cerebro.optstrategy(MyStrategy, myparam1=range(10, 20))

它将运行MyStrategy10 次，myparam1取值从 10 到 19（请记住 Python 中的范围是半开的，20不会达到）

4、其他元素

还可以添加一些其他元素来增强回测体验。请参阅相应的部分。方法是：

1. • addwriter
   • addanalyzer
   • addobserver（或addobservermulti）

5、更换经纪人

Cerebro 将使用 中的默认代理backtrader，但这可以被覆盖：

broker = MyBroker()
cerebro.broker = broker  # property using getbroker/setbroker methods

6、接收通知

如果数据馈送和/或代理发送通知（或创建它们的商店提供者），它们将通过该 Cerebro.notify_store方法接收。可通过三 (3) 种方式处理这些通知

• 通过调用向实例 添加回调。回调必须支持此签名：cerebroaddnotifycallback(callback)

callback(msg, *args, **kwargs)

actualmsg和received 是实现定义的（完全取决于data/broker/store*args ） ，但通常人们应该期望它们是可打印的，以允许接收和实验。**kwargs

• 覆盖添加到实例notify_store的子类中的方法。Strategycerebro

签名：notify_store(self, msg, *args, **kwargs)

• 子类Cerebro和覆盖notify_store（与 中的签名相同Strategy）

这应该是最不受欢迎的方法。

执行回测

有一个方法可以做到，但它支持几个选项（也可以在实例化时指定）来决定如何运行：

result = cerebro.run(**kwargs)

result = cerebro.run(**kwargs)

cerebro.plot()

请参阅下面的参考和绘图部分

回测逻辑

事物流程的简要概述：

1. 传递任何商店通知
2. 询问数据馈送以提供下一组报价/柱Versionchanged：在 1.9.0.99 版中更改：新行为

   通过查看日期时间来同步数据馈送，该日期时间将由可用的数据馈送提供。在新时期未交易的馈送仍提供旧数据点，而具有可用新数据的数据馈送提供这一点（连同指标的计算）

   旧行为oldsync=True（与Cerebro一起使用时保留）

   插入系统的第一个数据是并且^系统datamaster将等待它传递一个滴答声

   其他数据馈送或多或少是datamaster 和：

   * 如果下一个要
      交付的报价比“数据管理员”交付的报价新（按日期时间），它将不会被交付
   
   * 由于多种原因，可能会在不交付新报价的情况下返回

   该逻辑旨在轻松同步多个数据馈送和具有不同时间范围的数据馈送

3. 通知策略关于订单、交易和现金/价值的排队经纪人通知
4. 告诉经纪人接受排队订单并使用新数据执行挂单
5. 调用策略的next方法让策略评估新数据（并可能发出在代理中排队的订单）根据可能处于prenext或nextstart在满足策略/指标的最短周期要求之前的阶段

   在内部，这些策略还将踢出observers、 indicators和analyzers 其他活动元素

6. 告诉任何writers人将数据写入其目标

需要考虑的重要事项：

因此， step 中的策略发出的订单4无法使用 step 中的数据执行1。

这意味着订单将以 的概念执行x + 1。x执行订单的柱时刻在哪里x + 1，下一个是可能的订单执行的最早时刻

参考

class backtrader.Cerebro()

参数：

• preload（默认True）

是否data feeds为 Strategies 预加载不同的传递给 cerebro

• runonce（默认True）

以矢量化模式运行Indicators以加速整个系统。策略和观察者将始终基于事件运行

• live（默认False）

如果没有数据报告自己是实时的（通过数据的islive 方法但最终用户仍希望在live模式下运行，则可以将此参数设置为 true

这将同时停用preload和runonce。它对内存节省方案没有影响。

以矢量化模式运行Indicators以加速整个系统。策略和观察者将始终基于事件运行

• maxcpus（默认值：无 -> 所有可用内核）同时使用多少个内核进行优化
• stdstats（默认True）

如果将添加真正的默认观察员：经纪人（现金和价值）、交易和买入卖出

• oldbuysell（默认False）

如果stdstatsisTrue并且观察者正在自动添加，则此开关控制BuySell 观察者的主要行为

• False：使用现代行为，其中买入/卖出信号分别绘制在低/高价下方/上方，以避免混乱图
• True：使用已弃用的行为，在该行为中绘制买入/卖出信号，其中给定时间的订单执行的平均价格是。这当然会在 OHLC 条的顶部或在 Cloe 条上的 Line 上，从而难以识别情节。
• oldtrades（默认False）

