Skip to content

浆纱机

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

  • 聪明的赌注

策略提供了交易方法，即：buy、sell和close。让我们看看buy的签名：

def buy(self, data=None,
        size=None, price=None, plimit=None,
        exectype=None, valid=None, tradeid=0, **kwargs):

请注意，如果调用方没有指定，size有一个默认值None。这就是浆纱机发挥重要作用的地方：

  • size=None要求策略向其规模商索要实际股权

这显然意味着策略具有规模：是的，的确如此！。如果用户还没有添加默认的尺码器，后台机器会将其添加到策略中。添加到策略中的默认Sizer为SizerFix。定义的初始行：

class SizerFix(SizerBase):
    params = (('stake', 1),)

很容易猜测，这个规模的只是使用1单位stake进行买卖（无论是股票、合同等）

使用施胶器

来自大脑

施胶剂可通过大脑两种不同方式添加：

  • addsizer(sizercls, *args, **kwargs)

    添加一个Sizer，它将应用于大脑中添加的任何策略。也就是说，这是默认的尺码。例子：

    py cerebro = bt.Cerebro() cerebro.addsizer(bt.sizers.SizerFix, stake=20) # default sizer for strategies

  • addsizer_byidx(idx, sizercls, *args, **kwargs)

    施胶器只会添加到idx引用的策略中

    此idx可作为addstrategy的返回值获取。例如：

    ```py cerebro = bt.Cerebro() cerebro.addsizer(bt.sizers.SizerFix, stake=20) # default sizer for strategies

    idx = cerebro.addstrategy(MyStrategy, myparam=myvalue) cerebro.addsizer_byidx(idx, bt.sizers.SizerFix, stake=5)

    cerebro.addstrategy(MyOtherStrategy) ```

    在本例中：

    • 系统中添加了一个默认的大小器。这一条适用于所有没有指定具体的尺寸的策略

    • 对于MyStrategy在收集其插入的idx后，添加一个特定的施胶器（更改stake参数）

    • 系统中增加了一个 2nd策略MyOtherStrategy。未添加具体的施胶剂

    • 这意味着：

      • MyStrategy最终将拥有一个内部特定的尺码器

      • MyOtherStrategy将获得默认大小码

笔记

默认并不意味着策略共享一个Sizer实例。每个策略都会收到一个不同的默认sizer 实例

要共享单个实例，要共享的 sizer 应该是 singleton 类。如何定义一个在反向交易者范围之外

从策略

策略类提供了一个 API:setsizer和getsizer（以及一个属性sizer）来管理施胶器。签名：

  • def setsizer(self, sizer)：需要一个已经实例化的Sizer

  • def getsizer(self)：返回当前Sizer实例

  • sizer可直接获取/设置的属性

在这种情况下，施胶器可以是：

  • 作为参数传递给策略

  • 在__init__期间使用sizer或setsizer属性进行设置，如：

    ```py class MyStrategy(bt.Strategy): params = (('sizer', None),)

    def __init__(self):
    if self.p.sizer is not None:
        self.sizer = self.p.sizer

    ```

    例如，这将允许在发生大脑调用的同一级别创建大小码，并将其作为参数传递给系统中的所有策略，这实际上允许共享大小码

施胶机开发

这样做很容易：

  1. 来自backtrader.Sizer的子类

    这使您可以访问self.strategy和self.broker，尽管在大多数情况下不需要它。可以通过broker访问的内容

    • 数据与self.strategy.getposition(data)的位置

    • 通过self.broker.getvalue()完成投资组合价值

      请注意，这当然也可以通过self.strategy.broker.getvalue()完成

    其他一些事情已经作为论据出现在下面

  2. 覆盖方法_getsizing(self, comminfo, cash, data, isbuy)

    • comminfo：CommissionInfo 实例，包含该数据的佣金信息，允许计算该操作的职位价值、操作成本、佣金

    • cash：在经纪人中的当前可用现金

    • data：作业目标

    • isbuy：将True用于买入操作，将False用于卖出操作

    此方法返回买入/卖出操作所需的size

    返回的符号不相关，即：如果操作是卖出操作（isbuy将是False），该方法可能返回5或-5。卖出操作将仅使用绝对值。

    Sizer已经进入broker并请求佣金信息以获取给定数据的实际现金水平，并直接参考操作目标数据

让我们来了解一下FixedSize尺寸的定义：

import backtrader as bt

class FixedSize(bt.Sizer):
    params = (('stake', 1),)

    def _getsizing(self, comminfo, cash, data, isbuy):
        return self.params.stake

