脑波

原文： https://www.backtrader.com/docu/cerebro/

本课程是backtrader的基石，因为它是以下内容的中心点：

1. 收集所有输入（数据源），演员（策略），观众（观察员），评论家（分析员）和资料员（编剧），确保该剧在任何时候都能继续进行。

2. 执行回溯测试/或实时数据馈送/交易

3. 返回结果

4. 允许使用绘图设备

收集投入

1. 首先创建一个cerebro：

   py cerebro = bt.Cerebro(**kwargs)

   支持一些控制执行的**kwargs，请参见参考（相同的参数可以稍后应用于run方法）

2. 添加数据源

   最常见的模式是cerebro.adddata(data)，其中data是已经实例化的数据馈送。例子：

   py data = bt.BacktraderCSVData(dataname='mypath.days', timeframe=bt.TimeFrame.Days) cerebro.adddata(data)

   重新采样和重放数据是可能的，并且遵循相同的模式：

   py data = bt.BacktraderCSVData(dataname='mypath.min', timeframe=bt.TimeFrame.Minutes) cerebro.resampledata(data, timeframe=bt.TimeFrame.Days)

   或：

   py data = bt.BacktraderCSVData(dataname='mypath.min', timeframe=bt.TimeFrame.Minutes) cerebro.replaydatadata(data, timeframe=bt.TimeFrame.Days)

   系统可以接受任意数量的数据馈送，包括将常规数据与重新采样和/或重放的数据混合。当然，其中一些组合肯定毫无意义，为了能够组合数据，存在一个限制：时间对齐。请参阅“数据-多个时间段”、“数据重采样-重采样”和“数据-重播”部分。

3. 添加Strategies

   与已经是类实例的datas feeds不同，cerebro直接获取Strategy类和要传递给它的参数。背后的基本原理：在优化场景中，类将被实例化多次，并传递不同的参数

   即使没有运行优化，模式仍然适用：

   py cerebro.addstrategy(MyStrategy, myparam1=value1, myparam2=value2)

   当优化时，必须将参数作为可比项添加。详细说明请参见优化部分。基本模式：

   py cerebro.optstrategy(MyStrategy, myparam1=range(10, 20))

   它将运行MyStrategy10 次，其中myparam1取 10 到 19 之间的值（记住 Python 中的范围是半开的，不会达到20）

4. 其他要素

   还可以添加一些其他元素来增强回溯测试体验。请参见相关章节。这些方法是：

   • addwriter

   • addanalyzer

   • addobserver（或addobservermulti）

5. 更换经纪人

   Cerbero 将使用backtrader中的默认代理，但这可以被覆盖：

   py broker = MyBroker() cerebro.broker = broker # property using getbroker/setbroker methods

6. 接收通知

   如果数据源和/或代理发送通知（或创建通知的存储提供商），则将通过Cerebro.notify_store方法接收通知。使用这些通知有三（3）种方法

   • 通过addnotifycallback(callback)调用向cerebro实例添加回调。回调必须支持此签名：

   py callback(msg, *args, **kwargs)

   实际接收的msg、*args和**kwargs是实现定义的（完全取决于数据/代理/存储），但一般情况下，人们应该期望它们是可打印的，以允许接收和实验。

   • 重写Strategy子类中添加到cerebro实例的notify_store方法。

   签名：notify_store(self, msg, *args, **kwargs)

   • 子类Cerebro和覆盖notify_store（与Strategy中的签名相同）

   这应该是最不可取的方法

执行回溯测试

只有一个方法可以执行此操作，但它支持多个选项（在实例化时也可以指定这些选项）来决定如何运行：

result = cerebro.run(**kwargs) 

