backtrader如何加载股票因子数据？以换手率、市盈率为例进行回测【附Python代码】...

2024-07-12 07:57| 来源: 网络整理| 查看: 265

引言

关于backtrader，公众号已连续发布了三篇推文：《【手把手教你】入门量化回测最强神器backtrader（一）》、《【手把手教你】入门量化回测最强神器backtrader（二）》和《【手把手教你】入门量化回测最强神器backtrader（三）》，分别介绍了backtrader整个框架的组成部分、回测系统的运行、策略模块交易日志的编写和策略参数的寻优，以及Analyzers模块的用法，并对策略的业绩评价指标进行可视化分析。之前在回测中使用的数据仅限于系统默认的价格和成交量，那么如何加载其它数据或因子呢，如换手率、市盈率（PE）市净率（PB）和其他财务指标等？其实前面一直强调backtrader由于采用元编程，具有很强的扩展性，本文为大家展示如何扩展feeds模块中的数据加载，使系统能添加换手率、市盈率等数据，并以市盈率和换手率为指标构建交易策略进行回测。

数据扩展实例

数据准备

下面使用tushare pro获取个股交易数据，包含日期（datetime）、价格（open、high、low、close）和成交量(volume)、换手率（turnover_rate）、市盈率（pe）、市净率（pb）等数据。

import pandas as pd import tushare as ts #tushare pro需到官网注册并获取token才能用 token='输入你的token' pro=ts.pro_api(token) def get_data(code,date='20200101'): data1=ts.pro_bar(ts_code=code, adj='qfq', start_date=date) data1=data1[['trade_date','open','high','low','close','vol']] data2=pro.daily_basic(ts_code=code,fields='trade_date,turnover_rate,pe,pb') data=pd.merge(data1,data2,on='trade_date') data.index=pd.to_datetime(data.trade_date) data=data.sort_index() data['volume']=data.vol data['openinterest']=0 data['datetime']=pd.to_datetime(data.trade_date) data=data[['datetime','open','high','low','close',\ 'volume','openinterest','turnover_rate','pe','pb']] data=data.fillna(0) return data

查看数据并保存csv格式到本地，文件名为“test.csv”。

#数据保存到本地 get_data('300002.SZ').to_csv('test.csv',index=False) get_data('300002.SZ').head()

扩展feeds中的数据加载

对backtrader相关模块进行扩展，首先要先研究一下原生代码的构成，找到安装文件夹，我装的是anaconda，所以backtrader所在文件夹路径为：

C:\Anaconda3\Lib\site-packages\backtrader\，进入该路径找到feeds文件夹，看到里面有很多py文件，说明backtrader支持加载的数据或类型，在线数据支持quandl和yahoo适合做美股分析。我们关注的是如何加载A股数据，目前只能通过pandas或csv格式导入，于是找到csvgeneric.py和pandafeed.py这两个文件，用软件Notepad++（可以打开大部分格式的文本文件）打开看看，以pandafeed.py为例，加载数据的类为class PandasData(feed.DataBase)，默认要输入的数据只有七列，即之前提到的价格和成交量数据，如下图所示。

对于元编程，要扩展相应参数，不需要修改源代码，只需要写一个class类，然后继承原来的类，加入新的参数即可，下面加入'turnover_rate','pe','pb'，这些指标在将要加载的数据表中分别在第7、8、9列。

扩展PandasData类，加载更多列数据

#pandas的数据格式 from backtrader.feeds import PandasData class Addmoredata(PandasData): lines = ('turnover_rate','pe','pb',) params = (('turnover_rate',7),('pe',8),('pb',9),) 扩展GenericCSVData加载csv格式数据 #直接读取本地csv格式数据 from backtrader.feeds import GenericCSVData class AddCsvData(GenericCSVData): lines = ('turnover_rate','pe','pb',) params = (('turnover_rate',7),('pe',8),('pb',9),)