如果stdstatsisTrue并且观察者正在自动添加，则此开关控制Trades 观察者的主要行为

• False：使用现代行为，其中所有数据的交易都用不同的标记绘制
• True：使用旧的交易观察者，它用相同的标记绘制交易，仅区分它们是正数还是负数
• exactbars（默认False：）

使用默认值，存储在一行中的每个值都保存在内存中

可能的值：

* `True` 或 `1`：所有“行”对象将内存使用量减少到
  自动计算的最小周期。

  如果简单移动平均线的周期为 30，则基础数据
  将始终具有 30 个柱的运行缓冲区，以允许
  计算简单移动平均线

  * 此设置将停用 `preload` 和 `runonce` 

  * 使用此设置也会停用**绘图** 

* `-1`：数据释放和策略级别的指标/操作会将
  所有数据保存在内存中。

  例如：`RSI` 内部使用指标 `UpDay`
  进行计算。该子指标不会将所有数据保存在
  内存中

  * 这允许保持“绘图”和“预加载”处于活动状态。

  * `runonce` 将被停用

* `-2`：作为
  策略属性保存的数据馈送和指标将所有点保存在内存中。

  例如：`RSI` 内部使用指标 `UpDay`
  进行计算。该子指标不会将所有数据保存在
  内存中

  如果在 `__init__` 中定义了类似于
  `a = self.data.close - self.data.high` 的内容，则 `a`
  不会将所有数据保存在内存中

  * 这允许保持“绘图”和“预加载”处于活动状态。

  * `runonce` 将被停用

• objcache（默认False）

实现线对象缓存并减少它们数量的实验选项。UltimateOscillator 示例：

bp = self.data.close - TrueLow(self.data)
tr = TrueRange(self.data)  # -> creates another TrueLow(self.data)

如果这是True第二个^内部 TrueLow(self.data)匹配TrueRange 计算中的签名bp。它将被重复使用。

可能会发生拐角情况，其中这会使线对象偏离其最小周期并破坏事物并因此被禁用。

• writer（默认False）

如果设置为True默认 WriterFile 将被创建，它将打印到标准输出。它将被添加到策略中（除了用户代码添加的任何其他编写器）

• tradehistory（默认False）

如果设置为True，它将在所有策略的每笔交易中激活更新事件记录。这也可以使用策略方法在每个策略的基础上完成set_tradehistory

• optdatas（默认True）

如果True优化（并且系统可以preload使用 runonce），数据预加载将在主进程中只进行一次，以节省时间和资源。

测试显示在几秒钟内20%从示例执行到8366

• optreturn（默认True）

如果True优化结果不是完整Strategy 对象（以及所有数据、指标、观察者……），而是具有以下属性的对象（与中相同Strategy）：

* `params` (or `p`) the strategy had for the execution

* `analyzers` the strategy has executed

在大多数情况下，只有分析器和哪些参数是评估策略性能所需的东西。如果需要对（例如） 指标的生成值进行详细分析，请将其关闭

测试显示13% - 15%执行时间有所改善。结合总增益增加到优化运行中optdatas的总加速 。32%

• oldsync（默认False）

从版本 1.9.0.99 开始，多个数据（相同或不同时间范围）的同步已更改为允许不同长度的数据。

如果希望使用 data0 作为系统主控的旧行为，请将此参数设置为 true

• tz（默认None）

为策略添加全球时区。论据tz可以是

* `None`：在这种情况下，策略显示的日期时间将采用
  UTC，这始终是标准行为

* `pytz` 实例。它将用于将 UTC 时间转换
  为所选时区

* `string`。将尝试实例化 `pytz` 实例。

* `整数`。
  对于策略，使用与 `self.datas` 迭代中相应的 `data`相同的时区（`0` 将使用来自 `data0` 的时区）

• cheat_on_open（默认False：）

将next_open调用策略方法。这发生在next经纪人有机会评估订单之前和之前。指标尚未重新计算。这允许发布一个考虑前一天指标但使用open价格计算股权的订单

对于 cheat_on_open 订单执行，还需要调用cerebro.broker.set_coo(True)或实例化一个经纪人 BackBroker(coo=True)（其中coo代表 cheat-on-open）或将broker_coo参数设置为True. 除非在下面禁用，否则 Cerebro 会自动执行此操作。