这非常简单，因为施胶器不进行任何计算，参数就在那里。

但该机制应允许构建复杂的规模（又称定位）系统，以在进入/退出市场时管理股权。

另一个例子：位置重传器：

class FixedRerverser(bt.FixedSize):

    def _getsizing(self, comminfo, cash, data, isbuy):
        position = self.broker.getposition(data)
        size = self.p.stake * (1 + (position.size != 0))
        return size

这一个基于现有的FixedSize继承params并覆盖_getsizing到：

  • 通过broker属性获取数据的position

  • 使用position.size决定是否加倍固定桩

  • 返回计算值

这将消除策略的负担，以决定是否必须反转或打开位置，施胶器处于控制状态，可以随时更换，而不会影响逻辑。

实用施胶机适用性

在不考虑复杂的大小调整算法的情况下，可以使用两种不同的大小调整器将策略从“仅长”变为“短长”。只需在大脑执行中更改大小器，策略就会改变行为。一个非常简单的close交叉SMA算法：

class CloseSMA(bt.Strategy):
    params = (('period', 15),)

    def __init__(self):
        sma = bt.indicators.SMA(self.data, period=self.p.period)
        self.crossover = bt.indicators.CrossOver(self.data, sma)

    def next(self):
        if self.crossover > 0:
            self.buy()

        elif self.crossover < 0:
            self.sell()

请注意，该策略如何不考虑当前的 Ty2 T2 位置（Turn To T0），以决定是否需要购买 Ty5 T5 或 SO T6。仅考虑来自CrossOver的信号。施胶者将负责一切。

如果仓位已打开，则此尺码器仅在卖出时返回非零尺码：

class LongOnly(bt.Sizer):
    params = (('stake', 1),)

    def _getsizing(self, comminfo, cash, data, isbuy):
      if isbuy:
          return self.p.stake

      # Sell situation
      position = self.broker.getposition(data)
      if not position.size:
          return 0  # do not sell if nothing is open

      return self.p.stake

综合起来（假设反向交易者已经导入，并且数据已经添加到系统中）：

...
cerebro.addstrategy(CloseSMA)
cerebro.addsizer(LongOnly)
...
cerebro.run()
...

图表（来源中包含的样本用于测试）。

!image

长短版本只是将施胶器更改为上图所示的FixedReverser：

...
cerebro.addstrategy(CloseSMA)
cerebro.addsizer(FixedReverser)
...
cerebro.run()
...

输出图表。

!image

请注意区别：

  • 交易数量重复

  • 现金水平永远不会回到值，因为市场上的策略始终是

*无论如何，这两种方法都是消极的，但这只是一个例子。

bt.施胶机参考

类 backtrader.Sizer（）

这是施胶器的基类。任何sizer都应该将其子类化，并覆盖_getsizing方法

成员属性：

  • strategy：将由施胶器工作的策略设置

    允许访问策略的整个 api，例如，如果在_getsizing中需要实际数据位置：

    py position = self.strategy.getposition(data)

  • broker：将由施胶器工作的策略设置

    提供一些复杂的规模确定者可能需要的信息，如投资组合价值。。

_ 获取大小（comminfo、现金、数据、isbuy）

此方法必须由 Sizer 的子类重写，以提供大小调整功能

参数：

* `comminfo`: The CommissionInfo instance that contains
  information about the commission for the data and allows
  calculation of position value, operation cost, commision for the
  operation

* `cash`: current available cash in the *broker*

* `data`: target of the operation

* `isbuy`: will be `True` for *buy* operations and `False`
  for *sell* operations

该方法必须返回要执行的实际大小（int）。如果返回0，则不会执行任何操作。

将使用返回值的绝对值*

我们一直在努力

apachecn/AiLearning

【布客】中文翻译组