Backtrader 文档学习-Data Feeds（下）

Backtrader 文档学习-Data Feeds（下）

1. Data Resampling

当数据仅在单个时间范围内可用，需要在不同的时间范围内进行分析时，就需要进行一些重采样。
“重采样”实际上应该称为“上采样”，因为它是从一个源时间区间到一个更大的时间区间(例如：几天到几周)
语法：

cerebro.resampledata(data, timeframe=bt.TimeFrame.Minutes, compression=1)

两个目的：

  • 改变时间区间
  • 压缩数据 bar数量
    注意：
    如果采用了resmaple方法，则数据不会预加载preload。

参数：

  • data: bt数据源
  • timeframe：用于指定合成结果(Ticks, MicroSeconds, Seconds, Minutes, Days, Weeks, Months, Years, NoTimeFrame)
  • compression：设置bar的条数进一步压缩合并，如resmaple初次合成为周数据后，每根bar是周线。如设置compression=2，则进一步将两条周数据bar压缩成 一根bar为两周数据。

前置条件：

  • 最小粒度的数据必须被第一个加入到Cerebro实例中
  • 数据必须按照日期时间升序排列
  • 大粒度数据的使用有可能使得策略的最小周期变大
  • 若使用不同时间粒度的指标进行运算，则要采用cerebro.run(runonce=False) 若策略中使用了不同时间粒度的指标进行运算，不能用cerebro.run()

程序：

from __future__ import (absolute_import, division, print_function,
                        unicode_literals)

import argparse

import backtrader as bt
import backtrader.feeds as btfeeds


def runstrat():
    args = parse_args()

    # Create a cerebro entity
    cerebro = bt.Cerebro(stdstats=False)

    # Add a strategy
    cerebro.addstrategy(bt.Strategy)

    # Load the Data
    datapath = args.dataname or './datas/2006-day-001.txt'
    data = btfeeds.BacktraderCSVData(dataname=datapath)

    # Handy dictionary for the argument timeframe conversion
    tframes = dict(
        daily=bt.TimeFrame.Days,
        weekly=bt.TimeFrame.Weeks,
        monthly=bt.TimeFrame.Months)

    # Add the resample data instead of the original
    cerebro.resampledata(data,
                         timeframe=tframes[args.timeframe],
                         compression=args.compression)

    # Run over everything
    cerebro.run()

    # Plot the result
    cerebro.plot(style='bar')


def parse_args():
    parser = argparse.ArgumentParser(
        description='Pandas test script')

    parser.add_argument('--dataname', default='', required=False,
                        help='File Data to Load')

    parser.add_argument('--timeframe', default='weekly', required=False,
                        choices=['daily', 'weekly', 'monthly'],
                        help='Timeframe to resample to')

    parser.add_argument('--compression', default=1, required=False, type=int,
                        help='Compress n bars into 1')

    return parser.parse_args()


if __name__ == '__main__':
    runstrat()

执行效果：

（1）日线

python ./resampling-example.py
在这里插入图片描述

（2）周线

python ./resampling-example.py --timeframe weekly --compression 1

在这里插入图片描述

（3）月线

python ./resampling-example.py --timeframe monthly --compression 1

在这里插入图片描述

2. Data - Replay

  • 策略使用数据区间X ，假设是日线
  • 数据需要更小的时间区间Y，比如分钟线可用
    replay 实现：
  • 用分钟线重演替代日线

用分钟线模拟日线当然不是市场精确的走势，但比孤立地等待每天完全形成的日线好得多。
如果策略定义在日线中实时运行处理，日线形成的近似值就可能在真实条件下重演策略的实际操作。
语法：

cerebro.replaydata(data,timeframe,compression)

参数与resample一样。

程序：

from __future__ import (absolute_import, division, print_function,
                        unicode_literals)

import argparse

import backtrader as bt
import backtrader.feeds as btfeeds
import backtrader.indicators as btind


class SMAStrategy(bt.Strategy):
    params = (
        ('period', 10),
        ('onlydaily', False),
    )

    def __init__(self):
        self.sma = btind.SMA(self.data, period=self.p.period)

    def start(self):
        self.counter = 0

    def prenext(self):
        self.counter += 1
        print('prenext len %d - counter %d' % (len(self), self.counter))

    def next(self):
        self.counter += 1
        print('---next len %d - counter %d' % (len(self), self.counter))


def runstrat():
    args = parse_args()

