sizers

Sizers#

策略提供交易方法，即：buy、sell 和 close。让我们看看 buy 的签名：

def buy(self, data=None, size=None, price=None, plimit=None, exectype=None, valid=None, tradeid=0, **kwargs):

注意，如果调用者没有指定 size，则 size 的默认值为 None。这就是 Sizers 发挥重要作用的地方：

  • size=None 请求策略向其 Sizer 询问实际的头寸大小

这显然意味着策略有一个 Sizer：是的，确实如此！如果用户没有添加 Sizer，后台机制会为策略添加一个默认的 Sizer。添加到策略中的默认 Sizer 是 SizerFix。定义的初始行：

class SizerFix(SizerBase):
    params = (('stake', 1),)

很容易猜到这个 Sizer 只是使用 1 个单位（无论是股票、合约等）买卖。

使用 Sizers#

从 Cerebro#

Sizers 可以通过 Cerebro 以两种不同的方法添加：

  • addsizer(sizercls, *args, **kwargs)：添加一个 Sizer，将应用于添加到 cerebro 的任何策略。这就是所谓的默认 Sizer。例如：
cerebro = bt.Cerebro()
cerebro.addsizer(bt.sizers.SizerFix, stake=20)  # 默认策略的 Sizer
  • addsizer_byidx(idx, sizercls, *args, **kwargs)：只将 Sizer 添加到 idx 引用的策略中。

这个 idx 可以作为 addstrategy 的返回值获得。例如：

cerebro = bt.Cerebro()
cerebro.addsizer(bt.sizers.SizerFix, stake=20)  # 默认策略的 Sizer

idx = cerebro.addstrategy(MyStrategy, myparam=myvalue)
cerebro.addsizer_byidx(idx, bt.sizers.SizerFix, stake=5)

cerebro.addstrategy(MyOtherStrategy)

在这个例子中：

  • 系统添加了一个默认的 Sizer。这适用于所有没有分配特定 Sizer 的策略。
  • 对于 MyStrategy，在收集其插入 idx 后，添加了一个特定的 Sizer（更改 stake 参数）。
  • 系统添加了第二个策略 MyOtherStrategy。没有为其添加特定的 Sizer。

这意味着：

  • MyStrategy 最终会有一个内部特定的 Sizer。
  • MyOtherStrategy 将获得默认的 Sizer。

注意：默认并不意味着策略共享单个 Sizer 实例。每个策略都接收不同的默认 Sizer 实例。要共享单个实例，共享的 Sizer 应该是一个单例类。如何定义一个超出了 backtrader 的范围。

从策略#

Strategy 类提供了一个 API：setsizer 和 getsizer（以及一个属性 sizer）来管理 Sizer。签名：

def setsizer(self, sizer): 它接受一个已经实例化的 Sizer def getsizer(self): 返回当前的 Sizer 实例，sizer 是可以直接获取/设置的属性

在这种情况下，Sizer 可以例如：

  • 作为参数传递给策略
  • 在 __init__ 中使用属性 sizer 或 setsizer 设置，例如：
class MyStrategy(bt.Strategy):
    params = (('sizer', None),)

    def __init__(self):
        if self.p.sizer is not None:
            self.sizer = self.p.sizer

这将允许在与 cerebro 调用相同级别创建一个 Sizer，并将其作为参数传递给系统中的所有策略，从而有效地共享一个 Sizer。

Sizer 开发#

开发一个 Sizer 很容易：

  1. 从 backtrader.Sizer 子类化。

这使您可以访问 self.strategy 和 self.broker，尽管在大多数情况下不需要。可以通过经纪人访问的内容：

  • 数据的头寸，通过 self.strategy.getposition(data)
  • 完整的投资组合价值，通过 self.broker.getvalue()

注意，这当然也可以通过 self.strategy.broker.getvalue() 来完成。

  1. 重写方法 _getsizing(self, comminfo, cash, data, isbuy)。

参数：

  • comminfo：包含数据佣金信息的 CommissionInfo 实例，并允许计算头寸价值、操作成本和操作佣金。
  • cash：经纪人的当前可用现金。
  • data：操作的目标。
  • isbuy：对于买入操作为 True，对于卖出操作为 False。