• broker_coo（默认True：）

这将自动调用set_coo代理的方法True来激活cheat_on_open执行。cheat_on_open只有在也是时才会这样做True

• quicknotify（默认False：）

经纪人通知在下一个价格交付之前交付 。对于回溯测试，这没有任何影响，但是对于实时经纪人，可以在柱线交付之前很久就发出通知。设置为True通知将尽快发送（请参阅qcheck实时提要）

设置False为兼容性。可以改为True

addstorecb（回调）

添加回调以获取将由 notify_store 方法处理的消息

回调的签名必须支持以下内容：

• callback(msg, *args, **kwargs)

actualmsg和received 是实现定义的（完全取决于data/broker/store*args ） ，但通常人们应该期望它们是可打印的，以允许接收和实验。**kwargs

notify_store(msg, *args, **kwargs)

在 cerebro 中接收商店通知

该方法可以在Cerebro子类中被覆盖

actualmsg和received 是实现定义的（完全取决于data/broker/store*args ） ，但通常人们应该期望它们是可打印的，以允许接收和实验。**kwargs

adddatacb（回调）

添加回调以获取将由 notify_data 方法处理的消息

回调的签名必须支持以下内容：

• callback(data, status, *args, **kwargs)

实际*args和**kwargs接收是实现定义的（完全取决于data/broker/store），但通常人们应该期望它们是可打印的，以允许接收和实验。

notify_data(data, status, *args, **kwargs)

在 cerebro 中接收数据通知

该方法可以在Cerebro子类中被覆盖

实际*args和**kwargs接收是实现定义的（完全取决于data/broker/store），但通常人们应该期望它们是可打印的，以允许接收和实验。

adddata(data, name=None)

将Data Feed实例添加到组合中。

如果name不是 None ，它将被放入data._name其中用于装饰/绘图目的。

resampledata(dataname, name=None, **kwargs)

添加一个Data Feed由系统重新采样

如果name不是 None ，它将被放入data._name其中用于装饰/绘图目的。

重采样过滤器支持的任何其他 kwarg（如timeframe, compression）todate都将透明传递

replaydata(dataname, name=None, **kwargs)

添加一个Data Feed由系统重播

如果name不是 None ，它将被放入data._name其中用于装饰/绘图目的。

重播过滤器支持的任何其他 kwargs （如timeframe, compression）todate都将透明传递

chaindata(*args, **kwargs)

将多个数据馈送链接到一个

如果name作为命名参数传递并且不是 None 它将被放入data._name其中用于装饰/绘图目的。

如果None，则将使用第一个^数据的名称

rolloverdata(*args, **kwargs)

将多个数据馈送链接到一个

如果name作为命名参数传递并且不是 None 它将被放入data._name其中用于装饰/绘图目的。

如果None，则将使用第一个^数据的名称

任何其他 kwargs 都将传递给 RollOver 类

addstrategy(strategy, *args, **kwargs)

Strategy为单程运行添加一个类。实例化将在一段时间内发生run。

args 和 kwargs 将在实例化期间传递给策略。

返回可以引用添加其他对象（如 sizer）的索引

optstrategy(strategy, *args, **kwargs)

将一个Strategy类添加到组合中以进行优化。实例化将在一段时间内发生run。

args 和 kwargs 必须是包含要检查的值的可迭代对象。

示例：如果 Strategy 接受参数period，则出于优化目的，调用optstrategy如下所示：

• cerebro.optstrategy(MyStrategy, period=(15, 25))

这将对值 15 和 25 执行优化。而

• cerebro.optstrategy(MyStrategy, period=range(15, 25))

