优化improvements- backtrader中文教程
优化improvements
Version1.8.12.99`的backtrader包括如何改善data feeds和results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executionanalyzers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True和optdatas=True，则：
- 的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
在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.analyzersThe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）
当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optdatas和optreturn（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1和multiprocessing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。optdatas和optreturn会disabled
Bothoptdata和optreturnactive
The默认行为：
$ ./optimization.py ... ... ... ================================================== Time used: 56.5889185394
由具有多核的总的改进和data feed和results改进装置184.92到56.58seconds.
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
optdatas和optreturn显示的速度起坐围绕22.19%和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