休斯顿，我们有一个问题：

  • cerebro并不意味着要运行多次。这不是第一次，而不是认为用户做错了，这似乎是一个用例。

这个有趣的用例是通过Ticket 177提出的。在这种情况下， cerebro 被多次用于评估从外部数据源获取的不同策略。

backtrader仍然可以支持这个用例，但不是以它尝试过的直接方式。

优化选择

backtrader中的内置优化已经完成了所需的操作：

  • 实例化几个策略实例并收集结果

作为实例都属于同一个类的唯一事物。这就是 Python 通过让我们控制对象的创建来提供帮助的地方。

首先，让我们使用backtrader 中内置的Signal技术向脚本添加非常快速的策略

class St0(bt.SignalStrategy):
    def __init__(self):
        sma1, sma2 = bt.ind.SMA(period=10), bt.ind.SMA(period=30)
        crossover = bt.ind.CrossOver(sma1, sma2)
        self.signal_add(bt.SIGNAL_LONG, crossover)


class St1(bt.SignalStrategy):
    def __init__(self):
        sma1 = bt.ind.SMA(period=10)
        crossover = bt.ind.CrossOver(self.data.close, sma1)
        self.signal_add(bt.SIGNAL_LONG, crossover)

它不能变得更容易。

现在让我们施展这两种策略的魔力。

class StFetcher(object):
    _STRATS = [St0, St1]

    def __new__(cls, *args, **kwargs):
        idx = kwargs.pop('idx')

        obj = cls._STRATS[idx](*args, **kwargs)
        return obj

瞧！当类StFetcher被实例化时，方法 __new__控制实例的创建。在这种情况下：

  • 获取idx传递给它的参数
  • 使用此参数从_STRATS存储了我们之前的示例策略的列表中获取策略。没有什么可以阻止使用此idx值从服务器和/或数据库中获取策略。
  • 实例化并返回受感染的策略

运行

cerebro.addanalyzer(bt.analyzers.Returns)
cerebro.optstrategy(StFetcher, idx=[0, 1])
results = cerebro.run(maxcpus=args.maxcpus, optreturn=args.optreturn)

的确！优化它！而不是addstrategy我们使用optstrategy 并传递一个值数组idx。这些值将由优化引擎迭代。

因为cerebro可以在每个优化过程中托管多个策略，所以结果将包含一个列表列表。每个子列表是每个优化过程的结果。

在我们的例子中，每次只有 1 个策略，我们可以快速展平结果并提取我们添加的分析器的值。

strats = [x[0] for x in results]  # flatten the result
for i, strat in enumerate(strats):
    rets = strat.analyzers.returns.get_analysis()
    print('Strat {} Name {}:\n  - analyzer: {}\n'.format(
        i, strat.__class__.__name__, rets))

示例运行

./strategy-selection.py

Strat 0 Name St0:
  - analyzer: OrderedDict([(u'rtot', 0.04847392369449283), (u'ravg', 9.467563221580632e-05), (u'rnorm', 0.02414514457151587), (u'rnorm100', 2.414514457151587)])

Strat 1 Name St1:
  - analyzer: OrderedDict([(u'rtot', 0.05124714332260593), (u'ravg', 0.00010009207680196471), (u'rnorm', 0.025543999840699633), (u'rnorm100', 2.5543999840699634)])

我们的 2 个策略已经运行并交付（如预期）不同的结果。

Tips：该示例很小，但已在所有可用 CPU 上运行。执行它--maxpcpus=1会更快。对于更复杂的场景，使用所有 CPU 将很有用。

结论

策略选择用例是可能的，不需要绕过backtrader或Python本身的任何内置工具。

示例使用

$ ./strategy-selection.py --help
usage: strategy-selection.py [-h] [--data DATA] [--maxcpus MAXCPUS]
                             [--optreturn]

Sample for strategy selection

optional arguments:
  -h, --help         show this help message and exit
  --data DATA        Data to be read in (default:
                     ../../datas/2005-2006-day-001.txt)
  --maxcpus MAXCPUS  Limit the numer of CPUs to use (default: None)
  --optreturn        Return reduced/mocked strategy object (default: False)

源码

已包含在 backtrader 的源源中

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

import argparse

import backtrader as bt


class St0(bt.SignalStrategy):
    def __init__(self):
        sma1, sma2 = bt.ind.SMA(period=10), bt.ind.SMA(period=30)
        crossover = bt.ind.CrossOver(sma1, sma2)
        self.signal_add(bt.SIGNAL_LONG, crossover)


class St1(bt.SignalStrategy):
    def __init__(self):
        sma1 = bt.ind.SMA(period=10)
        crossover = bt.ind.CrossOver(self.data.close, sma1)
        self.signal_add(bt.SIGNAL_LONG, crossover)


class StFetcher(object):
    _STRATS = [St0, St1]

    def __new__(cls, *args, **kwargs):
        idx = kwargs.pop('idx')

        obj = cls._STRATS[idx](*args, **kwargs)
        return obj


def runstrat(pargs=None):
    args = parse_args(pargs)

    cerebro = bt.Cerebro()
    data = bt.feeds.BacktraderCSVData(dataname=args.data)
    cerebro.adddata(data)

    cerebro.addanalyzer(bt.analyzers.Returns)
    cerebro.optstrategy(StFetcher, idx=[0, 1])
    results = cerebro.run(maxcpus=args.maxcpus, optreturn=args.optreturn)

    strats = [x[0] for x in results]  # flatten the result
    for i, strat in enumerate(strats):
        rets = strat.analyzers.returns.get_analysis()
        print('Strat {} Name {}:\n  - analyzer: {}\n'.format(
            i, strat.__class__.__name__, rets))


def parse_args(pargs=None):

    parser = argparse.ArgumentParser(
        formatter_class=argparse.ArgumentDefaultsHelpFormatter,
        description='Sample for strategy selection')

    parser.add_argument('--data', required=False,
                        default='../../datas/2005-2006-day-001.txt',
                        help='Data to be read in')

    parser.add_argument('--maxcpus', required=False, action='store',
                        default=None, type=int,
                        help='Limit the numer of CPUs to use')

    parser.add_argument('--optreturn', required=False, action='store_true',
                        help='Return reduced/mocked strategy object')

    return parser.parse_args(pargs)


if __name__ == '__main__':
    runstrat()

 

评论被关闭。