    # Create a cerebro entity
    cerebro = bt.Cerebro(stdstats=False)

    cerebro.addstrategy(
        SMAStrategy,
        # args for the strategy
        period=args.period,
    )

    # Load the Data
    datapath = args.dataname or './datas/2006-day-001.txt'
    data = btfeeds.BacktraderCSVData(dataname=datapath)

    # Handy dictionary for the argument timeframe conversion
    tframes = dict(
        daily=bt.TimeFrame.Days,
        weekly=bt.TimeFrame.Weeks,
        monthly=bt.TimeFrame.Months)

    # First add the original data - smaller timeframe
    cerebro.replaydata(data,
                       timeframe=tframes[args.timeframe],
                       compression=args.compression)

    # Run over everything
    cerebro.run()

    # Plot the result
    cerebro.plot(style='bar')


def parse_args():
    parser = argparse.ArgumentParser(
        description='Pandas test script')

    parser.add_argument('--dataname', default='', required=False,
                        help='File Data to Load')

    parser.add_argument('--timeframe', default='weekly', required=False,
                        choices=['daily', 'weekly', 'monthly'],
                        help='Timeframe to resample to')

    parser.add_argument('--compression', default=1, required=False, type=int,
                        help='Compress n bars into 1')

    parser.add_argument('--period', default=10, required=False, type=int,
                        help='Period to apply to indicator')

    return parser.parse_args()


