Python自动化交易学习笔记（十一）——引入了移动平均值这一技术指标，股票比亚迪002594

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
from __future__ import (absolute_import, division, print_function,
                        unicode_literals)
import datetime  # 用于datetime对象操作
import os.path  # 用于管理路径
import sys  # 用于在argvTo[0]中找到脚本名称
import backtrader as bt # 引入backtrader框架
 
# 创建策略
class TestStrategy(bt.Strategy):
    params = (
        ('maperiod', 15),
    )
    def log(self, txt, dt=None):
        ''' 策略的日志函数'''
        dt = dt or self.datas[0].datetime.date(0)
        print('%s, %s' % (dt.isoformat(), txt))
    def __init__(self):
        # 引用data[0]数据的收盘价数据
        self.dataclose = self.datas[0].close
        # 用于记录订单状态
        self.order = None
        self.buyprice = None
        self.buycomm = None
        # 添加MovingAverageSimple指标
        self.sma = bt.indicators.SimpleMovingAverage(
            self.datas[0], period = self.params.maperiod)
    def notify_order(self, order):
        if order.status in [order.Submitted, order.Accepted]:
            # 提交给代理或者由代理接收的买/卖订单 - 不做操作
            return
        # 检查订单是否执行完毕
        # 注意：如果没有足够资金，代理会拒绝订单
        if order.status in [order.Completed]:
            if order.isbuy():
                self.log(
                    '买入执行, 价格: %.2f, 成交金额: %.2f, 佣金 %.2f' %
                    (order.executed.price,
                     order.executed.value,
                     order.executed.comm))
                self.buyprice = order.executed.price
                self.buycomm = order.executed.comm
            else: # 卖
                self.log('卖出执行, 价格: %.2f, 成交额度: %.2f, 佣金 %.2f' %
                         (order.executed.price,
                          order.executed.value,
                          order.executed.comm))
            self.bar_executed = len(self)
        elif order.status in [order.Canceled, order.Margin, order.Rejected]:
            self.log('Order Canceled/Margin/Rejected')
        # 无等待处理订单
        self.order = None
    def notify_trade(self, trade):
        if not trade.isclosed:
            return
        self.log('本次交易赢亏, 本次赢亏 %.2f, 本次赢亏（含佣金） %.2f' %
                 (trade.pnl, trade.pnlcomm))
    def next(self):
        # 日志输出收盘价数据
        self.log('收盘价, %.2f' % self.dataclose[0])
        # 检查是否有订单等待处理，如果是就不再进行其他下单
        if self.order:
            return
        # 检查是否已经进场
        if not self.position:
            # 还未进场，则只能进行买入
            # 当日收盘价小于前一日收盘价
            # 当收盘价大于均线值时
            if self.dataclose[0] > self.sma[0]:
                # 买买买
                self.log('买入, %.2f' % self.dataclose[0])
                # 记录订单避免二次下单
                self.order = self.buy()
        # 如果已经在场内，则可以进行卖出操作
        else:
            # 卖卖卖
            if self.dataclose[0] < self.sma[0]:
                self.log('卖出, %.2f' % self.dataclose[0])
                # 记录订单避免二次下单
                self.order = self.sell()
 
# 创建cerebro实体
cerebro = bt.Cerebro()
# 添加策略
cerebro.addstrategy(TestStrategy)
# 先找到脚本的位置，然后根据脚本与数据的相对路径关系找到数据位置
# 这样脚本从任意地方被调用，都可以正确地访问到数据
modpath = os.path.dirname(os.path.abspath(sys.argv[0]))
datapath = os.path.join(modpath, 'F:/GZH/自动化交易/历史数据/sz.002594_2017-06-01-2021-12-31.csv')
# 创建价格数据
data = bt.feeds.GenericCSVData(
    dataname = datapath,
    fromdate = datetime.datetime(2020, 10, 1),
    todate = datetime.datetime(2021, 2, 28),
    nullvalue = 0.0,
    dtformat = ('%Y/%m/%d'),
    datetime = 0,
    open = 1,
    high = 2,
    low = 3,
    close = 4,
    volume = 5,
    openinterest = -1
)
# 在Cerebro中添加价格数据
cerebro.adddata(data)
# 设置启动资金
cerebro.broker.setcash(100000.0)
# 设置交易单位大小
cerebro.addsizer(bt.sizers.FixedSize, stake = 100)
# 设置佣金为千分之一
cerebro.broker.setcommission(commission=0.001)
# 打印开始信息
print('开始资产: %.2f' % cerebro.broker.getvalue())
# 遍历所有数据
cerebro.run()
# 打印最后结果
print('最终资产: %.2f' % cerebro.broker.getvalue())