此方法返回买入/卖出操作的期望大小。

返回的符号无关紧要，例如：如果操作是卖出操作（isbuy 为 False），方法可以返回 5 或 -5。卖出操作只会使用绝对值。

Sizer 已经去经纪人那里请求了给定数据的佣金信息、实际现金水平，并提供了操作目标数据的直接引用。

让我们定义 FixedSize Sizer：

import backtrader as bt

class FixedSize(bt.Sizer):
    params = (('stake', 1),)

    def _getsizing(self, comminfo, cash, data, isbuy):
        return self.params.stake

这非常简单，因为 Sizer 不进行计算，参数只是存在。

但是该机制应该允许构建复杂的头寸系统来管理进入/退出市场时的头寸。

另一个例子：一个头寸反转器：

class FixedReverser(bt.FixedSize):

    def _getsizing(self, comminfo, cash, data, isbuy):
        position = self.broker.getposition(data)
        size = self.p.stake * (1 + (position.size != 0))
        return size

这个 Sizer 继承了 FixedSize，覆盖了 _getsizing：

  • 通过 broker 属性获取数据的头寸。
  • 使用 position.size 决定是否加倍固定头寸。
  • 返回计算的值。

这将解除策略决定是否反转头寸或开仓的负担，Sizer 负责控制，可以随时替换而不影响逻辑。

实用 Sizer 应用#

不考虑复杂的头寸算法，可以使用两种不同的 Sizers 将策略从仅做多转换为多空策略。只需在 cerebro 执行中更改 Sizer，策略的行为将发生变化。一个非常简单的收盘价交叉 SMA 算法：

class CloseSMA(bt.Strategy):
    params = (('period', 15),)

    def __init__(self):
        sma = bt.indicators.SMA(self.data, period=self.p.period)
        self.crossover = bt.indicators.CrossOver(self.data, sma)

    def next(self):
        if self.crossover > 0:
            self.buy()
        elif self.crossover < 0:
            self.sell()

注意策略并没有考虑当前头寸（通过查看 self.position）来决定是否实际执行买入或卖出操作。只有交叉信号被考虑。Sizer 将负责所有事务。

这个 Sizer 仅在卖出时返回非零头寸大小（如果已有头寸）：

class LongOnly(bt.Sizer):
    params = (('stake', 1),)

    def _getsizing(self, comminfo, cash, data, isbuy):
      if isbuy:
          return self.p.stake

      # 卖出情况
      position = self.broker.getposition(data)
      if not position.size:
          return 0  # 如果没有持仓则不卖出

      return self.p.stake

将所有内容放在一起（假设已经导入 backtrader 并向系统添加了数据）：

cerebro.addstrategy(CloseSMA)
cerebro.addsizer(LongOnly)
cerebro.run()

图表（来自源代码中的示例以测试这一点）。

LongOnly

多空版本只需将 Sizer 更改为上面显示的 FixedReverser：

cerebro.addstrategy(CloseSMA)
cerebro.addsizer(FixedReverser)
cerebro.run()

输出图表。

FixedReverser

注意差异：

  • 交易次数翻倍。
  • 现金水平从未恢复到初始值，因为策略始终在市场中。

两种方法都负面，但这只是一个示例。

bt.Sizer 参考#

class backtrader.Sizer()

这是 Sizers 的基类。任何 Sizer 都应继承此类并覆盖 _getsizing 方法。

成员属性：

  • strategy：由 Sizer 所在的策略设置。可以访问策略的整个 API，例如如果需要获取实际数据头寸：
position = self.strategy.getposition(data)
  • broker：由 Sizer 所在的策略设置。可以访问一些

复杂 Sizers 可能需要的信息，例如投资组合价值等。

def _getsizing(comminfo, cash, data, isbuy)

此方法必须由 Sizer 的子类覆盖以提供大小功能。

参数：

  • comminfo：包含数据佣金信息的 CommissionInfo 实例，并允许计算头寸价值、操作成本和操作佣金。
  • cash：经纪人的当前可用现金。
  • data：操作的目标。
  • isbuy：对于买入操作为 True，对于卖出操作为 False。

此方法必须返回要执行的实际大小（一个整数）。如果返回 0，则不会执行任何操作。

返回值的绝对值将被使用。

Previous 参考 参考 Next