策略优化 #
许多交易书籍中提到,每个市场和每个交易的股票(或商品等)都有不同的节奏,没有一种适合所有的策略。
在绘图示例前,当策略开始使用一个指标,周期默认值为 15 个 bar。这是一个策略参数,可以用于优化,改变参数值以找出哪个更适合你的市场。
注意:关于优化及其优缺点的文献很多。但建议基本是:不要过度优化。如果交易思路不健全,优化可能会产生一个仅对回测数据集有效的正面结果。
示例修改为优化简单移动平均线的周期。为了清晰起见,已删除与买卖订单相关的任何输出。
示例如下:
import datetime #For datetime objects
import os.path # To manage paths
import sys # To find out the script name (in argv[0])
import backtrader as bt
class TestStrategy(bt.Strategy):
params = (
('maperiod', 15),
('printlog', False),
)
def log(self, txt, dt=None, doprint=False):
if self.params.printlog or doprint:
dt = dt or self.datas[0].datetime.date(0)
print('%s, %s' % (dt.isoformat(), txt))
def __init__(self):
self.dataclose = self.datas[0].close
self.order = None
self.buyprice = None
self.buycomm = None
self.sma = bt.indicators.SimpleMovingAverage(
self.datas[0], period=self.params.maperiod)
def notify_order(self, order):
if order.status in [order.Submitted, order.Accepted]:
return
if order.status in [order.Completed]:
if order.isbuy():
self.buyprice = order.executed.price
self.buycomm = order.executed.comm
else:
self.bar_executed = len(self)
self.order = None
def notify_trade(self, trade):
if not trade.isclosed:
return
def next(self):
if self.order:
return
if not self.position:
if self.dataclose[0] > self.sma[0]:
self.order = self.buy()
else:
if self.dataclose[0] < self.sma[0]:
self.order = self.sell()
def stop(self):
self.log('(MA Period %2d) Ending Value %.2f' %
(self.params.maperiod, self.broker.getvalue()), doprint=True)
if __name__ == '__main__':
cerebro = bt.Cerebro()
strats = cerebro.optstrategy(
TestStrategy,
maperiod=range(10, 31))
modpath = os.path.dirname(os.path.abspath(sys.argv[0]))
datapath = os.path.join(modpath, '../../datas/orcl-1995-2014.txt')
data = bt.feeds.YahooFinanceCSVData(
dataname=datapath,
fromdate=datetime.datetime(2000, 1, 1),
todate=datetime.datetime(2000, 12, 31),
reverse=False)
cerebro.adddata(data)
cerebro.broker.setcash(1000.0)
cerebro.addsizer(bt.sizers.FixedSize, stake=10)
cerebro.broker.setcommission(commission=0.0)
cerebro.run(maxcpus=1)
策略优化调用不再是 addstrategy
,而是 optstrategy
,且传递的是值的范围,而非单一值。
代码中添加了一个 stop
方法,当回测结束时会调用它。我们用它打印最终净值。
运行程序,系统将为每个范围值执行策略。
输出如下:
2000-12-29, (MA Period 10) Ending Value 880.30
2000-12-29, (MA Period 11) Ending Value 880.00
2000-12-29, (MA Period 12) Ending Value 830.30
2000-12-29, (MA Period 13) Ending Value 893.90
2000-12-29, (MA Period 14) Ending Value 896.90
2000-12-29, (MA Period 15) Ending Value 973.90
2000-12-29, (MA Period 16) Ending Value 959.40
2000-12-29, (MA Period 17) Ending Value 949.80
2000-12-29, (MA Period 18) Ending Value 1011.90
2000-12-29, (MA Period 19) Ending Value 1041.90
2000-12-29, (MA Period 20) Ending Value 1078.00
2000-12-29, (MA Period 21) Ending Value 1058.80
2000-12-29, (MA Period 22) Ending Value 1061.50
2000-12-29, (MA Period 23) Ending Value 1023.00
2000-12-29, (MA Period 24) Ending Value 1020.10
2000-12-29, (MA Period 25) Ending Value 1013.30
2000-12-29, (MA Period 26) Ending Value 998.30
2000-12-29, (MA Period 27) Ending Value 982.20
2000-12-29, (MA Period 28) Ending Value 975.70
2000-12-29, (MA Period 29) Ending Value 983.30
2000-12-29, (MA Period 30) Ending Value 979.80
结果 #
- 对于小于18的周期,策略亏损。
- 对于18到26(包括)的周期,策略盈利。
- 超过26的周期,策略再次亏损。
对于这个策略和数据集,得到最优参数是均线周期为 20 时,盈利78.00单位货币(即7.8%)。