import datetime
import pandas as pd
import backtrader as bt
import matplotlib.pyplot as plt
from datetime import datetime
import matplotlib
import akshare as ak
%matplotlib inline
class Boll_strategy(bt.Strategy):#自定義參數,每次買入1800手params=(('size',1800),)def __init__(self):self.dataclose=self.datas[0].closeself.order=Noneself.buyprice=Noneself.buycomm=None##使用自帶的indicators中自帶的函數計算出支撐線和壓力線,period設置周期,默認是20self.lines.top=bt.indicators.BollingerBands(self.datas[0],period=20).topself.lines.bot=bt.indicators.BollingerBands(self.datas[0],period=20).botdef next(self):if not self.position:if self.dataclose<=self.lines.bot[0]:#執行買入self.order=self.buy(size=self.params.size)else:if self.dataclose>=self.lines.top[0]:#執行賣出self.order=self.sell(size=self.params.size)# 利用 AKShare 獲取股票的后復權數據,這里只獲取前 6 列
stock_hfq_df = ak.stock_zh_a_hist(symbol="600309", adjust="hfq").iloc[:, :6]
# 處理字段命名,以符合 Backtrader 的要求
stock_hfq_df.columns = [
'date',
'open',
'close',
'high',
'low',
'volume',
]
# 把 date 作為日期索引,以符合 Backtrader 的要求
stock_hfq_df.index = pd.to_datetime(stock_hfq_df['date'])
start_date = datetime(1991, 4, 3) # 回測開始時間
end_date = datetime(2022, 6, 16) # 回測結束時間
data = bt.feeds.PandasData(dataname=stock_hfq_df, fromdate=start_date, todate=end_date) # 加載數據
# 初始化cerebro回測系統設置
cerebro=bt.Cerebro()
#將數據傳入回測系統
cerebro.adddata(data)
# 將交易策略加載到回測系統中
cerebro.addstrategy(Boll_strategy)
# 設置初始資本為10,000
startcash=1000000
cerebro.broker.setcash(startcash)
# 設置交易手續費為 0.25%
cerebro.broker.setcommission(commission=0.001)
#運行回測系統
cerebro.run()
#獲取回測結束后的總資金
portvalue=cerebro.broker.getvalue()
pnl=portvalue-startcash
#打印結果
print(f'總資金: {round(portvalue,2)}')
#最后可視化
cerebro.plot()