Backtrader 文档学习-Data Feeds（下）

Backtrader 文档学习-Data Feeds（下）

1. Data Resampling

当数据仅在单个时间范围内可用，需要在不同的时间范围内进行分析时，就需要进行一些重采样。
“重采样”实际上应该称为“上采样”，因为它是从一个源时间区间到一个更大的时间区间(例如：几天到几周)
语法：

cerebro.resampledata(data, timeframe=bt.TimeFrame.Minutes, compression=1)

两个目的：

  • 改变时间区间
  • 压缩数据 bar数量
    注意：
    如果采用了resmaple方法，则数据不会预加载preload。

参数：

  • data: bt数据源
  • timeframe：用于指定合成结果(Ticks, MicroSeconds, Seconds, Minutes, Days, Weeks, Months, Years, NoTimeFrame)
  • compression：设置bar的条数进一步压缩合并，如resmaple初次合成为周数据后，每根bar是周线。如设置compression=2，则进一步将两条周数据bar压缩成 一根bar为两周数据。

前置条件：

  • 最小粒度的数据必须被第一个加入到Cerebro实例中
  • 数据必须按照日期时间升序排列
  • 大粒度数据的使用有可能使得策略的最小周期变大
  • 若使用不同时间粒度的指标进行运算，则要采用cerebro.run(runonce=False) 若策略中使用了不同时间粒度的指标进行运算，不能用cerebro.run()

程序：

from __future__ import (absolute_import, division, print_function,unicode_literals)import argparseimport backtrader as bt
import backtrader.feeds as btfeedsdef runstrat():args = parse_args()# Create a cerebro entitycerebro = bt.Cerebro(stdstats=False)# Add a strategycerebro.addstrategy(bt.Strategy)# Load the Datadatapath = args.dataname or './datas/2006-day-001.txt'data = btfeeds.BacktraderCSVData(dataname=datapath)# Handy dictionary for the argument timeframe conversiontframes = dict(daily=bt.TimeFrame.Days,weekly=bt.TimeFrame.Weeks,monthly=bt.TimeFrame.Months)# Add the resample data instead of the originalcerebro.resampledata(data,timeframe=tframes[args.timeframe],compression=args.compression)# Run over everythingcerebro.run()# Plot the resultcerebro.plot(style='bar')def parse_args():parser = argparse.ArgumentParser(description='Pandas test script')parser.add_argument('--dataname', default='', required=False,help='File Data to Load')parser.add_argument('--timeframe', default='weekly', required=False,choices=['daily', 'weekly', 'monthly'],help='Timeframe to resample to')parser.add_argument('--compression', default=1, required=False, type=int,help='Compress n bars into 1')return parser.parse_args()if __name__ == '__main__':runstrat()

执行效果：

（1）日线

python ./resampling-example.py
在这里插入图片描述

（2）周线

python ./resampling-example.py --timeframe weekly --compression 1

在这里插入图片描述

（3）月线

python ./resampling-example.py --timeframe monthly --compression 1

在这里插入图片描述

2. Data - Replay

  • 策略使用数据区间X ，假设是日线
  • 数据需要更小的时间区间Y，比如分钟线可用
    replay 实现：
  • 用分钟线重演替代日线

用分钟线模拟日线当然不是市场精确的走势，但比孤立地等待每天完全形成的日线好得多。
如果策略定义在日线中实时运行处理，日线形成的近似值就可能在真实条件下重演策略的实际操作。
语法：

cerebro.replaydata(data,timeframe,compression)