将以 15 -> 25 的值执行 MyStrategy period（不包括 25，因为范围在 Python 中是半开放的）

如果传递了参数但不应优化，则调用如下所示：

• cerebro.optstrategy(MyStrategy, period=(15,))

请注意，period它仍然作为可迭代的 … 仅 1 个元素传递

backtrader无论如何都会尝试识别以下情况：

• cerebro.optstrategy(MyStrategy, period=15)

如果可能，将创建一个内部伪迭代

optcallback(cb)

将回调添加到回调列表中，当每个策略运行时将使用优化调用

签名：cb（策略）

addindicator(indcls, *args, **kwargs)

添加一个Indicator类。实例化将 run在传递的策略中及时完成

addobserver(obscls, *args, **kwargs)

添加一个Observer类。实例化将在 run时间完成

addobservermulti(obscls, *args, **kwargs)

添加一个Observer类。实例化将在 run时间完成

系统中的每个“数据”都会添加一次。用例是观察单个数据的买卖观察者。

一个反例是 CashValue，它观察系统范围的值

addanalyzer(ancls, *args, **kwargs)

添加一个Analyzer类。实例化将在 run时间完成

addwriter(wrtcls, *args, **kwargs)

添加一个Writer类。实例化将 run在 cerebro 的时间完成

run(**kwargs)

执行回测的核心方法。任何传递给它的东西都会影响被实例化kwargs的标准参数的值。Cerebro

如果cerebro没有数据，该方法将立即退出。

它有不同的返回值：

• 对于无优化：包含添加的策略类实例的列表addstrategy
• 优化：一个列表列表，其中包含添加的 Strategy 类的实例addstrategy

runstop()

如果从策略内部或其他任何地方调用，包括其他线程，执行将尽快停止。

setbroker(broker)

设置此策略的特定broker实例，替换从 cerebro 继承的实例。

getbroker()

返回代理实例。

这也可以作为property名称使用broker

plot(plotter=None, numfigs=1, iplot=True, start=None, end=None, width=16, height=9, dpi=300, tight=True, use=None, **kwargs)

绘制大脑内部的策略

如果plotter为 None，则创建默认Plot实例并 kwargs在实例化期间将其传递给它。

numfigs如果需要，将绘图拆分为指定数量的图表，以降低图表密度

iplot: 如果True并在一个notebook图表中运行，将内联显示

use：将其设置为所需的 matplotlib 后端的名称。它将优先于iplot

start: 策略的日期时间线数组的索引或 指示绘图开始datetime.date的datetime.datetime实例

end: 策略的日期时间线数组的索引或 指示绘图结束datetime.date的datetime.datetime实例

width：以英寸保存的图形

height：以英寸保存的图形

dpi：保存图形的每英寸点数的质量

tight: 只保存实际内容，不保存图框

addizer(sizercls, *args, **kwargs)

添加一个Sizer类（和 args），它是添加到 cerebro 的任何策略的默认大小调整器

addizer_byidx(idx, sizercls, *args, **kwargs)

Sizer通过 idx添加一个类。此 idx 是与 . 返回的引用兼容的引用addstrategy。只有引用的策略 idx才会收到这个大小

add_signal(sigtype, sigcls, *sigargs, **sigkwargs)

向系统添加一个信号，该信号稍后将添加到 SignalStrategy

signal_concurrent(onoff)

如果将信号添加到系统并且concurrent值设置为 True，则允许并发订单

signal_accumulate(onoff)

如果信号被添加到系统并且accumulate值设置为 True，当已经进入市场时进入市场，将被允许增加头寸

信号策略（stratcls，*args，**kwargs）

添加一个可以接受信号的 SignalStrategy 子类

添加日历（cal）

向系统添加全球交易日历。个别数据馈送可能有单独的日历，这些日历会覆盖全局日历

cal可以是TradingCalendar字符串的实例或pandas_market_calendars. 一个字符串将被实例化为一个PandasMarketCalendar（需要 pandas_market_calendar在系统中安装模块。

如果通过 TradingCalendarBase 的子类（不是实例），它将被实例化

addtz(tz)

