交易策略 - Backtrader

以下内容皆参考 Backtrader 官网

之前介绍了 shioaji 如何取得资料, 下单，也介绍了如何利用 Line 和 api 互动，接下来要介绍的是程序交易中，很重要的一块交易策略，也就是我们订下一个买入和卖出的时间点，譬如说 5 日均线突破 20 日均线买进，5 日均线跌破 20 日均线时卖出，这就是一个策略，一个策略好坏怎麽判定，可以利用历史资料来做回策，所谓的回测，就是使用历史资料，搭配自己的策略去进行操作，这样就可以知道自己的策略历史的投资报酬率是多少，虽然是历史资料，不过还是挺有参考价值的。

本次要介绍的工具就是 Backtrader，是一套 python 平台的交易策略工具，配合 shioaji 可以取得历史资料来进行我们交易策略的评估，今天就先介绍怎麽利用 shioaji 来取得需要的资料

• 安装 backtrader, matplotlib

pip install backtrader matplotlib==3.2.2

matplotlib 比较新的版本在画图的时候会有问题，所以指定 3.2.2 版安装

• 登入 shioaji

import shioaji as sj
api = sj.Shioaji()
api.login(person_id="帐号", passwd="密码")

• 取得历史资料

stock2330 = api.Contracts.Stocks["2330"]
# 台积电 2020 年的历史资料
kbar = api.kbars(stock2330, '2020-01-01', '2020-12-31')

• 转换成 panda 的 dataframe

from datetime import datetime
dts = list(map(lambda x:datetime.utcfromtimestamp(x/10**9), kbar.ts))
df = pd.DataFrame(
    {
        "open": pd.Series(kbar.Open),
        "high": pd.Series(kbar.High),
        "low": pd.Series(kbar.Low),
        "close": pd.Series(kbar.Close),
        "volume": pd.Series(kbar.Volume),
    }
)

df.index = pd.Index(dts)

• backtracder 引用资料

import backtrader as bt

# 这二行是 jupyter notebook 要画图使用，如果不是用 jupyter notebook 或是没有画图的需求可以不用
import matplotlib.pyplot as plt
%matplotlib inline

cerebro = bt.Cerebro(stdstats=False)

# 引用一个空的策略
cerebro.addstrategy(bt.Strategy)

data = bt.feeds.PandasData(
    # Panda.DataFrame 变数名称
    dataname = df,
    # 因为 kbar 取得的资料是分钟为单位，如果是用其它的资料，可以自己改
    timeframe = bt.TimeFrame.Minutes 
)

# 因为汇入的资料是分钟，我们希望是用每日的资料，所以这边转成日
cerebro.resampledata(data, timeframe=bt.TimeFrame.Days, compression = 1)

# matplot 设定 (如果不是在 jupyter notebook 这一段可以省)
plt.rcParams["figure.figsize"] = [15, 12] # inch
plt.rcParams.update({'font.size': 12})

# iplot = False 是 jupyter notebook 用的
create.plot(style="bar", iplot=False)

这边就简单介绍怎麽将 shioaji 的资料汇入到 Backtrader 里，明天再继续我们的第一个策略