黄金 vs SP500
原文： https://www.backtrader.com/blog/posts/2016-12-13-gold-vs-sp500/gold-vs-sp500/
有时，获得有关backtrader在哪里使用的提示有助于了解人们可能在寻找和使用该平台的目的。
参考资料：
这是一篇（西班牙语）分析两个 ETF 的文章：GLDvsSPY（实际上是黄金vsS&P500）
在不进行翻译的情况下，让我们集中讨论反向交易者的要点：
-
增加一个相关性指标。为了它，选择了
PearsonR。为了实现创建它的壮举，而不是从头开始编写代码，我们制作了一个如何从
scipy函数中实现它的示例。代码```py class PearsonR(bt.ind.PeriodN): _mindatas = 2 # hint to the platform
lines = ('correlation',) params = (('period', 20),) def next(self): c, p, = scipy.stats.pearsonr(self.data0.get(size=self.p.period), self.data1.get(size=self.p.period)) self.lines.correlation[0] = c```
-
加上滚动对数回报
该平台已经有一个对数返回的分析器，但没有滚动。
增加了分析仪
LogReturnsRolling，采用timeframe参数（和compression参数）使用与数据不同的时间段（如果需要）与之一起并用于可视化（内部使用分析仪一个
LogReturns观察者 -
允许数据打印上的数据（轻松）。就这样
```py # Data feeds data0 = YahooData(dataname=args.data0, **kwargs) # cerebro.adddata(data0) cerebro.resampledata(data0, timeframe=bt.TimeFrame.Weeks)
data1 = YahooData(dataname=args.data1, **kwargs) # cerebro.adddata(data1) cerebro.resampledata(data1, timeframe=bt.TimeFrame.Weeks) data1.plotinfo.plotmaster = data0```
仅使用
plotmaster=data0将在data0上绘制data1
从平台一开始就支持在其自身轴上和彼此上绘制移动平均线。
平台中还添加了分析仪和观察者，以及一个与博文中相同默认值的样本。
运行示例：
$ ./gold-vs-sp500.py --cerebro stdstats=False --plot volume=False
笔记
stdstats=False和volume=False通过移除一些常见的东西，如CashValue观察者和音量子地块，来减少图表中的混乱。
生成模拟文章大部分输出的图表。
不包括：
-
创建收益分布的图表。
它们不适合有基于日期时间的 x 轴的图表。
但有了这些分配可能会到来。
样本使用
$ ./gold-vs-sp500.py --help
usage: gold-vs-sp500.py [-h] [--data0 TICKER] [--data1 TICKER] [--offline]
[--fromdate FROMDATE] [--todate TODATE]
[--cerebro kwargs] [--broker kwargs] [--sizer kwargs]
[--strat kwargs] [--plot [kwargs]] [--myobserver]
Gold vs SP500 from https://estrategiastrading.com/oro-bolsa-estadistica-con-
python/
optional arguments:
-h, --help show this help message and exit
--data0 TICKER Yahoo ticker to download (default: SPY)
--data1 TICKER Yahoo ticker to download (default: GLD)
--offline Use the offline files (default: False)
--fromdate FROMDATE Date[time] in YYYY-MM-DD[THH:MM:SS] format (default:
2005-01-01)
--todate TODATE Date[time] in YYYY-MM-DD[THH:MM:SS] format (default:
2016-01-01)
--cerebro kwargs kwargs in key=value format (default: )
--broker kwargs kwargs in key=value format (default: )
--sizer kwargs kwargs in key=value format (default: )
--strat kwargs kwargs in key=value format (default: )
--plot [kwargs] kwargs in key=value format (default: )
示例代码
from __future__ import (absolute_import, division, print_function,
unicode_literals)
# Reference
# https://estrategiastrading.com/oro-bolsa-estadistica-con-python/
import argparse
import datetime
import scipy.stats
import backtrader as bt
class PearsonR(bt.ind.PeriodN):
_mindatas = 2 # hint to the platform
lines = ('correlation',)
params = (('period', 20),)
def next(self):
c, p, = scipy.stats.pearsonr(self.data0.get(size=self.p.period),
self.data1.get(size=self.p.period))
self.lines.correlation[0] = c
class MACrossOver(bt.Strategy):
params = (
('ma', bt.ind.MovAv.SMA),
