分析者

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

无论是回溯测试还是交易，能够分析交易系统的性能对于理解是否不仅实现了利润，而且实现利润的风险是否太大，或者与参考资产（或无风险资产）相比是否真的值得付出努力至关重要

这就是Analyzer对象家族的用武之地：提供对发生了什么甚至实际发生了什么的分析。

分析仪的性质

该接口以行对象的接口建模，特征为next方法，但有一个主要区别：

Analyzers请勿持线。

这意味着它们在内存方面并不昂贵，因为即使在分析了数千个价格条之后，它们也可能仅仅在内存中保存一个结果。

生态系统中的位置

Analyzer对象是通过cerebro实例添加到系统中的策略、观察者和数据：

addanalyzer(ancls, *args, **kwargs)

但是当在cerebro.run期间操作时，系统中存在的每个策略都会发生以下情况

cerebro.run期间ancls将被*args和**kwargs实例化
ancls实例将附加到策略

这意味着：

如果回溯测试运行包含例如3 个策略，则将创建ancls的3 个实例，并且每个实例将附加到不同的策略。

底线：分析人员分析单个策略和的性能，而不是整个系统的性能

附加位置

一些Analyzer对象实际上可能使用其他分析仪来完成其工作。例如：SharpeRatio使用TimeReturn的输出进行计算。

这些子分析器或从属分析器也将插入到创建它们的策略中。但是用户完全看不见它们。

属性

为了执行预期的工作，Analyzer对象提供了一些默认属性，这些属性在实例中自动传递和设置，以便于使用：

self.strategy：对 analyzer 对象运行的策略子类的引用。通过策略可以访问的任何内容也可以通过分析仪访问
self.datas[x]：策略中存在的数据馈送数组。虽然这可以通过策略参考来实现，但捷径使工作更加舒适。
self.data：通往self.datas[0]的快捷方式，带来额外的舒适感。
self.dataX：不同self.datas[x]的快捷方式

其他一些别名也可用，尽管它们可能是多余的：

* `self.dataX_Y` where X is a reference to `self.datas[X]` and `Y`
  refers to the line, finally pointing to: `self.datas[X].lines[Y]`

如果该行具有名称，则以下内容也可用：

* `self.dataX_Name` which resolves to `self.datas[X].Name` returning
  the line by name rather than by index

对于第一个数据，最后两个快捷键不带初始X数字参考。例如：

* `self.data_2` refers to `self.datas[0].lines[2]`

和

* `self.data_close` refers to `self.datas[0].close`

返回分析

分析器基类创建self.rets（类型为collections.OrderedDict的）成员属性以返回分析。这是在方法create_analysis中完成的，如果创建自定义分析器，该方法可以被子类覆盖。

作案手法

尽管Analyzer对象不是行对象，因此不会在行上迭代，但它们被设计为遵循相同的操作模式。

系统启动前实例化（因此调用__init__
用start表示开始操作
在计算出指标工作的策略的最短期限后，将调用prenext/nextstart/next。

prenext和nextstart的默认行为是调用 next，因为分析仪可能从系统激活的第一刻就开始分析。

通常在行对象中调用len(self)来检查实际的条数。通过返回self.strategy的值，这也适用于Analyzers
订单和交易将通过notify_order和notify_trade通知给策略
现金和价值也将被通知，就像在notify_cashvalue方法中使用策略一样
现金、价值和基金价值以及基金份额也将收到通知，就像在notify_fund方法中使用策略一样
将调用stop以发出操作结束的信号

一旦常规操作循环完成，分析仪具有提取/输出信息的附加方法

get_analysis：理想情况下（不强制）返回包含分析结果的类似dict的对象。
print使用标准backtrader.WriterFile（除非重写）写入get_analysis的分析结果。
pprint（pretty print）使用 Pythonpprint模块打印get_analysis结果。

最后：

get_analysis创建一个成员属性self.ret（类型为collections.OrderedDict），分析器将分析结果写入该属性。

Analyzer的子类可以重写此方法来更改此行为

分析器模式

backtrader平台中分析仪对象的开发揭示了生成分析的两种不同使用模式：

在执行过程中，通过在notify_xxx和next方法中收集信息，并在next中生成分析的当前信息

例如，TradeAnalyzer只使用notify_trade方法生成统计数据。
收集（或不收集）上述信息，但在stop方法中一次生成分析

SQN（系统质量编号）在notify_trade期间收集交易信息，但在stop期间生成统计信息

一个简单的例子

尽可能简单：

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

import datetime

import backtrader as bt
import backtrader.analyzers as btanalyzers
import backtrader.feeds as btfeeds
import backtrader.strategies as btstrats

cerebro = bt.Cerebro()

# data
dataname = '../datas/sample/2005-2006-day-001.txt'
data = btfeeds.BacktraderCSVData(dataname=dataname)

cerebro.adddata(data)

# strategy
cerebro.addstrategy(btstrats.SMA_CrossOver)

# Analyzer
cerebro.addanalyzer(btanalyzers.SharpeRatio, _name='mysharpe')

thestrats = cerebro.run()
thestrat = thestrats[0]

print('Sharpe Ratio:', thestrat.analyzers.mysharpe.get_analysis())

