Skip to content

期货和现货补偿

原文： https://www.backtrader.com/blog/posts/2017-03-15-future-vs-spot/future-vs-spot/

发布版1.9.32.116增加了对社区中呈现的有趣用例的支持

  • 开始与期货交易，包括实物交割

  • 让指示器告诉你一些事情

  • 如果需要，通过现货价格操作平仓，有效地取消实物交割，无论是收货还是必须交割（并有望获利）

    期货在现货价格操作发生的同一天到期

这意味着：

  • 该平台由来自两种不同资产的数据点提供

  • 平台必须以某种方式理解资产之间的关联，并且在现货价格上的操作将关闭期货上未平仓的头寸

    现实中，未来不是封闭的，只有实物交付补偿

使用补偿概念，backtrader增加了一种方式，让用户与平台沟通，一个数据馈送上的东西会对另一个产生补偿效果。使用模式

import backtrader as bt

cerebro = bt.Cerebro()

data0 = bt.feeds.MyFavouriteDataFeed(dataname='futurename')
cerebro.adddata(data0)

data1 = bt.feeds.MyFavouriteDataFeed(dataname='spotname')
data1.compensate(data0)  # let the system know ops on data1 affect data0
cerebro.adddata(data1)

...

cerebro.run()

把它们放在一起

一个例子总是值一千篇文章，所以让我们把所有的部分放在一起。

  • 使用backtrader来源的标准样品进料之一。这将是未来

  • 模拟一个相似但不同的价格，通过重复使用相同的提要并添加一个过滤器，该过滤器将随机将价格移动到上/下一些点，以创建价差。简单到：

    ```py

    The filter which changes the close price

    def close_changer(data, args, *kwargs): data.close[0] += 50.0 * random.randint(-1, 1) return False # length of stream is unchanged ```

  • 在同一轴上绘图将混合默认包含的BuyObserver标记，因此标准观察者将被禁用并手动读取，以使用不同的 per 数据标记进行绘图

  • 职位将随机输入，10 天后退出

    这与未来的到期期限不匹配，但这只是将功能落实到位，而不是检查交易日历

!!! 笔记

 A simulation including execution on the spot price on the day of
  future expiration would require activating `cheat-on-close` to
  make sure the orders are executed when the future expires. This is
  not needed in this sample, because the expiration is being chosen
  at random.

  • 请注意，该策略

    • buy操作在data0上执行

    • sell操作在data1上执行

    ```py class St(bt.Strategy): def init(self): bt.obs.BuySell(self.data0, barplot=True) # done here for BuySellArrows(self.data1, barplot=True) # different markers per data

    def next(self):
    if not self.position:
        if random.randint(0, 1):
            self.buy(data=self.data0)
            self.entered = len(self)

    else:  # in the market
        if (len(self) - self.entered) >= 10:
            self.sell(data=self.data1)

    ```

执行：

$ ./future-spot.py --no-comp

使用此图形输出。

!image

它的工作原理是：

  • buy操作用一个指向上方的绿色三角形表示，图例告诉我们它们属于data0，正如预期的那样

  • sell操作用一个向下的箭头表示，图例告诉我们它们属于data1，正如预期的那样

  • 交易正在关闭，即使它们是以data0打开并以data1关闭，也达到了预期效果（在现实生活中，这是避免通过未来获得的货物的实物交付）

人们只能想象，如果在不进行补偿的情况下应用相同的逻辑会发生什么。让我们开始吧：

$ ./future-spot.py --no-comp

以及输出

!image

很明显，这一点失败得很惨：

  • 该逻辑预计data0上的头寸将通过data1上的操作关闭，并且只有data0上的头寸在不在市场上时才会打开

  • 但补偿已停用，且data0（绿色三角形）上的初始操作从未关闭，因此无法启动其他操作，data1上的空头头寸开始累积。

样本使用

$ ./future-spot.py --help
usage: future-spot.py [-h] [--no-comp]

Compensation example

optional arguments:
  -h, --help  show this help message and exit
  --no-comp

示例代码

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

import argparse
import random
import backtrader as bt

# The filter which changes the close price
def close_changer(data, *args, **kwargs):
    data.close[0] += 50.0 * random.randint(-1, 1)
    return False  # length of stream is unchanged

# override the standard markers
class BuySellArrows(bt.observers.BuySell):
    plotlines = dict(buy=dict(marker='$\u21E7$', markersize=12.0),
                     sell=dict(marker='$\u21E9$', markersize=12.0))

class St(bt.Strategy):
    def __init__(self):
        bt.obs.BuySell(self.data0, barplot=True)  # done here for
        BuySellArrows(self.data1, barplot=True)  # different markers per data

    def next(self):
        if not self.position:
            if random.randint(0, 1):
                self.buy(data=self.data0)
                self.entered = len(self)

        else:  # in the market
            if (len(self) - self.entered) >= 10:
                self.sell(data=self.data1)

def runstrat(args=None):
    args = parse_args(args)
    cerebro = bt.Cerebro()

    dataname = '../../datas/2006-day-001.txt'  # data feed

    data0 = bt.feeds.BacktraderCSVData(dataname=dataname, name='data0')
    cerebro.adddata(data0)

    data1 = bt.feeds.BacktraderCSVData(dataname=dataname, name='data1')
    data1.addfilter(close_changer)
    if not args.no_comp:
        data1.compensate(data0)
    data1.plotinfo.plotmaster = data0
    cerebro.adddata(data1)

    cerebro.addstrategy(St)  # sample strategy

    cerebro.addobserver(bt.obs.Broker)  # removed below with stdstats=False
    cerebro.addobserver(bt.obs.Trades)  # removed below with stdstats=False

    cerebro.broker.set_coc(True)
    cerebro.run(stdstats=False)  # execute
    cerebro.plot(volume=False)  # and plot

def parse_args(pargs=None):
    parser = argparse.ArgumentParser(
        formatter_class=argparse.ArgumentDefaultsHelpFormatter,
        description=('Compensation example'))

    parser.add_argument('--no-comp', required=False, action='store_true')
    return parser.parse_args(pargs)

if __name__ == '__main__':
    runstrat()

我们一直在努力

apachecn/AiLearning

【布客】中文翻译组