测试数据是否加载成功

写一个简单策略，直接打印新加入的三列数据，加载数据的时候可以是单只股票，也可以是多只股票。多只股票这个很重要，以后可以用来全市场选股并进行回测。

import backtrader as bt from datetime import datetime class TestStrategy1(bt.Strategy): def log(self, txt, dt=None): dt = dt or self.datas[0].datetime.date(0) print('%s, %s' % (dt.isoformat(), txt)) def next(self): self.log(f"换手率:{self.datas[0].turnover_rate[0]},\ 市净率:{self.datas[0].pb[0]},市盈率:{self.datas[0].pe[0]}")

单只股票数据加载运行测试：

cerebro = bt.Cerebro() cerebro.addstrategy(TestStrategy1) feed = Addmoredata(dataname = get_data('300002.SZ','20200420')) #如果是读取csv数据使用下式 #feed = AddCsvData(dataname = 'test.csv',dtformat=('%Y-%m-%d')) cerebro.adddata(feed) cerebro.run() 输出结果： 2020-04-20, 换手率:20.8743,市净率:3.3256,市盈率:158.3584 2020-04-21, 换手率:16.503,市净率:2.992,市盈率:142.4736 2020-04-22, 换手率:18.2413,市净率:3.2897,市盈率:156.6477 2020-04-23, 换手率:21.3831,市净率:3.0793,市盈率:146.6281 2020-04-24, 换手率:16.1957,市净率:3.1203,市盈率:148.5832 2020-04-27, 换手率:13.0385,市净率:2.874,市盈率:136.8529 2020-04-28, 换手率:10.3652,市净率:2.9355,市盈率:0.0 2020-04-29, 换手率:8.3977,市净率:2.797,市盈率:0.0 2020-04-30, 换手率:8.3719,市净率:2.8967,市盈率:0.0 2020-05-06, 换手率:9.4114,市净率:3.0462,市盈率:0.0 2020-05-07, 换手率:9.1606,市净率:3.013,市盈率:0.0 多只股票数据加载测试： class TestStrategy2(bt.Strategy): def log(self, txt, dt=None): dt = dt or self.datas[0].datetime.date(0) print('%s, %s' % (dt.isoformat(), txt)) def next(self): for data in self.datas: print(data._name) self.log(f"换手率:{data.turnover_rate[0]},\ 市净率:{data.pb[0]},市盈率:{data.pe[0]}")

运行回测，三只股票的指标数据都能加载进来。

cerebro = bt.Cerebro() cerebro.addstrategy(TestStrategy2) codes=['600862.SH','300326.SZ','300394.SZ'] #加载最近两日交易数据 for code in codes: feed = Addmoredata(dataname = get_data(code,'20200506'),name=code) cerebro.adddata(feed) cerebro.run() #输出结果： 600862.SH 2020-05-06, 换手率:3.3376,市净率:4.9646,市盈率:39.247 300326.SZ 2020-05-06, 换手率:1.8874,市净率:6.4762,市盈率:60.2625 300394.SZ 2020-05-06, 换手率:2.833,市净率:8.6431,市盈率:63.1617 600862.SH 2020-05-07, 换手率:1.8531,市净率:4.9486,市盈率:39.1208 300326.SZ 2020-05-07, 换手率:2.1378,市净率:6.5019,市盈率:60.5016 300394.SZ 2020-05-07, 换手率:2.7572,市净率:8.367,市盈率:61.1439

换手率、市盈率指标的交易策略实例

下面以加载的换手率和市盈率数据构建交易策略并进行回测。这里举例的个股为神州泰岳，考虑到其回测期间换手率均值为3%，75%分位数为3.98%，市盈率均值为52，最高166，负值设置为0。基于这些指标的统计规律，将交易策略简单设置为：当换手率小于3%且市盈率小于50倍时买入，当换手率大于10%或市盈率大于80倍时卖出。 class MyStrategy(bt.Strategy): def next(self): if not self.position: # 没有持仓 if self.datas[0].turnover_rate[0]

【本文地址】

公司简介

联系我们