信息输出的核心代码位于策略类的next的方法中：

    def next(self):
        for i, d in enumerate(self.datas):
            dt, dn = self.datetime.date(), d._name           # 获取时间及股票代码
            pos = self.getposition(d)
            if not len(pos):                                 # 不在场内，则可以买入
                if self.inds[d]['cross'] > 0:                # 如果金叉
                    self.buy(data = d, size = self.p.pstake) # 买买买
            elif self.inds[d]['cross'] < 0:                  # 在场内，且死叉
                self.close(data = d)                         # 卖卖卖

        # 打印仓位信息
        print('**************************************************************', file = self.log_file)
        print(self.data.datetime.date(), file = self.log_file)
        for i, d in enumerate(self.datas):
            pos = self.getposition(d)
            if len(pos):
                print('{}, 持仓:{}, 成本价:{}, 当前价:{}, 盈亏:{:.2f}'.format(
                    d._name, pos.size, pos.price, pos.adjbase, pos.size * (pos.adjbase - pos.price)),
                     file = self.log_file)

部分输出结果为：

...
*************************************************************************************************
2019-06-24
000001, 持仓:100, 成本价:13.69, 当前价:13.69, 盈亏:0.00
*************************************************************************************************
2019-06-25
000001, 持仓:100, 成本价:13.69, 当前价:13.43, 盈亏:-26.00
*************************************************************************************************
2019-06-26
000001, 持仓:100, 成本价:13.69, 当前价:13.37, 盈亏:-32.00
*************************************************************************************************
2019-06-27
000001, 持仓:100, 成本价:13.69, 当前价:13.71, 盈亏:2.00
*************************************************************************************************
2019-06-28
000001, 持仓:100, 成本价:13.69, 当前价:13.78, 盈亏:9.00
*************************************************************************************************
2019-07-01
000001, 持仓:100, 成本价:13.69, 当前价:13.93, 盈亏:24.00
*************************************************************************************************
2019-07-02
000001, 持仓:100, 成本价:13.69, 当前价:14.18, 盈亏:49.00
*************************************************************************************************
2019-07-03
000001, 持仓:100, 成本价:13.69, 当前价:14.01, 盈亏:32.00
*************************************************************************************************
2019-07-04
000001, 持仓:100, 成本价:13.69, 当前价:13.99, 盈亏:30.00
*************************************************************************************************
2019-07-05
000001, 持仓:100, 成本价:13.69, 当前价:13.92, 盈亏:23.00
000002, 持仓:100, 成本价:29.45, 当前价:29.45, 盈亏:0.00
*************************************************************************************************
2019-07-08
000001, 持仓:100, 成本价:13.69, 当前价:13.59, 盈亏:-10.00
000002, 持仓:100, 成本价:29.45, 当前价:29.15, 盈亏:-30.00
...

输出图形为：

解析

上面的代码用到了多只股票同时进行策略回测，具体内容可以参见笔记（17）。

在backtrader中，使用类Position来管理仓位。Position的重要属性包括：

• price：资产成本单价

• size：仓位大小

• adjbase：资产当前收盘价格

几点说明：

• 在类Strategy中，可以使用属性position或者方法getposition(self, data=None, broker=None)来访问仓位信息。

• 当使用getposition(self, data=None, broker=None)方法时，如果不指定参数data值，该方法会默认返回datas[0]的仓位信息，若指定参数data，则返回对应资产的仓位信息，如示例所示。

        for i, d in enumerate(self.datas):
            pos = self.getposition(d)

• 仓位信息positions实际保存在代理broker中，positions是一个Python的字典，key是一个种子数据Data Feed，value是一个类Position的对象。也就是说，positions[datas[0]]就表示第一只股票datas[0]对应的仓位信息，positions[datas[1]]就表示第二只股票datas[1]对应的仓位信息，依次类推。

