您的位置:  首页 » 量化交易与机器学习 » backtrader » 优化improvements- backtrader中文教程

优化improvements

Version1.8.12.99`的backtrader包括如何改善data feedsresults期间multiprocessing.

Note

The行为进行管理两个一直是这些选项made

The行为通过控制两个新的Cerebro参数:

  • optdatas(默认值:True

    如果True和优化(并且该系统可以preload和使用runonce,数据预载将只有一次的主要工序完成为了节省时间和resources.

  • optreturn(默认:True

    如果True优化结果不会是完整的Strategy对象(和所有datas, indicators, observers…),但和对象具有以下属性(同Strategy):

    • params(或p)策略曾用于execution
    • analyzers的策略具有executed

    在大多数occassions,只有analyzers和与params是事情需要评估的策略的性能。如果对于生成的值的详细分析(例如)indicators是需要的话,把这个off

Data订阅Management

In一个Optimization场景这是Cerebro一个可能的组合参数:

  • preload=True(默认)

    的数据Feeeds将运行的任何回溯测试code

  • runonce=True(默认值)之前被预加载

    Indicators将在批处理模式下的紧密for循环进行计算,而不是一步step.

If的两个条件都为Trueoptdatas=True,则:

  • Data Feeds将在主进程产生新的前预装子过程(那些负责执行backtesting

结果management

Optimization情景两件事情应该发挥的最重要作用评估不同的参数时与每个Strategy是运行:

  • strategy.params(或strategy.p

    用于backtesting

  • strategy.analyzers

    The值的实际设置负责对象提供的评价如何Strategy已实际执行。例如:

    SharpeRatio_A(年率SharpeRatio

optreturn=True,而不是返回全strategy情况下,占位符对象将被创建携带这两个属性的前述让评估采取place.

这避免了回传大量生成的数据的像例如值期间由指标生成的backtesting

如若full strategy objects被希望,只需设置optreturn=False脑期间在instantiation源一直延伸到添加做时cerebro.run.

的一些测试runs

Theoptimization样品backtrader或控制optdatasoptreturn(实际上禁用它们)

单核Run

As参考时会发生什么CPU的数量是有限的,以1multiprocessing模块不使用:

$ ./optimization.py --maxcpus 1
==================================================
**************************************************
--------------------------------------------------
OrderedDict([(u"smaperiod", 10), (u"macdperiod1", 12), (u"macdperiod2", 26), (u"macdperiod3", 9)])
**************************************************
--------------------------------------------------
OrderedDict([(u"smaperiod", 10), (u"macdperiod1", 13), (u"macdperiod2", 26), (u"macdperiod3", 9)])
...
...
OrderedDict([(u"smaperiod", 29), (u"macdperiod1", 19), (u"macdperiod2", 29), (u"macdperiod3", 14)])
==================================================
Time used: 184.922727833

多个Core Runs

Without限制的CPU的数量,Python的multiprocessing模块将尝试使用他们。optdatasoptreturn会disabled

Bothoptdataoptreturnactive

The默认行为:

$ ./optimization.py
...
...
...
==================================================
Time used: 56.5889185394

由具有多核的总的改进和data feedresults改进装置184.9256.58seconds.

Take到的是,样品使用252杆和指标从下降与252点的长度仅生成值。这只是一个example.

真正的问题是多少的,这是因为新型behavior.

optreturn deactivated

Let的传球全strategy对象返回给调用者:

$ ./optimization.py --no-optreturn
...
...
...
==================================================
Time used: 67.056914007

的执行时间增加18.50%(或15.62%的速度时)是在place.

optdatas deactivated

Each subproccess被强制加载自己的一套价值观的data feeds

$ ./optimization.py --no-optdatas
...
...
...
==================================================
Time used: 72.7238112637

执行时间增加了28.52%(或的加速22.19%)是在使用place.

Both deactivated

Still多核但与旧的非改进的性能:

$ ./optimization.py --no-optdatas --no-optreturn
...
...
...
==================================================
Time used: 83.6246643786

的执行时间增加47.79%(或一个速度 -最多的32.34%)是在place.

This表明,多核的使用是主要贡献者时间improvement.

Note

The处决已在笔记本电脑已经完成与i7-4710HQ(4核/ 8逻辑的)与在Windows 10的64位的RAM 16个千兆字节。里程可能会有所不同下优化过程中时间的减少等conditions

Concluding

  • The最大的因素是使用的多cores
  • 将样品与运行optdatasoptreturn显示的速度起坐围绕22.19%15.62%的每个(32.34%两者一起在测试)

样品Usage

$ ./optimization.py --help
usage: optimization.py [-h] [--data DATA] [--fromdate FROMDATE]
                       [--todate TODATE] [--maxcpus MAXCPUS] [--no-runonce]
                       [--exactbars EXACTBARS] [--no-optdatas]
                       [--no-optreturn] [--ma_low MA_LOW] [--ma_high MA_HIGH]
                       [--m1_low M1_LOW] [--m1_high M1_HIGH] [--m2_low M2_LOW]
                       [--m2_high M2_HIGH] [--m3_low M3_LOW]
                       [--m3_high M3_HIGH]

Optimization

optional arguments:
  -h, --help            show this help message and exit
  --data DATA, -d DATA  data to add to the system
  --fromdate FROMDATE, -f FROMDATE
                        Starting date in YYYY-MM-DD format
  --todate TODATE, -t TODATE
                        Starting date in YYYY-MM-DD format
  --maxcpus MAXCPUS, -m MAXCPUS
                        Number of CPUs to use in the optimization
                          - 0 (default): use all available CPUs
                          - 1 -> n: use as many as specified
  --no-runonce          Run in next mode
  --exactbars EXACTBARS
                        Use the specified exactbars still compatible with preload
                          0 No memory savings
                          -1 Moderate memory savings
                          -2 Less moderate memory savings
  --no-optdatas         Do not optimize data preloading in optimization
  --no-optreturn        Do not optimize the returned values to save time
  --ma_low MA_LOW       SMA range low to optimize
  --ma_high MA_HIGH     SMA range high to optimize
  --m1_low M1_LOW       MACD Fast MA range low to optimize
  --m1_high M1_HIGH     MACD Fast MA range high to optimize
  --m2_low M2_LOW       MACD Slow MA range low to optimize
  --m2_high M2_HIGH     MACD Slow MA range high to optimize
  --m3_low M3_LOW       MACD Signal range low to optimize
  --m3_high M3_HIGH     MACD Signal range high to optimize

评论被关闭。