if __name__ == '__main__':
    runstrat()
（1）日线replay

python replaying_example.py --timeframe daily --compression 2

prenext len 1 - counter 1
prenext len 1 - counter 2
prenext len 2 - counter 3
prenext len 2 - counter 4
prenext len 3 - counter 5
prenext len 3 - counter 6
prenext len 4 - counter 7
prenext len 4 - counter 8
prenext len 5 - counter 9
prenext len 5 - counter 10
prenext len 6 - counter 11
prenext len 6 - counter 12
prenext len 7 - counter 13
prenext len 7 - counter 14
prenext len 8 - counter 15
prenext len 8 - counter 16
prenext len 9 - counter 17
prenext len 9 - counter 18
---next len 10 - counter 19
---next len 10 - counter 20
---next len 11 - counter 21
---next len 11 - counter 22
---next len 12 - counter 23
---next len 12 - counter 24
---next len 13 - counter 25
---next len 13 - counter 26
---next len 14 - counter 27
---next len 14 - counter 28
---next len 15 - counter 29
---next len 15 - counter 30
---next len 16 - counter 31
---next len 16 - counter 32
---next len 17 - counter 33
---next len 17 - counter 34
---next len 18 - counter 35
---next len 18 - counter 36
---next len 19 - counter 37
---next len 19 - counter 38
---next len 20 - counter 39
---next len 20 - counter 40
---next len 21 - counter 41
---next len 21 - counter 42
---next len 22 - counter 43
---next len 22 - counter 44
---next len 23 - counter 45
---next len 23 - counter 46
---next len 24 - counter 47
---next len 24 - counter 48
---next len 25 - counter 49
---next len 25 - counter 50
---next len 26 - counter 51
---next len 26 - counter 52
---next len 27 - counter 53
---next len 27 - counter 54
---next len 28 - counter 55
---next len 28 - counter 56
---next len 29 - counter 57
---next len 29 - counter 58
---next len 30 - counter 59
---next len 30 - counter 60
---next len 31 - counter 61
---next len 31 - counter 62
---next len 32 - counter 63
---next len 32 - counter 64
---next len 33 - counter 65
---next len 33 - counter 66
---next len 34 - counter 67
---next len 34 - counter 68
---next len 35 - counter 69
---next len 35 - counter 70
---next len 36 - counter 71
---next len 36 - counter 72
---next len 37 - counter 73
---next len 37 - counter 74
---next len 38 - counter 75
---next len 38 - counter 76
---next len 39 - counter 77
---next len 39 - counter 78
---next len 40 - counter 79
---next len 40 - counter 80
---next len 41 - counter 81
---next len 41 - counter 82
---next len 42 - counter 83
---next len 42 - counter 84
---next len 43 - counter 85
---next len 43 - counter 86
---next len 44 - counter 87
---next len 44 - counter 88
---next len 45 - counter 89
---next len 45 - counter 90
---next len 46 - counter 91
---next len 46 - counter 92
---next len 47 - counter 93
---next len 47 - counter 94
---next len 48 - counter 95
---next len 48 - counter 96
---next len 49 - counter 97
---next len 49 - counter 98
---next len 50 - counter 99
---next len 50 - counter 100
---next len 51 - counter 101
---next len 51 - counter 102
---next len 52 - counter 103
---next len 52 - counter 104
---next len 53 - counter 105
---next len 53 - counter 106
---next len 54 - counter 107
---next len 54 - counter 108
---next len 55 - counter 109
---next len 55 - counter 110
---next len 56 - counter 111
---next len 56 - counter 112
---next len 57 - counter 113
---next len 57 - counter 114
---next len 58 - counter 115
---next len 58 - counter 116
---next len 59 - counter 117
---next len 59 - counter 118
---next len 60 - counter 119
---next len 60 - counter 120
---next len 61 - counter 121
---next len 61 - counter 122
---next len 62 - counter 123
---next len 62 - counter 124
---next len 63 - counter 125
---next len 63 - counter 126
---next len 64 - counter 127
---next len 64 - counter 128
---next len 65 - counter 129
---next len 65 - counter 130
---next len 66 - counter 131
---next len 66 - counter 132
---next len 67 - counter 133
---next len 67 - counter 134
---next len 68 - counter 135
---next len 68 - counter 136
---next len 69 - counter 137
---next len 69 - counter 138
---next len 70 - counter 139
---next len 70 - counter 140
---next len 71 - counter 141
---next len 71 - counter 142
---next len 72 - counter 143
---next len 72 - counter 144
---next len 73 - counter 145
---next len 73 - counter 146
---next len 74 - counter 147
---next len 74 - counter 148
---next len 75 - counter 149
---next len 75 - counter 150
---next len 76 - counter 151
---next len 76 - counter 152
---next len 77 - counter 153
---next len 77 - counter 154
---next len 78 - counter 155
---next len 78 - counter 156
---next len 79 - counter 157
---next len 79 - counter 158
---next len 80 - counter 159
---next len 80 - counter 160
---next len 81 - counter 161
---next len 81 - counter 162
---next len 82 - counter 163
---next len 82 - counter 164
---next len 83 - counter 165
---next len 83 - counter 166
---next len 84 - counter 167
---next len 84 - counter 168
---next len 85 - counter 169
---next len 85 - counter 170
---next len 86 - counter 171
---next len 86 - counter 172
---next len 87 - counter 173
---next len 87 - counter 174
---next len 88 - counter 175
---next len 88 - counter 176
---next len 89 - counter 177
---next len 89 - counter 178
---next len 90 - counter 179
---next len 90 - counter 180
---next len 91 - counter 181
---next len 91 - counter 182
---next len 92 - counter 183
---next len 92 - counter 184
---next len 93 - counter 185
---next len 93 - counter 186
---next len 94 - counter 187
---next len 94 - counter 188
---next len 95 - counter 189
---next len 95 - counter 190
---next len 96 - counter 191
---next len 96 - counter 192
---next len 97 - counter 193
---next len 97 - counter 194
---next len 98 - counter 195
---next len 98 - counter 196
---next len 99 - counter 197
---next len 99 - counter 198
---next len 100 - counter 199
---next len 100 - counter 200
---next len 101 - counter 201
---next len 101 - counter 202
---next len 102 - counter 203
---next len 102 - counter 204
---next len 103 - counter 205
---next len 103 - counter 206
---next len 104 - counter 207
---next len 104 - counter 208
---next len 105 - counter 209
---next len 105 - counter 210
---next len 106 - counter 211
---next len 106 - counter 212
---next len 107 - counter 213
---next len 107 - counter 214
---next len 108 - counter 215
---next len 108 - counter 216
---next len 109 - counter 217
---next len 109 - counter 218
---next len 110 - counter 219
---next len 110 - counter 220
---next len 111 - counter 221
---next len 111 - counter 222
---next len 112 - counter 223
---next len 112 - counter 224
---next len 113 - counter 225
---next len 113 - counter 226
---next len 114 - counter 227
---next len 114 - counter 228
---next len 115 - counter 229
---next len 115 - counter 230
---next len 116 - counter 231
---next len 116 - counter 232
---next len 117 - counter 233
---next len 117 - counter 234
---next len 118 - counter 235
---next len 118 - counter 236
---next len 119 - counter 237
---next len 119 - counter 238
---next len 120 - counter 239
---next len 120 - counter 240
---next len 121 - counter 241
---next len 121 - counter 242
---next len 122 - counter 243
---next len 122 - counter 244
---next len 123 - counter 245
---next len 123 - counter 246
---next len 124 - counter 247
---next len 124 - counter 248
---next len 125 - counter 249
---next len 125 - counter 250
---next len 126 - counter 251
---next len 126 - counter 252
---next len 127 - counter 253
---next len 127 - counter 254
---next len 128 - counter 255