　　

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
C:\Python38\python.exe F:/test/src/com/gzh/demo11.py
开始资产: 100000.00
2020-10-29, 收盘价, 158.38
2020-10-29, 买入, 158.38
2020-10-30, 买入执行, 价格: 160.00, 成交金额: 16000.00, 佣金 16.00
2020-10-30, 收盘价, 159.81
2020-11-02, 收盘价, 167.98
2020-11-03, 收盘价, 164.08
2020-11-04, 收盘价, 168.03
2020-11-05, 收盘价, 184.83
2020-11-06, 收盘价, 190.44
2020-11-09, 收盘价, 190.95
2020-11-10, 收盘价, 182.58
2020-11-11, 收盘价, 164.35
2020-11-12, 收盘价, 169.33
2020-11-13, 收盘价, 175.90
2020-11-16, 收盘价, 170.02
2020-11-17, 收盘价, 167.00
2020-11-17, 卖出, 167.00
2020-11-18, 卖出执行, 价格: 165.88, 成交额度: 16000.00, 佣金 16.59
2020-11-18, 本次交易赢亏, 本次赢亏 588.00, 本次赢亏（含佣金） 555.41
2020-11-18, 收盘价, 167.00
2020-11-19, 收盘价, 161.62
2020-11-20, 收盘价, 176.06
2020-11-20, 买入, 176.06
2020-11-23, 买入执行, 价格: 176.90, 成交金额: 17690.00, 佣金 17.69
2020-11-23, 收盘价, 184.20
2020-11-24, 收盘价, 184.19
2020-11-25, 收盘价, 183.53
2020-11-26, 收盘价, 175.82
2020-11-26, 卖出, 175.82
2020-11-27, 卖出执行, 价格: 175.31, 成交额度: 17690.00, 佣金 17.53
2020-11-27, 本次交易赢亏, 本次赢亏 -159.00, 本次赢亏（含佣金） -194.22
2020-11-27, 收盘价, 174.10
2020-11-30, 收盘价, 172.15
2020-12-01, 收盘价, 176.81
2020-12-01, 买入, 176.81
2020-12-02, 买入执行, 价格: 171.10, 成交金额: 17110.00, 佣金 17.11
2020-12-02, 收盘价, 169.75
2020-12-02, 卖出, 169.75
2020-12-03, 卖出执行, 价格: 169.75, 成交额度: 17110.00, 佣金 16.98
2020-12-03, 本次交易赢亏, 本次赢亏 -135.00, 本次赢亏（含佣金） -169.08
2020-12-03, 收盘价, 171.09
2020-12-04, 收盘价, 171.86
2020-12-07, 收盘价, 175.29
2020-12-07, 买入, 175.29
2020-12-08, 买入执行, 价格: 178.10, 成交金额: 17810.00, 佣金 17.81
2020-12-08, 收盘价, 177.97
2020-12-09, 收盘价, 173.24
2020-12-09, 卖出, 173.24
2020-12-10, 卖出执行, 价格: 168.00, 成交额度: 17810.00, 佣金 16.80
2020-12-10, 本次交易赢亏, 本次赢亏 -1010.00, 本次赢亏（含佣金） -1044.61
2020-12-10, 收盘价, 169.52
2020-12-11, 收盘价, 167.00
2020-12-14, 收盘价, 170.20
2020-12-15, 收盘价, 174.70
2020-12-15, 买入, 174.70
2020-12-16, 买入执行, 价格: 176.00, 成交金额: 17600.00, 佣金 17.60
2020-12-16, 收盘价, 171.87
2020-12-16, 卖出, 171.87
2020-12-17, 卖出执行, 价格: 171.18, 成交额度: 17600.00, 佣金 17.12
2020-12-17, 本次交易赢亏, 本次赢亏 -482.00, 本次赢亏（含佣金） -516.72
2020-12-17, 收盘价, 171.79
2020-12-18, 收盘价, 176.00
2020-12-18, 买入, 176.00
2020-12-21, 买入执行, 价格: 176.50, 成交金额: 17650.00, 佣金 17.65
2020-12-21, 收盘价, 193.60
2020-12-22, 收盘价, 184.00
2020-12-23, 收盘价, 186.79
2020-12-24, 收盘价, 183.00
2020-12-25, 收盘价, 185.22
2020-12-28, 收盘价, 187.93
2020-12-29, 收盘价, 178.60
2020-12-30, 收盘价, 186.00
2020-12-31, 收盘价, 194.30
2021-01-04, 收盘价, 206.76
2021-01-05, 收盘价, 219.90
2021-01-06, 收盘价, 216.30
2021-01-07, 收盘价, 225.04
2021-01-08, 收盘价, 227.51
2021-01-11, 收盘价, 234.86
2021-01-12, 收盘价, 236.99
2021-01-13, 收盘价, 239.30
2021-01-14, 收盘价, 223.95
2021-01-15, 收盘价, 225.20
2021-01-18, 收盘价, 221.69
2021-01-19, 收盘价, 216.20
2021-01-19, 卖出, 216.20
2021-01-20, 卖出执行, 价格: 219.90, 成交额度: 17650.00, 佣金 21.99
2021-01-20, 本次交易赢亏, 本次赢亏 4340.00, 本次赢亏（含佣金） 4300.36
2021-01-20, 收盘价, 222.00
2021-01-20, 买入, 222.00
2021-01-21, 买入执行, 价格: 220.00, 成交金额: 22000.00, 佣金 22.00
2021-01-21, 收盘价, 235.52
2021-01-22, 收盘价, 242.92
2021-01-25, 收盘价, 260.00
2021-01-26, 收盘价, 254.22
2021-01-27, 收盘价, 257.00
2021-01-28, 收盘价, 244.36
2021-01-29, 收盘价, 247.00
2021-02-01, 收盘价, 246.89
2021-02-02, 收盘价, 267.50
2021-02-03, 收盘价, 263.00
2021-02-04, 收盘价, 259.90
2021-02-05, 收盘价, 249.00
2021-02-08, 收盘价, 250.20
2021-02-09, 收盘价, 257.00
2021-02-10, 收盘价, 266.95
2021-02-18, 收盘价, 258.99
2021-02-19, 收盘价, 257.35
2021-02-22, 收盘价, 239.52
2021-02-22, 卖出, 239.52
2021-02-23, 卖出执行, 价格: 229.59, 成交额度: 22000.00, 佣金 22.96
2021-02-23, 本次交易赢亏, 本次赢亏 959.00, 本次赢亏（含佣金） 914.04
2021-02-23, 收盘价, 225.00
2021-02-24, 收盘价, 208.99
2021-02-25, 收盘价, 209.25
2021-02-26, 收盘价, 197.27
最终资产: 103845.18
 
