這一部分的API可以參考官網(wǎng)：https://www.backtrader.com/docu/strategy/

Backtrader的策略中有四個常用的函數(shù)：

• notify_order(order)：訂單狀態(tài)變化時會觸發(fā)這個函數(shù)
• notify_trade(trade)：交易狀態(tài)變化時會觸發(fā)這個函數(shù)
• notify_cashvalue(cash, value)：每過一個next()都會觸發(fā)
• notify_fund(cash, value, fundvalue, shares)：每過一個next()都會觸發(fā)

其中：notify_order(order)與notify_trade(trade)是需要觸發(fā)訂單和交易觸發(fā)才可以執(zhí)行，可以跟蹤訂單和交易情況

剩余的函數(shù)執(zhí)行順序是：next()->notify_cashvalue(cash, value)->notify_fund(cash, value, fundvalue, shares)，可以做每日報告

示例代碼

from datetime import datetime
import backtrader
from loguru import logger
import matplotlib.pyplot as plt
from utils import get_k_data


class MyStrategy1(backtrader.Strategy):  # 策略
    def __init__(self):
        # 初始化交易指令、買賣價格和手續(xù)費
        self.close_price = self.datas[0].close  # 這里加一個數(shù)據(jù)引用，方便后續(xù)操作
        self.sma = backtrader.indicators.SimpleMovingAverage(self.datas[0], period=5)  # 借用這個策略，計算5日的均線

    def notify_order(self, order):  # 當訂單狀態(tài)變化時觸發(fā)
        # 通知訂單狀態(tài)
        if order.status in [order.Submitted, order.Accepted]:  # 接受訂單交易，正常情況
            return
        if order.status in [order.Completed]:
            if order.isbuy():
                logger.debug('已買入, 購入金額 {:.2f}, 費用 {:.2f} ,手續(xù)費{:.2f}'.format(
                    order.executed.price, order.executed.value, order.executed.comm))
            elif order.issell():
                logger.debug('已賣出, 賣出金額 {:.2f}, 費用 {:.2f} ,手續(xù)費{:.2f}'.format(
                    order.executed.price, order.executed.value, order.executed.comm))
        elif order.status in [order.Canceled, order.Margin, order.Rejected]:
            logger.debug('訂單取消、保證金不足、金額不足拒絕交易')

    def notify_trade(self, trade):
        if not trade.isclosed:
            return
        logger.debug('交易利潤, 毛利潤 {:.2}, 凈利潤 {:.2}'.format(trade.pnl, trade.pnlcomm))

    def notify_cashvalue(self, cash, value):
        # 現(xiàn)金，總價值
        logger.info('notify_cashvalue報告 —— 今天是：{}，當前現(xiàn)金：{}，總價值：{}', self.datetime.date(), cash, value)

    def notify_fund(self, cash, value, fundvalue, shares):
        # 當前現(xiàn)金、現(xiàn)有總價值、基金價值和股份份額
        logger.info('notify_fund報告 —— 今天是：{}，現(xiàn)金：{}，總價值：{}', self.datetime.date(), cash, value)

    def next(self):  # 固定的函數(shù)，框架執(zhí)行過程中會不斷循環(huán)next()，過一個K線，執(zhí)行一次next()
        # 此時調(diào)用 self.datas[0]即可查看當天的數(shù)據(jù)
        # 執(zhí)行買入條件判斷：當天收盤價格突破5日均線
        if self.close_price[0] > self.sma[0]:
            # 執(zhí)行買入
            logger.debug('buy 500 in {}, 預期購入金額 {}, 剩余可用資金 {}', self.datetime.date(), self.data.close[0],
                         self.broker.getcash())
            self.buy(size=500, price=self.data.close[0])
        # 執(zhí)行賣出條件已有持倉，且收盤價格跌破5日均線
        if self.position:
            if self.close_price[0] < self.sma[0]:
                # 執(zhí)行賣出
                logger.debug('sell in {}, 預期賣出金額 {}, 剩余可用資金 {}', self.datetime.date(), self.data.close[0],
                             self.broker.getcash())
                self.sell(size=500, price=self.data.close[0])


if __name__ == '__main__':
    # 獲取數(shù)據(jù)
    start_time = datetime(2015, 1, 1)
    end_time = datetime(2021, 1, 1)
    dataframe = get_k_data('600519', begin=start_time, end=end_time)
    # =============== 為系統(tǒng)注入數(shù)據(jù) =================
    # 加載數(shù)據(jù)
    data = backtrader.feeds.PandasData(dataname=dataframe, fromdate=start_time, todate=end_time)
    # 初始化cerebro回測系統(tǒng)
    cerebral_system = backtrader.Cerebro()  # Cerebro引擎在后臺創(chuàng)建了broker(經(jīng)紀人)實例，系統(tǒng)默認每個broker的初始資金量為10000
    # 將數(shù)據(jù)傳入回測系統(tǒng)
    cerebral_system.adddata(data)  # 導入數(shù)據(jù)，在策略中使用 self.datas 來獲取數(shù)據(jù)源
    # 將交易策略加載到回測系統(tǒng)中
    cerebral_system.addstrategy(MyStrategy1)
    # =============== 系統(tǒng)設置 ==================
    # 設置啟動資金為 100000
    start_cash = 1000000
    cerebral_system.broker.setcash(start_cash)
    # 設置手續(xù)費 萬2.5
    cerebral_system.broker.setcommission(commission=0.00025)
    logger.debug('初始資金: {} 回測期間：from {} to {}'.format(start_cash, start_time, end_time))
    # 運行回測系統(tǒng)
    cerebral_system.run()
    # 獲取回測結束后的總資金
    portvalue = cerebral_system.broker.getvalue()
    pnl = portvalue - start_cash
    # 打印結果
    logger.debug('凈收益: {}', pnl)
    logger.debug('總資金: {}', portvalue)
    cerebral_system.plot(style='candlestick')
    plt.show()

其中utils中的get_k_data函數(shù)如下：

import efinance
import pandas as pd
from datetime import datetime


def get_k_data(stock_code, begin: datetime, end: datetime) -> pd.DataFrame:
    '''
    根據(jù)efinance工具包獲取股票數(shù)據(jù)
    :param stock_code:股票代碼
    :param begin: 開始日期
    :param end: 結束日期
    :return:
    '''
    # stock_code = '600519'  # 股票代碼，茅臺
    k_dataframe: pd.DataFrame = efinance.stock.get_quote_history(
        stock_code, beg=begin.strftime('%Y%m%d'), end=end.strftime('%Y%m%d'))
    k_dataframe = k_dataframe.iloc[:, :9]
    k_dataframe.columns = ['name', 'code', 'date', 'open', 'close', 'high', 'low', 'volume', 'turnover']
    k_dataframe.index = pd.to_datetime(k_dataframe.date)
    k_dataframe.drop(['name', 'code', 'date'], axis=1, inplace=True)
    return k_dataframe