在这里插入图片描述

（2）周线replay

python ./resampling-example.py --timeframe weekly --compression 1
在这里插入图片描述

（3）月线replay

python ./resampling-example.py --timeframe monthly --compression 1
在这里插入图片描述

3. Replay和Resample 应用说明

Replay和Resample 应用场景：

（1）Replay

在 BackTrader 框架中主要用于回放历史数据，以在策略中进行回测和验证。以下是其应用场景的一些示例：

  • 策略回测：开发了一个新的交易策略后，可以使用 cerebro.replaydata() 方法将历史数据输入到该策略中，以评估其性能。通过回放历史数据，可以了解策略在实际市场环境中的表现，并对其参数进行优化。
  • 系统验证：已经开发了一个交易系统，希望对其性能进行测试和验证。可以使用 cerebro.replaydata() 方法将历史数据输入到该系统中，以检查其是否能够有效地跟随市场趋势，并对其性能进行评估。
  • 风险管理：在开发交易策略时，了解风险管理是很重要的。通过使用 cerebro.replaydata() 方法回放历史数据，可以模拟策略在各种市场条件下的风险状况，并制定相应的风险管理措施。
  • 算法交易：对于开发基于算法的交易策略，使用 cerebro.replaydata() 方法回放历史数据可以帮助测试和验证算法的正确性。通过将算法应用于历史数据，可以了解其在不同市场条件下的表现，并对算法进行调整和优化。
（2）Resample

在 BackTrader 框架中主要用于对数据进行重采样，以适应不同的时间间隔或频率。以下是其应用场景的一些示例：

  • 时间间隔转换：有时，原始数据的时间间隔可能不适合策略或分析需求。例如，原始数据可能是每分钟获取的，但策略需要更长的时间间隔，如每小时或每天。在这种情况下，可以使用 cerebro.resampledata() 方法将数据重采样到所需的时间间隔。
  • 数据平滑：重采样数据还可以用于数据平滑。通过将数据重采样到更大的时间间隔，可以减少数据的波动性，从而更好地观察市场趋势和模式。这对于策略开发和验证非常有用，因为它可以帮助消除短期噪音并突出长期趋势。
  • 跨市场对齐：如果策略需要在多个市场进行交易，而这些市场的数据时间间隔不同，那么可以使用 cerebro.resampledata() 方法将不同市场的数据进行对齐。这样可以确保所有数据都以相同的频率进行分析和处理，以实现一致性和可比性。
  • 预测模型：对于基于预测的策略，使用重采样数据可能更为关键。一些预测模型可能需要特定频率的数据输入，如每日收盘价而不是更高频率的数据。通过使用 cerebro.resampledata() 方法，可以将数据调整为预测模型的输入要求。

4.Data Rollover

貌似处理期货交割的时间连续性。

import backtrader as bt

cerebro = bt.Cerebro()
data0 = bt.feeds.MyFeed(dataname='Expiry0')
data1 = bt.feeds.MyFeed(dataname='Expiry1')
...
dataN = bt.feeds.MyFeed(dataname='ExpiryN')

drollover = bt.feeds.RollOver(data0, data1, ..., dataN, dataname='MyRoll', **kwargs)
cerebro.adddata(drollover)

cerebro.run()

