量化交易学习-RSI策略3
Signal方式
最近发现Backtrader还提供一种Signal的方式来编辑策略，正好最近又看了一本书里面有一个RSI策略的例子用的就是Signal的方式，就分享出来。
首先大概介绍下Backtrader的Signal策略编译方式。有不懂的查阅官方文档
官方的例子是这样的
class MySignal(bt.Indicator):
lines = ('signal',)
params = (('period', 30),)
def __init__(self):
self.lines.signal = self.data - bt.indicators.SMA(period=self.p.period)
如果self.lines.signal
大于零 就是多头信号
小于零 就是空头信号
等于 0 没有信号
backtrader里有五种不同的Signal，分Main和Exit两组。
Main 组：
LONGSHORT: 接受多头和空头两种技术信号。
比如官方的例子：
import backtrader as bt
data = bt.feeds.OneOfTheFeeds(dataname='mydataname')
cerebro.adddata(data)
cerebro.add_signal(bt.SIGNAL_LONGSHORT, MySignal)
cerebro.run()
用的就是SIGNAL_LONGSHORT
LONG:
- 接受为多头信号
- 如果有LONGEXIT，那用来平仓这个多头仓位
- 如果有SHORT没有 LONGEXIT，会先平仓这个多头仓位再来一个空头单子。
SHORT： - 接受空头信号
- 如果有SHORTEXIT，那用来平仓这个空头仓位
- 如果有LONG没有SHORTEXIT，会先平仓这个空头仓位再来一个多头单子。
Exit 组:
- LONGEXIT: 空头信号用来平掉多头仓位
- SHORTEXIT: 多头信号用来平掉空头仓位
基本策略
- 当股票的14日RSI值到达超卖信号30时做多，达到50时平仓
- 当股票的14日RSI值到达超买信号70时做空，达到50时平仓
放代码
from datetime import datetime
import backtrader as bt
from MyBuySell import MyBuySell
import os.path # To manage paths
import sys # To find out the script name (in argv[0])
# create a Stratey
class RsiSignalStrategy(bt.SignalStrategy):
params = dict(
rsi_periods=14,
rsi_upper=70,
rsi_lower=30,
rsi_mid=50
)
def __init__(self):
# add RSI indicator
rsi = bt.indicators.RSI(period=self.p.rsi_periods,
upperband=self.p.rsi_upper,
lowerband=self.p.rsi_lower)
# add RSI from TA-lib just for reference
bt.talib.RSI(self.data, plotname='TA_RSI')
# long condition (with exit)
rsi_signal_long = bt.ind.CrossUp(rsi, self.p.rsi_lower, plot=False)
# 加入多头信号一，就是14日RSI值上穿30
self.signal_add(bt.SIGNAL_LONG, rsi_signal_long)
# LONGEXIT: short indications are taken to exit long positions
# 加入多头退出信号，14日RSi值大于50
self.signal_add(bt.SIGNAL_LONGEXIT, -(rsi > self.p.rsi_mid))
# short condition (with exit)
rsi_signal_short = -bt.ind.CrossDown(rsi, self.p.rsi_upper, plot=False)
# 加入空头信号，也就是14日RSI值下穿70。
self.signal_add(bt.SIGNAL_SHORT, rsi_signal_short)
# SHORTEXIT: long indications are taken to exit short positions
# 加入空头退出信号，14日RSi值小于50
self.signal_add(bt.SIGNAL_SHORTEXIT, rsi < self.p.rsi_mid)
# Datas are in a subfolder of the samples. Need to find where the script is
# because it could have been called from anywhere
modpath = os.path.dirname(os.path.abspath(sys.argv[0]))
datapath = os.path.join(modpath, '600519-1.csv')
# Create a Data Feed
data = bt.feeds.GenericCSVData(
dataname=datapath,
nullvalue=0.0,
dtformat=('%Y-%m-%d'),
datetime=0,
open=1,
high=2,
low=3,
close=4,
volume=5,
openinterest=-1
)
# create a Cerebro entity
cerebro = bt.Cerebro(stdstats = False)
# # set up the backtest
cerebro.addstrategy(RsiSignalStrategy)
cerebro.adddata(data)
cerebro.broker.setcash(1000.0)
cerebro.broker.setcommission(commission=0.001)
cerebro.addobserver(MyBuySell)
cerebro.addobserver(bt.observers.Value)
cerebro.run()
cerebro.plot(iplot=True, volume=False)
结果看起来，我感觉抓的还是挺准的
用到的CSV文件，看我RSI策略的前面二篇
量化交易学习-RSI策略1
量化交易学习-RSI策略2
其中用到的MyBuySell.py代码
import backtrader as bt
class MyBuySell(bt.observers.BuySell):
plotlines = dict(
buy=dict(marker='^', markersize=8.0, color='blue', fillstyle='full'),
sell=dict(marker='v', markersize=8.0, color='red', fillstyle='full')
)
希望大家多给我意见。本人没有什么编程背景，有任何问题，欢迎在本文下方留言，或者将问题发送至邮箱： taohjk@hotmail.com
谢谢大家！
免责声明
本内容仅作为学术参考和代码实例，仅供参考，不对投资决策提供任何建议。本人不承担任何人因使用本系列中任何策略、观点等内容造成的任何直接或间接损失。