• 类Position重写了__len__方法，可以使用len(position)来判断仓位大小是否为0。

• 类Position重写了__str__方法，可以通过print(position)来打印仓位的具体信息。

仓位信息示例代码：

from __future__ import (absolute_import, division, print_function,
                        unicode_literals)
import datetime  # 用于datetime对象操作
import os.path  # 用于管理路径
import sys  # 用于在argvTo[0]中找到脚本名称
import backtrader as bt # 引入backtrader框架
import pandas as pd


stk_num = 3  # 回测股票数目
# 创建策略
class SmaCross(bt.Strategy):
    # 可配置策略参数
    params = dict(
        pfast=5,  # 短期均线周期
        pslow=60,   # 长期均线周期
        poneplot = False,  # 是否打印到同一张图
        pstake = 100 # 单笔交易股票数目
    )
    def __init__(self):
        self.log_file = open('position_log.txt', 'w') # 用于输出仓位信息
        self.inds = dict()
        for i, d in enumerate(self.datas):
            self.inds[d] = dict()
            self.inds[d]['sma1'] = bt.ind.SMA(d.close, period=self.p.pfast)  # 短期均线
            self.inds[d]['sma2'] = bt.ind.SMA(d.close, period=self.p.pslow)  # 长期均线
            self.inds[d]['cross'] = bt.ind.CrossOver(self.inds[d]['sma1'], self.inds[d]['sma2'], plot = False)  # 交叉信号
            # 跳过第一只股票data，第一只股票data作为主图数据
            if i > 0:
                if self.p.poneplot:
                    d.plotinfo.plotmaster = self.datas[0]
    def next(self):
        for i, d in enumerate(self.datas):
            dt, dn = self.datetime.date(), d._name           # 获取时间及股票代码
            pos = self.getposition(d)
            if not len(pos):                                 # 不在场内，则可以买入
                if self.inds[d]['cross'] > 0:                # 如果金叉
                    self.buy(data = d, size = self.p.pstake) # 买买买
            elif self.inds[d]['cross'] < 0:                  # 在场内，且死叉
                self.close(data = d)                         # 卖卖卖

        # 打印仓位信息
        print('*****************************************************************************', file = self.log_file)
        print(self.data.datetime.date(), file = self.log_file)
        for i, d in enumerate(self.datas):
            pos = self.getposition(d)
            if len(pos):
                print('{}, 持仓:{}, 成本价:{}, 当前价:{}, 盈亏:{:.2f}'.format(
                    d._name, pos.size, pos.price, pos.adjbase, pos.size * (pos.adjbase - pos.price)),
                     file = self.log_file)

    def stop(self):
        self.log_file.close()
        pass

cerebro = bt.Cerebro()  # 创建cerebro


# 读入股票代码
stk_code_file = '../TQDat/TQDown2020v1/data/tq_wrk_code2019.csv'
stk_pools = pd.read_csv(stk_code_file, encoding = 'gbk')
if stk_num > stk_pools.shape[0]:
    print('股票数目不能大于%d' % stk_pools.shape[0])
    exit()
for i in range(stk_num):
    stk_code = stk_pools['code'][stk_pools.index[i]]
    stk_code = '%06d' % stk_code
    # 读入数据
    datapath = '../TQDat/day/stk/' + stk_code + '.csv'
    # 创建价格数据
    data = bt.feeds.GenericCSVData(
            dataname = datapath,
            fromdate = datetime.datetime(2019, 1, 1),
            todate = datetime.datetime(2019, 12, 31),
            nullvalue = 0.0,
            dtformat = ('%Y-%m-%d'),
            datetime = 0,
            open = 1,
            high = 2,
            low = 3,
            close = 4,
            volume = 5,
            openinterest = -1
            )
    # 在Cerebro中添加股票数据
    cerebro.adddata(data, name = stk_code)
# 设置启动资金
cerebro.broker.setcash(100000.0)
# 设置佣金为零
cerebro.broker.setcommission(commission=0.00)
cerebro.addstrategy(SmaCross, poneplot = False)  # 添加策略
cerebro.run()  # 遍历所有数据
# 打印最后结果
print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())
cerebro.plot(style = "candlestick")  # 绘图

为了便于相互交流学习，已创建微信群，感兴趣的读者请加微信。