请参阅下面的示例，了解哪些参数可用。

标准观察员

cerebro（除非另有说明）自动实例化三个标准观察者

• 跟踪cash和value（投资组合）的经纪人观察员

• 一个交易观察者，该观察者应显示每笔交易的有效性

• 一个买入/卖出的观察者，该观察者应记录何时执行操作

如果需要更干净的绘图，只需使用stdstats=False禁用它们即可

返回结果

cerebro返回在回溯测试期间创建的策略实例。这允许分析他们所做的事情，因为战略中的所有元素都是可访问的：

result = cerebro.run(**kwargs) 

run返回的result格式会根据是否使用优化而有所不同（在策略中增加了optstrategy：

• 所有策略都添加了addstrategy

  result将是回溯测试期间运行的实例的list

• 使用optstrategy添加了 1 个或多个策略

  result将是list的list部分。每个内部列表将包含每次优化运行后的策略

笔记

优化的默认行为已更改为仅返回系统中存在的分析器，以使通过计算机内核传递的消息更轻松。

如果希望将整套策略作为返回值，则将参数optreturn设置为False

允许使用绘图设备

如果安装了额外的 anmatplotlib，则可以绘制策略。通常的模式是：

cerebro.plot() 

参考和剖面图见下文

回溯测试逻辑

事物流动的简要概述：

1. 发送任何门店通知

2. 要求数据源提供下一组刻度/条形图

   版本变更：在 1.9.0.99 版本中变更：新行为

   通过查看日期时间同步数据馈送，可用数据馈送将提供该日期时间。在新时期未交易的数据源仍然提供旧数据点，而有新数据可用的数据源提供此数据点（以及指标的计算）

   旧行为（与大脑一起使用oldsync=True时保留）

   插入系统的 1^st数据为datamaster，系统将等待其发出滴答声

   其他数据馈送或多或少是datamaster的从属数据，并且：

   ``py * If the next tick to deliver is newer (datetime-wise) than the one delivered by thedatamaster` it will not be delivered

   • May return without delivering a new tick for a number of reasons ```

   该逻辑设计用于轻松同步多个数据源和具有不同时间段的数据源

3. 通知策略有关订单、交易和现金/价值的排队经纪人通知

4. 告诉代理接受排队的订单，并使用新数据执行挂起的订单

5. 调用 strategies'next方法，让策略评估新数据（并可能发出在代理中排队的订单）

   根据阶段的不同，在满足策略/指标的最短期限要求之前，可能是prenext或nextstart

   在内部，这些策略也会打击observers、indicators、analyzers等积极因素

6. 告诉任何writers将数据写入其目标

重要的是要考虑到：

笔记

在上面的步骤1中，当数据馈送传递新的一组棒时，这些棒被关闭。这意味着数据已经发生了。

因此，步骤4中的策略发出的指令不能使用步骤1中的数据执行。

这意味着订单将以x + 1的概念执行。其中，x是执行订单的酒吧时刻，x + 1是下一个，这是可能执行订单的最早时刻

参考

类 backtrader.Cerebro（）

参数：

• preload（默认为True）

是否为策略预加载传递给大脑的不同data feeds

• runonce（默认为True）

以矢量化模式运行Indicators以加速整个系统。战略和观察员将始终基于事件运行

• live（默认为False）

如果没有数据报告自身为live（通过数据的islive方法，但最终用户仍希望在live模式下运行，则可将此参数设置为 true

这将同时停用preload和runonce。它对内存节省方案没有影响。

以矢量化模式运行Indicators以加速整个系统。战略和观察员将始终基于事件运行

• maxcpus（默认值：无->所有可用内核）

  同时使用多少个内核进行优化

• stdstats（默认为True）

如果是真的，将添加默认观察者：经纪人（现金和价值）、交易和买卖

• oldbuysell（默认为False）

如果stdstats为True且观察者被自动添加，则此开关控制BuySell观察者的主要行为

• False：使用现代行为，买入/卖出信号分别绘制在低/高价格下方/上方，以避免弄乱图形

• True：使用不推荐的行为，在该行为中，在给定时刻执行订单的平均价格为的位置绘制买入/卖出信号。这当然会在 OHLC 条的顶部或 Cloe 条上的一条线上，难以识别绘图。

• oldtrades（默认为False）

如果stdstats为True且观察者被自动添加，则此开关控制Trades观察者的主要行为

• False：使用现代行为，所有数据的交易都用不同的标记绘制

• True：使用旧的交易观察器，该观察器使用相同的标记绘制交易，仅当它们为正或负时进行区分

• exactbars（默认为False）

使用默认值，存储在一行中的每个值都保存在内存中

可能值：

* `True` or `1`: all “lines” objects reduce memory usage to the
  automatically calculated minimum period.