这也可以通过参数来完成tz

为策略添加全球时区。论据tz可以是

• None：在这种情况下，策略显示的日期时间将采用 UTC，这一直是标准行为
• pytz实例。它将用于将 UTC 时间转换为所选时区
• string. pytz将尝试实例化实例。
• integer. 对于策略，使用与可迭代中对应data的时区相同的时区（将使用来自的时区）self.datas0data0

add_timer(when, offset=datetime.timedelta(0), repeat=datetime.timedelta(0), weekdays=[], weekcarry=False, monthdays=[], monthcarry=True, allow=None, tzdata=None, strats=False, cheat=False, *args, **kwargs)

安排一个计时器来调用notify_timer

• 参数当( – ) – 可以
  • datetime.time实例（见下文tzdata）
  • bt.timer.SESSION_START引用会话开始
  • bt.timer.SESSION_END引用会话结束
  • offset这必须是一个datetime.timedelta实例

  用于偏移值when。SESSION_START它与和结合使用具有有意义的用途，以指示在会话开始后SESSION_END调用计时器之类的事情。15 minutes

  • repeat这必须是一个datetime.timedelta实例指示在^第一次通话后，是否将在同一会话中以预定的repeat增量安排进一步的通话

    一旦计时器超过会话结束，它将重置为原始值when

  • weekdays: 一个排序的迭代器，带有整数，指示在哪些天（iso 代码，星期一是 1，星期日是 7）可以实际调用计时器如果未指定，计时器将在所有日子都处于活动状态
  • weekcarry（默认值：）False。如果True没有看到工作日（例如：交易假期），计时器将在第二天执行（即使在新的一周）
  • monthdays：一个排序的迭代器，带有整数，指示必须在每月的哪几天执行计时器。例如总是在每月的第15天如果未指定，计时器将在所有日子都处于活动状态
  • monthcarry（默认值：）True。如果没有看到这一天（周末、交易假日），则计时器将在下一个可用日期执行。
  • allow（默认值：）None。一个回调，它接收一个 datetime.date` 实例，True如果计时器允许该日期，则返回，否则返回False
  • tzdata可以是None（默认）、pytz 实例或data feed实例。None:when以面值解释（这意味着将其视为 UTC 处理，即使它不是）

    pytz实例：when将被解释为在时区实例指定的本地时间中指定。

    data feed实例：将被解释为在数据馈送实例when的参数指定的本地时间中指定。tz

    笔记

    如果whenisSESSION_START或SESSION_END并且tzdata is None，系统中的第一个^数据 馈送（aka self.data0）将用作查找会话时间的参考。

  • strats（默认False：）也调用notify_timer策略
  • cheat（默认False）如果True在经纪人有机会评估订单之前调用计时器。这打开了基于开盘价发出订单的机会，例如在会话开始之前
  • *args: 任何额外的参数都将传递给notify_timer
  • **kwargs: 任何额外的 kwargs 将被传递给notify_timer

返回值：

• 创建的计时器

notify_timer(timer, when, *args, **kwargs)

收到定时器通知，timer返回的定时器在哪里add_timer，when是调用时间。args 并且kwargs是传递给add_timer

实际when时间可以晚一些，但系统可能之前无法调用定时器。该值是定时器值，不是系统时间。

add_order_history(orders, notify=True)

添加订单历史记录以直接在经纪人中执行以进行绩效评估

• orders: 是一个可迭代对象（例如：列表、元组、迭代器、生成器），其中每个元素也是具有以下子元素的可迭代对象（有长度）（可能有 2 种格式）[datetime, size, price]或者[datetime, size, price, data]

  笔记

  它必须按日期时间升序排序（或生成排序元素）

  • datetime是 pythondate/datetime实例或格式为 YYYY-MM-DD[THH:MM:SS[.us]] 的字符串，其中括号中的元素是可选的
  • size是一个整数（正数买入，负数卖出）
  • price是浮点数/整数
  • data如果存在可以采用以下任何值
    • 无– 第一个数据^馈送将用作目标
    • 整数– 将使用具有该索引的数据（在 Cerebro中的插入顺序）
    • 字符串– 具有该名称的数据，例如分配有 cerebro.addata(data, name=value)，将是目标
• notify（默认：真）如果True在系统中插入的第一个^策略将被通知根据每个订单的信息创建的人工订单orders