执行（已存储在analyzer-test.py中：

$ ./analyzer-test.py
Sharpe Ratio: {'sharperatio': 11.647332609673256}

没有绘图，因为SharpeRatio是计算结束时的单个值。

分析仪的法医学分析

让我们重复一下，Analyzers不是 Lines 对象，但是为了将它们无缝地集成到backtrader生态系统中，遵循了几个 Lines 对象的内部 API 约定（实际上是它们的混合体）

笔记

SharpeRatio的代码已经演变为考虑年度化，此处的版本仅作为参考。

请检查分析仪参考

另外还有一个SharpeRatio_A，它以年化形式直接提供价值，而与寻求的时间范围无关

SharpeRatio作为基础的代码（简化版）

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

import operator

from backtrader.utils.py3 import map
from backtrader import Analyzer, TimeFrame
from backtrader.mathsupport import average, standarddev
from backtrader.analyzers import AnnualReturn

class SharpeRatio(Analyzer):
    params = (('timeframe', TimeFrame.Years), ('riskfreerate', 0.01),)

    def __init__(self):
        super(SharpeRatio, self).__init__()
        self.anret = AnnualReturn()

    def start(self):
        # Not needed ... but could be used
        pass

    def next(self):
        # Not needed ... but could be used
        pass

    def stop(self):
        retfree = [self.p.riskfreerate] * len(self.anret.rets)
        retavg = average(list(map(operator.sub, self.anret.rets, retfree)))
        retdev = standarddev(self.anret.rets)

        self.ratio = retavg / retdev

    def get_analysis(self):
        return dict(sharperatio=self.ratio)

代码可分为以下几部分：

params声明

尽管未使用声明的对象（作为示例），分析器与backtrader中的大多数其他对象一样支持参数
__init__方法

就像__init__中的策略声明指标一样，使用支持对象的分析器也是如此。

在这种情况下，SharpeRatio是使用年收益率计算的。该计算将自动进行，并可供SharpeRatio自行计算。

笔记

SharpeRatio的实际实现使用了更通用、更晚开发的TimeReturn分析仪
next方法

SharpeRatio不需要，但每次调用父策略next后都会调用此方法
start方法

在回溯测试开始之前调用。可以用于额外的初始化任务。夏佩拉蒂奥不需要它
stop方法

在回溯测试结束后立即调用。与SharpeRatio一样，可用于完成/进行计算
get_analysis方法（返回字典）

外部调用方对生成的分析的访问权限

返回：包含分析的字典。

参考

类 backtrader.Analyzer（）

分析器基类。所有分析器都是这个分析器的子类

Analyzer 实例在策略框架中运行，并为该策略提供分析。

自动设置成员属性：

self.strategy（允许访问策略和任何可从中访问的内容）
self.datas[x]访问系统中存在的数据馈送阵列，也可以通过策略参考访问该阵列
self.data，访问self.datas[0]
self.dataX->self.datas[X]
self.dataX_Y->self.datas[X].lines[Y]
self.dataX_name->self.datas[X].name
self.data_name->self.datas[0].name
self.data_Y->self.datas[0].lines[Y]

这不是行对象，但方法和操作遵循相同的设计

__init__在实例化和初始设置期间
start/stop发出开始和结束操作的信号
prenext/nextstart/next方法家族，遵循对策略中相同方法的调用
notify_trade/notify_order/notify_cashvalue/notify_fund接收与策略等效方法相同的通知

操作模式为开放式，且无首选模式。因此，可以使用next调用、在stop期间的操作结束时生成分析，甚至可以使用notify_trade这样的单一方法生成分析

重要的是重写get_analysis以返回包含分析结果的类似dict 的对象（实际格式取决于实现）

开始（）

调用以指示操作的开始，为分析器提供设置所需内容的时间

停止（）

调用以指示操作的结束，为分析器提供关闭所需内容的时间

prenext（）

在达到策略的最短期限之前，为策略的每次 prenext 调用调用调用

分析器的默认行为是调用next

nextstart（）

在首次达到最短时间段时，为策略的下一次启动调用仅调用一次

下一个（）

一旦达到策略的分钟周期，为策略的下一次调用调用调用

通知现金价值（现金、价值）

在每个下一个周期之前接收现金/价值通知

通知基金（现金、价值、基金价值、股份）

接收当前现金、价值、基金价值和基金份额

通知订单（订单）

在每个下一个周期之前接收订单通知

通知贸易部（贸易部）

在每个下一个周期之前接收交易通知

get_ 分析（）

返回一个具有分析结果的类似dict 的对象

字典中分析结果的键和格式取决于实现。

甚至没有强制要求结果是一个类似dict 的对象，只是约定

默认实现返回默认create_analysis方法创建的默认 OrderedDictrets

创建 _ 分析（）

意味着被子类覆盖。提供创建用于保存分析的结构的机会。

默认行为是创建一个名为rets的OrderedDict

打印（*args，**kwargs）

通过标准Writerfile对象打印get_analysis返回的结果，该对象默认为将内容写入标准输出

pprint（*args，**kwargs）

使用 pretty print Python 模块（pprint打印get_analysis返回的结果）

len（）

支持通过实际返回分析仪操作策略的当前长度，在分析仪上调用len

我们一直在努力

apachecn/AiLearning

分析者