  If a Simple Moving Average has a period of 30, the underlying data
  will have always a running buffer of 30 bars to allow the
  calculation of the Simple Moving Average

  * This setting will deactivate `preload` and `runonce`

  * Using this setting also deactivates **plotting**

* `-1`: datafreeds and indicators/operations at strategy level will
  keep all data in memory.

  For example: a `RSI` internally uses the indicator `UpDay` to
  make calculations. This subindicator will not keep all data in
  memory

  * This allows to keep `plotting` and `preloading` active.

  * `runonce` will be deactivated

* `-2`: data feeds and indicators kept as attributes of the
  strategy will keep all points in memory.

  For example: a `RSI` internally uses the indicator `UpDay` to
  make calculations. This subindicator will not keep all data in
  memory

  If in the `__init__` something like
  `a = self.data.close - self.data.high` is defined, then `a`
  will not keep all data in memory

  * This allows to keep `plotting` and `preloading` active.

  * `runonce` will be deactivated 

• objcache（默认为False）

实验性选项，用于实现线对象缓存并减少线对象的数量。来自 Ultimate 振荡器的示例：

bp = self.data.close - TrueLow(self.data)
tr = TrueRange(self.data)  # -> creates another TrueLow(self.data) 

如果这是True，则TrueRange内的 2^ndTrueLow(self.data)与bp计算中的签名匹配。它将被重新使用。

在角点情况下，可能会使线条对象偏离其最小周期，并打断某些内容，因此将其禁用。

• writer（默认为False）

如果设置为True，将创建一个默认 WriterFile，该文件将打印到标准输出。它将被添加到策略中（除了用户代码添加的任何其他编写器）

• tradehistory（默认为False）

如果设置为True，则会在所有策略的每笔交易中激活更新事件日志记录。这也可以通过策略方法set_tradehistory在每个策略的基础上完成

• optdatas（默认为True）

如果True和优化（并且系统可以preload和使用runonce，则在主流程中只进行一次数据预加载，以节省时间和资源。

测试显示，从83秒内的样本执行到66秒，大约有20%的加速

• optreturn（默认为True）

如果True优化结果不是完整的Strategy对象（以及所有数据、指标、观察者…），而是具有以下属性的对象（与Strategy相同）：

* `params` (or `p`) the strategy had for the execution

* `analyzers` the strategy has executed 

在大多数情况下，只有分析器和参数是评估策略性能所需的东西。如果需要对（例如）指标的生成值进行详细分析，请关闭此选项

测试表明执行时间有了13% - 15%的改进。与optdatas相结合，在优化运行中，总增益增加至32%的总加速。

• oldsync（默认为False）

从 1.9.0.99 版开始，多个数据（相同或不同时间段）的同步已更改为允许不同长度的数据。

如果希望使用 data0 作为系统主节点的旧行为，请将此参数设置为 true

• tz（默认为None）

为策略添加全局时区。论点tz可以是

* `None`: in this case the datetime displayed by strategies will be
  in UTC, which has been always the standard behavior

* `pytz` instance. It will be used as such to convert UTC times to
  the chosen timezone

* `string`. Instantiating a `pytz` instance will be attempted.

* `integer`. Use, for the strategy, the same timezone as the
  corresponding `data` in the `self.datas` iterable (`0` would
  use the timezone from `data0`) 

• cheat_on_open（默认为False）

将调用策略的next_open方法。这种情况发生在next之前以及经纪人有机会评估订单之前。指标尚未重新计算。这允许发布考虑到前一天指标的订单，但使用open价格进行股权计算

对于未平仓订单执行欺诈，还需要调用cerebro.broker.set_coo(True)或使用BackBroker(coo=True)即时通知经纪人（其中coo代表未平仓欺诈）或将broker_coo参数设置为True。除非下面禁用，否则大脑将自动执行此操作。