参数与resample一样。

程序：

from __future__ import (absolute_import, division, print_function,unicode_literals)import argparseimport backtrader as bt
import backtrader.feeds as btfeeds
import backtrader.indicators as btindclass SMAStrategy(bt.Strategy):params = (('period', 10),('onlydaily', False),)def __init__(self):self.sma = btind.SMA(self.data, period=self.p.period)def start(self):self.counter = 0def prenext(self):self.counter += 1print('prenext len %d - counter %d' % (len(self), self.counter))def next(self):self.counter += 1print('---next len %d - counter %d' % (len(self), self.counter))def runstrat():args = parse_args()# Create a cerebro entitycerebro = bt.Cerebro(stdstats=False)cerebro.addstrategy(SMAStrategy,# args for the strategyperiod=args.period,)# Load the Datadatapath = args.dataname or './datas/2006-day-001.txt'data = btfeeds.BacktraderCSVData(dataname=datapath)# Handy dictionary for the argument timeframe conversiontframes = dict(daily=bt.TimeFrame.Days,weekly=bt.TimeFrame.Weeks,monthly=bt.TimeFrame.Months)# First add the original data - smaller timeframecerebro.replaydata(data,timeframe=tframes[args.timeframe],compression=args.compression)# Run over everythingcerebro.run()# Plot the resultcerebro.plot(style='bar')def parse_args():parser = argparse.ArgumentParser(description='Pandas test script')parser.add_argument('--dataname', default='', required=False,help='File Data to Load')parser.add_argument('--timeframe', default='weekly', required=False,choices=['daily', 'weekly', 'monthly'],help='Timeframe to resample to')parser.add_argument('--compression', default=1, required=False, type=int,help='Compress n bars into 1')parser.add_argument('--period', default=10, required=False, type=int,help='Period to apply to indicator')return parser.parse_args()if __name__ == '__main__':runstrat()
（1）日线replay