没有数据，无法测试理解。

5. Filters

应用场景没有明白，暂时放一下。

其他的除了Panda ，用Panda 加载数据前面应用多次了，其他也没有应用场景。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/259083.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

flutter使用Positioned将控件定位到底部中间

flutter使用Positioned将控件定位到底部中间

文章目录 场景描述示例解释 场景描述 要将Positioned定位到屏幕底部中间的位置，你可以使用MediaQuery来获取屏幕的高度，然后设置Positioned的bottom属性和left或right属性，一般我们left和right都会设置一个值让控制置于合适的位置&#xff0…
阅读更多...
DHorse v1.5.0 发布，基于 k8s 的发布平台

DHorse v1.5.0 发布，基于 k8s 的发布平台

版本说明 新增特性 支持同一机器部署多个DHorse服务；支持Next、.NET应用部署；优化Node、Nuxt应用构建和部署的性能；默认使用fabric8客户端与k8s集群交互，可以通过指定参数-Dkubernetes-clientofficial切回到k8s官方客户端&#…
阅读更多...
Java将枚举类转为json返回给前端

Java将枚举类转为json返回给前端

Java将枚举类转为json返回给前端 1.后端将枚举类直接返回给前端时只会显示枚举名称2.使用 JsonFormat 注解可以将枚举类转为json再返回给前端。2.1添加maven依赖2.2在枚举类上添加JsonFormat(shape JsonFormat.Shape.OBJECT)2.3编写接口返回给前端 1.后端将枚举类直接返回给前…
阅读更多...
构建陪诊预约系统：技术实战指南

构建陪诊预约系统：技术实战指南

在医疗科技的飞速发展中，陪诊预约系统的应用为患者和陪诊人员提供了更为便捷和贴心的服务。本文将带领您通过技术实现，构建一个简单而实用的陪诊预约系统，以提升医疗服务的效率和用户体验。 技术栈选择 在开始之前，我们需要选择…
阅读更多...
DDD领域驱动设计(二)

DDD领域驱动设计(二)

软件系统复杂性的应对 解决复杂和大规模软件的武器可以粗略的归位三种:抽象 分治和知识 抽象: 使用抽象能够精简问题空间，而且问题越小越容易理解。比如你去一个地方 一开始的时候并不需要确定用什么方式到达。分治: 类似算法里面的dp用的就是分治的想法。分割后的…
阅读更多...
话说“俗”的赵本山被曝要重返春晚

话说“俗”的赵本山被曝要重返春晚

据“花边新闻”称“赵本山被曝要重返春晚”，这个消息虽不知是真的还是假的，都能牵动央视春晚的收视率和凡夫俗子的神经，而且更有值得讨论的价值，所以笔者在此唠嗑唠嗑。 图：来源中关村在线 众所周知，具有二…
阅读更多...
【MATLAB第85期】基于MATLAB的2023年智能进化算法/元启发式算法合集（持续更新）

【MATLAB第85期】基于MATLAB的2023年智能进化算法/元启发式算法合集（持续更新）

【MATLAB第85期】基于MATLAB的2023年智能进化算法/元启发式算法合集（持续更新） 1.海象进化算法（Walrus Optimization Algorithm） 作者：Pavel Trojovsk and Mohammad Dehghani 2.暴龙优化算法（Tyrannosa…
阅读更多...
urllib2 HTTP头部注入

urllib2 HTTP头部注入

文章目录 注入原理例题 [SWPU 2016]web7 注入原理 参考文章 应用场景是具有SSRF漏洞，结合CRLF注入 我们以redis数据库为例，当存在SSRF时我们伪造以下请求 http://127.0.0.1%0d%0aCONFIG%20SET%20dir%20%2ftmp%0d%0aCONFIG%20SET%20dbfilename%20evil%…
阅读更多...
c语言：指针数组

c语言：指针数组

下面我们再讨论一个特殊的数组，它的元素为指针。 我们先从普通的元素为 int 类型的数组开始。 int arr1[5] {1, 2, 3, 4, 5}; int arr2[5] {11, 22, 33, 44, 55}; int arr3[5] {111, 222, 333, 444, 555}; arr1、arr2、arr3均为 int [5] 类型的数组。 若数组名…
阅读更多...
java--静态代理模式理解

java--静态代理模式理解

什么是静态代理模式? 真实对象和代理对象都要实现同一个接口("你跟"婚庆公司"都要去做结婚这个事情) 代理对象要代理真实角色("婚庆公司"要代理"你"完成一些事情) 静态代理模式的好处? 真实对象可以专注做自己的事情("你"只…
阅读更多...
Python列表操作详解，多种方式删除首元素