• broker_coo（默认为True）

这将自动调用代理的set_coo方法和True激活cheat_on_open执行。仅当cheat_on_open也是True时才会执行此操作

• quicknotify（默认为False）

经纪人通知在下一个价格交付之前交付。对于回溯测试，这没有任何影响，但是对于实时代理，通知可以在酒吧交付之前很久发生。当设置为True时，将尽快发送通知（请参见实时提要中的qcheck）

设置为False以确保兼容性。可更改为True

addstorecb（回调）

添加回调以获取将由 notify_store 方法处理的消息

回调的签名必须支持以下内容：

• callback(msg, *args, **kwargs)

实际接收的msg、*args和**kwargs是实现定义的（完全取决于数据/代理/存储），但一般情况下，人们应该期望它们是可打印的，以允许接收和实验。

通知门店（消息，args，*kwargs）

在 Cerbero 中接收存储通知

此方法可以在Cerebro子类中重写

实际接收的msg、*args和**kwargs是实现定义的（完全取决于数据/代理/存储），但一般情况下，人们应该期望它们是可打印的，以允许接收和实验。

adddatacb（回调）

添加回调以获取将由 notify_data 方法处理的消息

回调的签名必须支持以下内容：

• 回调（数据、状态、args、*kwargs）

实际接收到的*args和**kwargs是实现定义的（完全取决于数据/代理/存储，但通常情况下，人们应该期望它们是可打印的，以允许接收和实验。

通知 _ 数据（数据、状态、args、*kwargs）

在 Cerbero 中接收数据通知

此方法可以在Cerebro子类中重写

实际接收到的*args和**kwargs是实现定义的（完全取决于数据/代理/存储，但通常情况下，人们应该期望它们是可打印的，以允许接收和实验。

adddata（数据，名称=无）

向混合中添加一个Data Feed实例。

如果name不是无，则将其放入data._name中，用于装饰/绘图目的。

重采样数据（dataname，name=None，**kwargs）

添加一个Data Feed供系统重新采样

如果name不是无，则将其放入data._name中，用于装饰/绘图目的。

由重采样过滤器支持的任何其他 KWARG，如timeframe、compression、todate将透明通过

replaydata（dataname，name=None，**kwargs）

添加一个Data Feed供系统重播

如果name不是无，则将其放入data._name中，用于装饰/绘图目的。

回放过滤器支持的任何其他 KWARG，如timeframe、compression、todate，都将透明地通过

链数据（args，*kwargs）

将多个数据源链接为一个

如果name作为命名参数传递，而不是 None，它将被放入data._name，用于装饰/绘图目的。

如果为None，则使用 1^st数据的名称

rolloverdata（args，*kwargs）

将多个数据源链接为一个

如果name作为命名参数传递，而不是 None，它将被放入data._name，用于装饰/绘图目的。

如果为None，则使用 1^st数据的名称

任何其他 KWARG 都将传递给滚动类

添加策略（策略，args，*kwargs）

将Strategy类添加到单遍运行的混合中。实例化将在run时间内发生。

args 和 kwargs 将在实例化期间传递给策略。

返回可以引用添加的其他对象（如大小调整器）的索引

选择策略（策略，args，*kwargs）

在混合中添加一个Strategy类以进行优化。实例化将在run时间内发生。

arg 和 kwarg 必须是保存要检查的值的 iterables。

示例：如果策略接受参数period，出于优化目的，对optstrategy的调用如下所示：

• 大脑选择策略（我的策略，周期=（15,25））

这将对值 15 和 25 执行优化。鉴于

• 大脑选择策略（我的策略，周期=范围（15,25））

将使用period值 15->25 执行 MyStrategy（不包括 25，因为 Python 中的范围是半开放的）

如果传递了一个参数，但未对其进行优化，则调用如下所示：

• 大脑选择策略（我的策略，周期=（15，）

请注意，period仍然作为一个 iterable…传递，只有 1 个元素

backtrader无论如何都会尝试识别以下情况：

• 大脑选择策略（我的策略，周期=15）

如果可能，将创建一个内部伪 iterable

optcallback（cb）

将回调添加到回调列表中，当每个策略都已运行时，将通过优化调用该回调列表

签名：cb（战略）

附加指示器（indcls、args、*kwargs）

