sizers

Sizers#

策略提供交易方法：buy、sell 和 close。先看 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 Sizer 发挥作用的地方：

  • size=None 表示策略向其 Sizer 询问实际的头寸大小

这意味着策略有一个 Sizer：是的，确实如此！如果用户没有添加 Sizer，后台会为策略添加一个默认的 Sizer。默认的 Sizer 是 SizerFix。其定义如下：

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

可以猜到，这个 Sizer 只是使用 1 个单位（无论是股票、合约等）进行买卖。

使用 Sizers#

通过 Cerebro#

Sizers 可以通过 Cerebro 的两种方法添加：

  • addsizer(sizercls, *args, **kwargs)：添加一个 Sizer，适用于所有添加到 cerebro 的策略。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)：将 Sizer 添加到 idx 引用的策略中。

这个 idx 可以通过 addstrategy 的返回值获取。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 Sizer，适用于所有没有分配特定 Sizer 的策略。
  • MyStrategy 在获取其 idx 后，添加了一个特定的 Sizer（更改了 stake 参数）。
  • 第二个策略 MyOtherStrategy 没有特定的 Sizer。

这意味着：

  • MyStrategy 最终拥有一个内部特定的 Sizer。
  • MyOtherStrategy 使用默认 Sizer。

注意：默认并不意味着策略共享同一个 Sizer 实例。每个策略都获得不同的默认 Sizer 实例。要共享单个实例，Sizer 需要是一个单例类。如何定义单例超出了 backtrader 的范围。

从策略#

Strategy 类提供了 setsizer 和 getsizer 方法（以及 sizer 属性）来管理 Sizer。签名：

def setsizer(self, sizer): 接受一个已实例化的 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：

  • 作为参数传递给策略
  • 在 __init__ 中使用 sizer 属性或 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

这样可以在与 cerebro 调用相同的级别创建 Sizer，并将其作为参数传递给所有策略，从而实现 Sizer 共享。

Sizer 开发#

开发一个 Sizer 很简单：

  1. 从 backtrader.Sizer 子类化。

这使你可以访问 self.strategy 和 self.broker，尽管大多数情况下不需要。可以通过经纪商访问的内容：

  • 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()

也可以通过 self.strategy.broker.getvalue() 实现同样的效果。

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

参数：

  • comminfo：包含数据佣金信息的 CommissionInfo 实例，可用于计算头寸价值、操作成本和操作佣金。
  • cash：经纪商的当前可用现金。
  • data：操作的目标。
  • isbuy：买入操作为 True，卖出操作为 False。

此方法返回买入/卖出操作的期望数量。

返回值的符号无关紧要。例如：如果是卖出操作（isbuy 为 False），方法可以返回 5 或 -5。卖出操作只使用绝对值。

Sizer 已经向经纪商请求了给定数据的佣金信息和实际现金水平，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，只是直接返回参数。

但该机制应该能够构建复杂的头寸系统来管理进出市场时的头寸。

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。
  • 根据 position.size 决定是否加倍固定头寸。
  • 返回计算的值。

这样策略就不需要决定是否反转头寸或开仓，Sizer 负责控制，可以随时替换而不影响策略逻辑。

实用 Sizer 应用#

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

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 self.position 检查）来决定是否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（如果已有头寸）返回非零头寸大小：

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内。

两种方法都有负面效果，但这只是一个示例。

bt.Sizer 参考#

class backtrader.Sizer()

这是 Sizer 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 所在策略设置。可以访问策略的整个 API，例如获取实际数据头寸：
position = self.strategy.getposition(data)
  • broker：由 Sizer 所在策略设置。复杂 Sizer 可能需要的信息（如投资组合价值等）可以通过它访问。
def _getsizing(comminfo, cash, data, isbuy)

此方法必须由 Sizer 的子类覆盖以提供数量计算功能。

参数：

  • comminfo：包含数据佣金信息的 CommissionInfo 实例，用于计算头寸价值、操作成本和操作佣金。
  • cash：经纪商的当前可用现金。
  • data：操作的目标。
  • isbuy：买入操作为 True，卖出操作为 False。

此方法必须返回要执行的实际数量（整数）。如果返回 0，则不执行任何操作。

返回值的绝对值将被使用。

Previous 参考 参考 Next