python replaying_example.py --timeframe daily --compression 2

prenext len 1 - counter 1
prenext len 1 - counter 2
prenext len 2 - counter 3
prenext len 2 - counter 4
prenext len 3 - counter 5
prenext len 3 - counter 6
prenext len 4 - counter 7
prenext len 4 - counter 8
prenext len 5 - counter 9
prenext len 5 - counter 10
prenext len 6 - counter 11
prenext len 6 - counter 12
prenext len 7 - counter 13
prenext len 7 - counter 14
prenext len 8 - counter 15
prenext len 8 - counter 16
prenext len 9 - counter 17
prenext len 9 - counter 18
---next len 10 - counter 19
---next len 10 - counter 20
---next len 11 - counter 21
---next len 11 - counter 22
---next len 12 - counter 23
---next len 12 - counter 24
---next len 13 - counter 25
---next len 13 - counter 26
---next len 14 - counter 27
---next len 14 - counter 28
---next len 15 - counter 29
---next len 15 - counter 30
---next len 16 - counter 31
---next len 16 - counter 32
---next len 17 - counter 33
---next len 17 - counter 34
---next len 18 - counter 35
---next len 18 - counter 36
---next len 19 - counter 37
---next len 19 - counter 38
---next len 20 - counter 39
---next len 20 - counter 40
---next len 21 - counter 41
---next len 21 - counter 42
---next len 22 - counter 43
---next len 22 - counter 44
---next len 23 - counter 45
---next len 23 - counter 46
---next len 24 - counter 47
---next len 24 - counter 48
---next len 25 - counter 49
---next len 25 - counter 50
---next len 26 - counter 51
---next len 26 - counter 52
---next len 27 - counter 53
---next len 27 - counter 54
---next len 28 - counter 55
---next len 28 - counter 56
---next len 29 - counter 57
---next len 29 - counter 58
---next len 30 - counter 59
---next len 30 - counter 60
---next len 31 - counter 61
---next len 31 - counter 62
---next len 32 - counter 63
---next len 32 - counter 64
---next len 33 - counter 65
---next len 33 - counter 66
---next len 34 - counter 67
---next len 34 - counter 68
---next len 35 - counter 69
---next len 35 - counter 70
---next len 36 - counter 71
---next len 36 - counter 72
---next len 37 - counter 73
---next len 37 - counter 74
---next len 38 - counter 75
---next len 38 - counter 76
---next len 39 - counter 77
---next len 39 - counter 78
---next len 40 - counter 79
---next len 40 - counter 80
---next len 41 - counter 81
---next len 41 - counter 82
---next len 42 - counter 83
---next len 42 - counter 84
---next len 43 - counter 85
---next len 43 - counter 86
---next len 44 - counter 87
---next len 44 - counter 88
---next len 45 - counter 89
---next len 45 - counter 90
---next len 46 - counter 91
---next len 46 - counter 92
---next len 47 - counter 93
---next len 47 - counter 94
---next len 48 - counter 95
---next len 48 - counter 96
---next len 49 - counter 97
---next len 49 - counter 98
---next len 50 - counter 99
---next len 50 - counter 100
---next len 51 - counter 101
---next len 51 - counter 102
---next len 52 - counter 103
---next len 52 - counter 104
---next len 53 - counter 105
---next len 53 - counter 106
---next len 54 - counter 107
---next len 54 - counter 108
---next len 55 - counter 109
---next len 55 - counter 110
---next len 56 - counter 111
---next len 56 - counter 112
---next len 57 - counter 113
---next len 57 - counter 114
---next len 58 - counter 115
---next len 58 - counter 116
---next len 59 - counter 117
---next len 59 - counter 118
---next len 60 - counter 119
---next len 60 - counter 120
---next len 61 - counter 121
---next len 61 - counter 122
---next len 62 - counter 123
---next len 62 - counter 124
---next len 63 - counter 125
---next len 63 - counter 126
---next len 64 - counter 127
---next len 64 - counter 128
---next len 65 - counter 129
---next len 65 - counter 130
---next len 66 - counter 131
---next len 66 - counter 132
---next len 67 - counter 133
---next len 67 - counter 134
---next len 68 - counter 135
---next len 68 - counter 136
---next len 69 - counter 137
---next len 69 - counter 138
---next len 70 - counter 139
---next len 70 - counter 140
---next len 71 - counter 141
---next len 71 - counter 142
---next len 72 - counter 143
---next len 72 - counter 144
---next len 73 - counter 145
---next len 73 - counter 146
---next len 74 - counter 147
---next len 74 - counter 148
---next len 75 - counter 149
---next len 75 - counter 150
---next len 76 - counter 151
---next len 76 - counter 152
---next len 77 - counter 153
---next len 77 - counter 154
---next len 78 - counter 155
---next len 78 - counter 156
---next len 79 - counter 157
---next len 79 - counter 158
---next len 80 - counter 159
---next len 80 - counter 160
---next len 81 - counter 161
---next len 81 - counter 162
---next len 82 - counter 163
---next len 82 - counter 164
---next len 83 - counter 165
---next len 83 - counter 166
---next len 84 - counter 167
---next len 84 - counter 168
---next len 85 - counter 169
---next len 85 - counter 170
---next len 86 - counter 171
---next len 86 - counter 172
---next len 87 - counter 173
---next len 87 - counter 174
---next len 88 - counter 175
---next len 88 - counter 176
---next len 89 - counter 177
---next len 89 - counter 178
---next len 90 - counter 179
---next len 90 - counter 180
---next len 91 - counter 181
---next len 91 - counter 182
---next len 92 - counter 183
---next len 92 - counter 184
---next len 93 - counter 185
---next len 93 - counter 186
---next len 94 - counter 187
---next len 94 - counter 188
---next len 95 - counter 189
---next len 95 - counter 190
---next len 96 - counter 191
---next len 96 - counter 192
---next len 97 - counter 193
---next len 97 - counter 194
---next len 98 - counter 195
---next len 98 - counter 196
---next len 99 - counter 197
---next len 99 - counter 198
---next len 100 - counter 199
---next len 100 - counter 200
---next len 101 - counter 201
---next len 101 - counter 202
---next len 102 - counter 203
---next len 102 - counter 204
---next len 103 - counter 205
---next len 103 - counter 206
---next len 104 - counter 207
---next len 104 - counter 208
---next len 105 - counter 209
---next len 105 - counter 210
---next len 106 - counter 211
---next len 106 - counter 212
---next len 107 - counter 213
---next len 107 - counter 214
---next len 108 - counter 215
---next len 108 - counter 216
---next len 109 - counter 217
---next len 109 - counter 218
---next len 110 - counter 219
---next len 110 - counter 220
---next len 111 - counter 221
---next len 111 - counter 222
---next len 112 - counter 223
---next len 112 - counter 224
---next len 113 - counter 225
---next len 113 - counter 226
---next len 114 - counter 227
---next len 114 - counter 228
---next len 115 - counter 229
---next len 115 - counter 230
---next len 116 - counter 231
---next len 116 - counter 232
---next len 117 - counter 233
---next len 117 - counter 234
---next len 118 - counter 235
---next len 118 - counter 236
---next len 119 - counter 237
---next len 119 - counter 238
---next len 120 - counter 239
---next len 120 - counter 240
---next len 121 - counter 241
---next len 121 - counter 242
---next len 122 - counter 243
---next len 122 - counter 244
---next len 123 - counter 245
---next len 123 - counter 246
---next len 124 - counter 247
---next len 124 - counter 248
---next len 125 - counter 249
---next len 125 - counter 250
---next len 126 - counter 251
---next len 126 - counter 252
---next len 127 - counter 253
---next len 127 - counter 254
---next len 128 - counter 255