在混合中添加一个Indicator类。实例化将在传递的策略中的run时间完成

addobserver（obscls，args，*kwargs）

在混合中添加一个Observer类。实例化将在run时间完成

addobservermulti（obscls、args、*kwargs）

在混合中添加一个Observer类。实例化将在run时间完成

系统中每个“数据”将添加一次。用例是观察单个数据的买卖观察者。

一个反例是 CashValue，它观察系统范围的值

addanalyzer（ancls、args、*kwargs）

在混合中添加一个Analyzer类。实例化将在run时间完成

addwriter（wrtcls、args、*kwargs）

在混合中添加一个Writer类。实例化将在大脑中的run时间完成

运行（**kwargs）

执行回溯测试的核心方法。传递给它的任何kwargs都将影响已使用实例化的标准参数Cerebro的值。

如果cerebro没有数据，该方法将立即退出。

它有不同的返回值：

• 非优化：策略类实例列表中增加addstrategy

• 优化：一个列表列表，包含添加了addstrategy的策略类实例

runstop（）

如果从策略内部或其他任何地方（包括其他线程）调用，执行将尽快停止。

经纪人（经纪人）

为该策略设置一个特定的broker实例，替换从 Cerbero 继承的实例。

getbroker（）

返回代理实例。

这也可以通过名称为broker的property来获得

绘图（绘图仪=无，numfigs=1，iplot=真，开始=无，结束=无，宽度=16，高度=9，dpi=300，紧密=真，使用=无，**kwargs）

在大脑中绘制策略

如果plotter为 None，则创建默认Plot实例，并在实例化过程中将kwargs传递给该实例。

numfigs如果需要，将绘图拆分为指定数量的图表，减少图表密度

iplot：如果True在notebook中运行，则图表将在线显示

use：将其设置为所需 matplotlib 后端的名称。它将优先于iplot

start：策略的日期时间行数组的索引或datetime.date、datetime.datetime实例，表示情节的开始

end：策略日期时间行数组的索引或datetime.date、datetime.datetime实例，表示情节结束

width：已保存图形的英寸数

height：已保存图形的英寸数

dpi：保存图形的每英寸点数质量

tight：只保存实际内容，不保存图框

addsizer（sizercls，args，*kwargs）

添加一个Sizer类（和 args），这是添加到 Cerbero 的任何策略的默认大小设置

addsizer_byidx（idx，sizercls，args，*kwargs）

通过 idx 添加一个Sizer类。此 idx 与addstrategy返回的引用兼容。只有idx引用的策略才会收到此大小

添加信号（sigtype、sigcls、sigargs、*sigkwargs）

向系统添加一个信号，该信号稍后将添加到SignalStrategy

信号 _ 并发（onoff）

如果向系统添加信号且concurrent值设置为真，则允许并发订单

信号累积（开启关闭）

如果向系统添加信号且accumulate值设置为真，则允许在已经进入市场时进入市场，以增加头寸

信号 _ 策略（stratcls、ARG、*kwargs）

添加可以接受信号的 SignalStrategy 子类

添加日历（cal）

将全球交易日历添加到系统中。单个数据源可能有单独的日历，覆盖全局日历

cal可以是TradingCalendar字符串的实例，也可以是pandas_market_calendars的实例。一个字符串将被实例化为一个PandasMarketCalendar（需要在系统中安装模块pandas_market_calendar。

如果传递了 TradingCalendarBase 的子类（而不是实例），它将被实例化

addtz（tz）

这也可以通过参数tz实现

为策略添加全局时区。论点tz可以是

• None：在这种情况下，策略显示的日期时间将以 UTC 为单位，这一直是标准行为

• pytz实例。它将用于将 UTC 时间转换为所选时区

• string。将尝试实例化一个pytz实例。

• integer。对于策略，使用与self.datas表中对应的data相同的时区（0将使用data0中的时区）

添加计时器（当，offset=datetime.timedelta（0），repeat=datetime.timedelta（0），平日=[]，周载波=False，月载波=[]，月载波=True，allow=None，tzdata=None，strats=False，cheat=False，args，*kwargs）