Process finished with exit code 0

　　

Demo11主要介绍如何引入技术指标数据，通过引入技术指标来添加新的策略。在程序中，引入了移动平均值这一技术指标：

当收盘价大于移动平均值时买入
如果在场内，当收盘价小于移动平均值时卖出
只允许单笔交易，即如果场内目前已经有买入资产，不允许再次买入
之前版本的大部分代码可以继续保留，只需策略init方法内添加下列代码：

?
1
2
3
# 添加MovingAverageSimple指标
   self.sma = bt.indicators.SimpleMovingAverage(
       self.datas[0], period = self.params.maperiod)

　　

 

 

比亚迪002597数据-从输出日志可以看出，输出时间不再像之前程序版本那样从2020年10月29日开始有输出记录，而是变为从2020年10月30日才有输出记录，这是由于backtrader根据策略进行了调整：

策略中新添加了移动平均值这一技术指标
移动平均值指标需要X根日线来计算，在本例中X=15
2020年10月30日是第15根日线出现的时间
backtrader会自动根据策略中所使用到的指标，自动调整至所有指标都有有效数值后才开始进行回测：

next方法在指标经过最小的时间周期，能够计算出有效数值以后才会第一次被调用
Demo11中只引入了一个指标，多指标时同样适用
可以看到，Demo11策略最后的结果要稍优于之前连续下跌2天后买入的策略，这不是一个必然的结果，在不同时间段、不同股票上做回测就可能得到不同的结果。demo10主要是演示如果在策略中引入技术指标。


为了便于相互交流学习，新建了微信群，感兴趣的读者请加微信。

 

posted @   A汉克先生  阅读(548)  评论(0)  编辑  收藏  举报
编辑推荐：
· 从 HTTP 原因短语缺失研究 HTTP/2 和 HTTP/3 的设计差异
· AI与.NET技术实操系列：向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列：如何用heaptrack跟踪.NET程序的非托管内存泄露
· 开发者必知的日志记录最佳实践
阅读排行：
· TypeScript + Deepseek 打造卜卦网站：技术与玄学的结合
· Manus的开源复刻OpenManus初探
· AI 智能体引爆开源社区「GitHub 热点速览」
· 从HTTP原因短语缺失研究HTTP/2和HTTP/3的设计差异
· 三行代码完成国际化适配，妙~啊~
历史上的今天：
2019-06-18 git下载安装
点击右上角即可分享
微信分享提示
SQL AI 助手