在这里插入图片描述

（2）周线replay

python ./resampling-example.py --timeframe weekly --compression 1
在这里插入图片描述

（3）月线replay

python ./resampling-example.py --timeframe monthly --compression 1
在这里插入图片描述

3. Replay和Resample 应用说明

Replay和Resample 应用场景：

（1）Replay

在 BackTrader 框架中主要用于回放历史数据，以在策略中进行回测和验证。以下是其应用场景的一些示例：

  • 策略回测：开发了一个新的交易策略后，可以使用 cerebro.replaydata() 方法将历史数据输入到该策略中，以评估其性能。通过回放历史数据，可以了解策略在实际市场环境中的表现，并对其参数进行优化。
  • 系统验证：已经开发了一个交易系统，希望对其性能进行测试和验证。可以使用 cerebro.replaydata() 方法将历史数据输入到该系统中，以检查其是否能够有效地跟随市场趋势，并对其性能进行评估。
  • 风险管理：在开发交易策略时，了解风险管理是很重要的。通过使用 cerebro.replaydata() 方法回放历史数据，可以模拟策略在各种市场条件下的风险状况，并制定相应的风险管理措施。
  • 算法交易：对于开发基于算法的交易策略，使用 cerebro.replaydata() 方法回放历史数据可以帮助测试和验证算法的正确性。通过将算法应用于历史数据，可以了解其在不同市场条件下的表现，并对算法进行调整和优化。
（2）Resample

在 BackTrader 框架中主要用于对数据进行重采样，以适应不同的时间间隔或频率。以下是其应用场景的一些示例：

  • 时间间隔转换：有时，原始数据的时间间隔可能不适合策略或分析需求。例如，原始数据可能是每分钟获取的，但策略需要更长的时间间隔，如每小时或每天。在这种情况下，可以使用 cerebro.resampledata() 方法将数据重采样到所需的时间间隔。
  • 数据平滑：重采样数据还可以用于数据平滑。通过将数据重采样到更大的时间间隔，可以减少数据的波动性，从而更好地观察市场趋势和模式。这对于策略开发和验证非常有用，因为它可以帮助消除短期噪音并突出长期趋势。
  • 跨市场对齐：如果策略需要在多个市场进行交易，而这些市场的数据时间间隔不同，那么可以使用 cerebro.resampledata() 方法将不同市场的数据进行对齐。这样可以确保所有数据都以相同的频率进行分析和处理，以实现一致性和可比性。
  • 预测模型：对于基于预测的策略，使用重采样数据可能更为关键。一些预测模型可能需要特定频率的数据输入，如每日收盘价而不是更高频率的数据。通过使用 cerebro.resampledata() 方法，可以将数据调整为预测模型的输入要求。

4.Data Rollover

貌似处理期货交割的时间连续性。

import backtrader as btcerebro = bt.Cerebro()
data0 = bt.feeds.MyFeed(dataname='Expiry0')
data1 = bt.feeds.MyFeed(dataname='Expiry1')
...
dataN = bt.feeds.MyFeed(dataname='ExpiryN')drollover = bt.feeds.RollOver(data0, data1, ..., dataN, dataname='MyRoll', **kwargs)
cerebro.adddata(drollover)cerebro.run()

没有数据，无法测试理解。

5. Filters

应用场景没有明白，暂时放一下。

其他的除了Panda ，用Panda 加载数据前面应用多次了，其他也没有应用场景。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/293788.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

计算机网络：应用层

计算机网络：应用层

0 本节主要内容 问题描述 解决思路 1 问题描述 不同的网络服务： DNS：用来把人们使用的机器名字（域名）转换为 IP 地址；DHCP：允许一台计算机加入网络和获取 IP 地址，而不用手工配置&#xff1…
阅读更多...
N字形变换（麻烦的方法）

N字形变换（麻烦的方法）

class Solution:def convert(self, s: str, numRows: int) -> str:#先判断z有多少隔开s_new""index_now0if len(s)<numRows or numRows1:return sfor i in range(numRows-1,-1,-1):exchange0index_exchangeindex_nows_news[index_now]#计算每一层的差距gap_but…
阅读更多...
10、基于LunarLander登陆器的Dueling DDQN强化学习（含PYTHON工程）