安排一个计时器来调用notify_timer

• 参数

  当（-）–可以

  • datetime.time实例（见下文tzdata）

  • bt.timer.SESSION_START引用会话开始

  • bt.timer.SESSION_END引用会话结束

  • offset必须是datetime.timedelta实例

  用于偏移值when。它与SESSION_START和SESSION_END结合使用，有意义地表示在会话开始后调用15 minutes计时器之类的事情。

  • repeat必须是datetime.timedelta实例

    指示在 1^st呼叫后，是否会在同一会话中以预定的repeat增量安排更多呼叫

    一旦计时器在会话结束后被重置为when的原始值

  • weekdays：一个排序的iterable，带有整数，表示可以实际调用计时器的日期（iso 代码，周一是 1，周日是 7）

    如果未指定，计时器将在所有日期都处于活动状态

  • weekcarry（默认为False）。如果True和工作日不可见（例如：交易假日），计时器将在第二天执行（即使在新的一周内）

  • monthdays：一个排序的iterable，整数表示计时器必须在月份的哪几天执行。例如，始终在当月的第15天

    如果未指定，计时器将在所有日期都处于活动状态

  • monthcarry（默认为True）。如果看不到该日（周末、交易日），计时器将在下一个可用日执行。

  • allow（默认为None）。接收 datetime.date实例并返回True的回调，如果允许计时器使用该日期，则返回False`

  • tzdata可以是None（默认）、一个pytz实例或一个data feed实例。

    None：when按面值解释（这意味着即使不是 UTC，也要像对待 UTC 一样处理）

    pytz实例：when将被解释为在时区实例指定的本地时间内指定。

    data feed实例：when将被解释为数据馈送实例的tz参数指定的本地时间。

    笔记

    如果when为SESSION_START或SESSION_END且tzdata为None，则系统中的 1^st数据馈送（又名self.data0）将作为查询会话时间的参考。

  • strats（默认值：False）同时调用策略的notify_timer

  • cheat（默认False）如果True计时器将在经纪人有机会评估订单之前调用。这样就有机会根据开盘价发出订单，例如在会议开始之前

  • *args：任何额外参数都将传递给notify_timer

  • **kwargs：任何额外的 KWARG 将传递给notify_timer

返回值：

• 创建的计时器

通知计时器（计时器，时间，args，*kwargs）

接收定时器通知，timer为add_timer返回的定时器，when为呼叫时间。args和kwargs是传递给add_timer的任何附加参数

实际的when时间可以晚一点，但系统之前可能无法调用计时器。该值为计时器值，不代表系统时间。

添加订单历史记录（订单，通知=True）

添加要在代理中直接执行的订单的历史记录以进行性能评估

• orders：是一个 iterable（例如：list、tuple、iterator、generator），其中每个元素也将是一个 iterable（具有长度），具有以下子元素（可能有两种格式）

  [datetime, size, price]或[datetime, size, price, data]

  笔记

  它必须按日期时间升序排序（或生成已排序的元素）

  哪里：

  • datetime是 pythondate/datetime实例或格式为 YYYY-MM-DD[THH:MM:SS[.us]]的字符串，括号中的元素是可选的

  • size为整数（正对买入，负对卖出）

  • price是浮点/整数

  • data如果存在，可采用以下任一值

    • 无-1^st数据馈送将用作目标

    • 整数-将使用具有该索引的数据（在大脑中的插入顺序）

    • 字符串-具有该名称的数据（例如分配有cerebro.addata(data, name=value)的数据）将成为目标

• notify（默认为真

  如果True系统中插入的 1^st策略将根据orders中每个订单的信息通知创建的人工订单

笔记

描述中隐含的是需要添加作为订单目标的数据提要。例如，这是跟踪例如返回的分析器所需要的

---

我们一直在努力

apachecn/AiLearning

---