Python列表操作详解，多种方式删除首元素

更多资料获取 📚 个人网站：ipengtao.com 在Python中，处理列表的操作是日常开发中不可避免的任务之一。其中，删除列表中的元素是一个常见的需求，而删除第一个元素更是一个特殊的场景。本篇博客将详细介绍Python中多种方…
阅读更多...
理解pom.xml中的parent标签

理解pom.xml中的parent标签

✅作者简介：大家好，我是Leo，热爱Java后端开发者，一个想要与大家共同进步的男人😉😉 🍎个人主页：Leo的博客 💞当前专栏： 循序渐进学SpringBoot ✨特色专栏&…
阅读更多...
mv既可以移动也可以重命名

mv既可以移动也可以重命名

概要： linux中的mv命令既可以移动文件也可以重命名文件 本篇所用系统是Ubuntu22.04 一、移动 二、重命名
阅读更多...
软件测试工程师的职业发展方向

软件测试工程师的职业发展方向

一、软件测试工程师大致有4个发展方向: 1 资深软件测试工程师 一般情况，软件测试工程师可分为测试工程师、高级测试工程师和资深测试工程师三个等级。 达到这个水平比较困难，这需要了解很多知识，例如C语言，JAVA语言&#xff0c…
阅读更多...
23种设计模式【创建型模式】详细介绍之【原型模式】

23种设计模式【创建型模式】详细介绍之【原型模式】

23种设计模式【创建型模式】详细介绍之【原型模式】 设计模式的分类和应用场景总结原型模式设计模式系列：深入理解原型模式（Prototype Pattern）什么是原型模式？为什么使用原型模式？原型模式的实现方式原型模式的代码示…
阅读更多...
【C语言】SCU安全项目2-BufBomb

【C语言】SCU安全项目2-BufBomb

目录 关键代码解读： getxs() getbuf() test() 核心思路 具体操作1 具体操作2 前段时间忙于强网杯、英语4级和一些其他支线，有点摸不清头绪了，特别是qwb只有一个输出，太过坐牢，决定这个安全项目做完后就继续投身…
阅读更多...
HarmonyOS ArkTS 中DatePicker先择时间 路由跳转并传值到其它页

HarmonyOS ArkTS 中DatePicker先择时间 路由跳转并传值到其它页

效果 代码 代码里有TextTimerController 这一种例用方法较怪，Text ,Button Datepicker 的使用。 import router from ohos.router’则是引入路由模块。 import router from ohos.router Entry Component struct TextnewClock {textTimerController: TextTimerContr…
阅读更多...
Potplayer播放器远程访问群晖WebDav本地资源【内网穿透】

Potplayer播放器远程访问群晖WebDav本地资源【内网穿透】

文章目录 本教程解决的问题是：按照本教程方法操作后，达到的效果是：1 使用环境要求：2 配置webdav3 测试局域网使用potplayer访问webdav3 内网穿透，映射至公网4 使用固定地址在potplayer访问webdav 国内流媒体平台的内容…
阅读更多...
如何下载知网论文、专利的PDF格式

如何下载知网论文、专利的PDF格式

知网的论文格式有其特有的格式：CAJ。将CAJ格式转化为Word或者PDF非常麻烦，且会出现乱码的情况，直接用知网官方的CAJ浏览器也不太方便。为此，困扰了许久。 其实，知网可以直接下载PDF格式，只需在浏览器上安装…
阅读更多...
甄选的董宇辉，颠覆新东方？

甄选的董宇辉，颠覆新东方？

董宇辉又被推向浪尖。 一年前，新东方老师董宇辉出现在东方甄选主播间，用边带货边教英文的方式爆火出圈，成为了东方甄选的活招牌。一年后，一条常规宣发物料引发一场巨大的舆情风波，董宇辉“小作文”事件如闹剧般展开&a…
阅读更多...
最新文章

Copyright @ 2022~2023