('pd1', 20),
('pd2', 20),
)
def __init__(self):
ma1 = self.p.ma(self.data0, period=self.p.pd1, subplot=True)
self.p.ma(self.data1, period=self.p.pd2, plotmaster=ma1)
PearsonR(self.data0, self.data1)
def runstrat(args=None):
args = parse_args(args)
cerebro = bt.Cerebro()
# Data feed kwargs
kwargs = dict()
# Parse from/to-date
dtfmt, tmfmt = '%Y-%m-%d', 'T%H:%M:%S'
for a, d in ((getattr(args, x), x) for x in ['fromdate', 'todate']):
if a:
strpfmt = dtfmt + tmfmt * ('T' in a)
kwargs[d] = datetime.datetime.strptime(a, strpfmt)
if not args.offline:
YahooData = bt.feeds.YahooFinanceData
else:
YahooData = bt.feeds.YahooFinanceCSVData
# Data feeds
data0 = YahooData(dataname=args.data0, **kwargs)
# cerebro.adddata(data0)
cerebro.resampledata(data0, timeframe=bt.TimeFrame.Weeks)
data1 = YahooData(dataname=args.data1, **kwargs)
# cerebro.adddata(data1)
cerebro.resampledata(data1, timeframe=bt.TimeFrame.Weeks)
data1.plotinfo.plotmaster = data0
# Broker
kwargs = eval('dict(' + args.broker + ')')
cerebro.broker = bt.brokers.BackBroker(**kwargs)
# Sizer
kwargs = eval('dict(' + args.sizer + ')')
cerebro.addsizer(bt.sizers.FixedSize, **kwargs)
# Strategy
if True:
kwargs = eval('dict(' + args.strat + ')')
cerebro.addstrategy(MACrossOver, **kwargs)
cerebro.addobserver(bt.observers.LogReturns2,
timeframe=bt.TimeFrame.Weeks,
compression=20)
# Execute
cerebro.run(**(eval('dict(' + args.cerebro + ')')))
if args.plot: # Plot if requested to
cerebro.plot(**(eval('dict(' + args.plot + ')')))
def parse_args(pargs=None):
parser = argparse.ArgumentParser(
formatter_class=argparse.ArgumentDefaultsHelpFormatter,
description=(
'Gold vs SP500 from '
'https://estrategiastrading.com/oro-bolsa-estadistica-con-python/')
)
parser.add_argument('--data0', required=False, default='SPY',
metavar='TICKER', help='Yahoo ticker to download')
parser.add_argument('--data1', required=False, default='GLD',
metavar='TICKER', help='Yahoo ticker to download')
parser.add_argument('--offline', required=False, action='store_true',
help='Use the offline files')
# Defaults for dates
parser.add_argument('--fromdate', required=False, default='2005-01-01',
help='Date[time] in YYYY-MM-DD[THH:MM:SS] format')
parser.add_argument('--todate', required=False, default='2016-01-01',
help='Date[time] in YYYY-MM-DD[THH:MM:SS] format')
parser.add_argument('--cerebro', required=False, default='',
metavar='kwargs', help='kwargs in key=value format')
parser.add_argument('--broker', required=False, default='',
metavar='kwargs', help='kwargs in key=value format')
parser.add_argument('--sizer', required=False, default='',
metavar='kwargs', help='kwargs in key=value format')
parser.add_argument('--strat', required=False, default='',
metavar='kwargs', help='kwargs in key=value format')
parser.add_argument('--plot', required=False, default='',
nargs='?', const='{}',
metavar='kwargs', help='kwargs in key=value format')
return parser.parse_args(pargs)
if __name__ == '__main__':
runstrat()