10、基于LunarLander登陆器的Dueling DDQN强化学习（含PYTHON工程）

10、基于LunarLander登陆器的Dueling DDQN强化学习&#xff08;含PYTHON工程&#xff09; LunarLander复现&#xff1a; 07、基于LunarLander登陆器的DQN强化学习案例&#xff08;含PYTHON工程&#xff09; 08、基于LunarLander登陆器的DDQN强化学习&#xff08;含PYTHON工程…
阅读更多...
华为鸿蒙开发适合哪些人学习？

华为鸿蒙开发适合哪些人学习？

随着鸿蒙系统的崛起&#xff0c;越来越多的人开始关注鸿蒙开发&#xff0c;并希望成为鸿蒙开发者。然而&#xff0c;鸿蒙开发并不适合所有人&#xff0c;那么哪些人最适合学习鸿蒙开发呢&#xff1f;本文将为您总结鸿蒙开发适合的人群。 一、具备编程基础的人 学习鸿蒙开发需要…
阅读更多...
SAP系统标准表之间的关联关系对应

SAP系统标准表之间的关联关系对应

SAP系统标准表之间的关联关系对应
阅读更多...
互联网账户一证通查询名下账号

互联网账户一证通查询名下账号

核验身份后一键在线查询名下所有关联号码以及注册。 名下电话卡查询&#xff1a;全国移动电话卡“一证通查” 手机号绑定查询&#xff1a;https://tb3.cn/A3lhMk
阅读更多...
明道云引领企业变革与创新

明道云引领企业变革与创新

内容来自演讲&#xff1a;周万均 | 成都护园科技有限公司 | 总经理 摘要 本文主要讲述了作者从甲方转变为乙方的角色转变过程中&#xff0c;对明道云的应用和探索。在选择系统时&#xff0c;企业会考虑的一些因素&#xff0c;并强调了团队、时间、成本和沟通等因素在企业数字化…
阅读更多...
spring-validation实现分组校验

spring-validation实现分组校验

文章目录 前言实际开发可能会使用到分组校验maven添加依赖简单使用高级应用分组自定义分组组合分组 源码地址 前言 JSR 303中提出了Bean Validation&#xff0c;表示JavaBean的校验&#xff0c;Hibernate Validation是其具体实现&#xff0c;并对其进行了一些扩展&#xff0c;…
阅读更多...
SaaS智慧校园云平台源码，智慧班牌系统，家校互联小程序源码

SaaS智慧校园云平台源码，智慧班牌系统，家校互联小程序源码

SaaS智慧校园云平台源码&#xff0c;智慧班牌系统&#xff0c;原生小程序 集智慧教学、智慧教务、智慧校务、智慧办公于一体的校园管理平台源码。集成智能硬件及第三方服务&#xff0c;面向学校、教师、家长、学生&#xff0c;将校内外管理、教学等信息资源进行整合&#xff0c…
阅读更多...
基于ip地址通过openssl生成自签名证书

基于ip地址通过openssl生成自签名证书

最近在配置geo的时候&#xff0c;客户说自己使用的是自签证书&#xff0c;然后是通过ip地址和端口的方式访问gitlab&#xff0c;比较好奇这块&#xff0c;因此对证书的生成和使用做了一些整理&#xff0c;对此网上关于这部分资料也很多&#xff0c;不过作为记录&#xff0c;也算…
阅读更多...
【扩散模型】6、Classifier-Free Diffusion Guidance | 无需显示分类器指导也能获得很好的生成效果

【扩散模型】6、Classifier-Free Diffusion Guidance | 无需显示分类器指导也能获得很好的生成效果

论文&#xff1a;Classifier-Free Diffusion Guidance 代码&#xff1a;暂无 出处&#xff1a;NIPS 2021 workshop&#xff08;短版本论文&#xff09; 一、背景 在此之前&#xff0c;classifier guidance &#xff08;diffusion model beats GAN&#xff09;模型使用类别引…
阅读更多...
3A服务器 （hcia）

3A服务器 （hcia）

原理 认证&#xff1a;验证用户是否可以获得网络访问权。 授权&#xff1a;授权用户可以使用哪些服务。 计费&#xff1a;记录用户使用网络资源的情况 实验 步骤 1.配置ip地址 2.配置认证服务器 aaa authentication-scheme datacom&#xff08;认证服务器名字&#xf…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023