【原】backtrader下的轮动策略模板，附年化20.6%的策略源码。

AI量化实验室 2024-11-05 发布于北京

展开全文

原创内容第700篇，专注量化投资、个人成长与财富自由。

原创日更700天，回首向来萧瑟处，也无风雨也无晴。

但行好事，莫问前程，持续改1%，为社群的同学们提供价值。

今天我们实现backtrader下的轮动策略模板。

这个模板有通用，几乎所有的策略都可以在此基础上派生。

class StrategyRolling(StrategyBase):
    # 参数定义
    params = dict(
        period=20,  # 动量周期
        topK=1,
        dropN=0,
    )

    def __init__(self, show_info=False):
        super(StrategyRolling, self).__init__(show_info)

        # 多标的需要循环定义指标
        self.sorters = {}
        for data in self.datas:
            self.sorters[data] = bt.indicators.ROC(data, period=self.p.period)

    def next(self):
        orderby = {}
        for data, sorter in self.sorters.items():
            orderby[data] = sorter[0]

        sorted_datas = [data for data, value in sorted(orderby.items(), key=lambda x: x[1], reverse=True)]
        selected = sorted_datas[self.p.dropN:self.p.topK]

        # 当前持仓
        holdings = self.get_current_holding_datas()
        if holdings and len(holdings) > 0:
            for h in holdings:
                if h not in selected:
                    self.close(h)

        if len(selected) > 0:
            weight = 1 / len(selected)
            for data in selected:
                self.order_target_percent(data, weight * 0.99)

类定义和参数

StrategyRolling 类继承自 StrategyBase，这是一个交易策略的基类。
params 字典定义了策略的参数：

period：动量周期，默认为20，表示计算动量时使用过去20个交易日的数据。
topK：这个参数在代码中没有直接使用，通常用于选择动量排名前几的资产。
dropN：这个参数用于在排序后跳过前几个资产，可能是为了避免最近表现不佳的资产。

构造函数 `init`

构造函数接受一个参数 show_info，用于控制是否显示额外的信息。
调用父类的构造函数 super(StrategyRolling, self).__init__(show_info)。
self.sorters 是一个字典，用于存储每个数据（资产）的动量指标。
循环遍历 self.datas（这是一个包含所有资产数据的列表），为每个资产计算动量指标 ROC（Rate of Change，变化率指标），并将其存储在 self.sorters 字典中。

`next` 方法

next 方法是策略的核心，它在每个交易周期被调用。
orderby 字典用于存储每个资产及其动量值。
循环遍历 self.sorters 字典，将每个资产的动量值存储在 orderby 字典中。
使用列表推导式和排序函数对 orderby 字典的项进行排序，选择动量值最高的资产。
sorted_datas 是排序后的资产列表。
selected 是从 sorted_datas 中根据 dropN 和 topK 参数选择的资产列表。

交易逻辑

获取当前持有的资产列表 holdings。
如果持有资产，检查这些资产是否在 selected 列表中。如果不在，则卖出这些资产。
如果 selected 列表不为空，计算每个选中资产的购买权重，并将目标资产权重设置为总资产的 0.99 倍（可能是为了避免全仓操作）。

这个策略的基本思想是：在每个交易周期，计算所有资产的动量，选择动量最高的资产进行投资，同时卖出不在选择列表中的资产。这种策略假设动量高的资产在未来一段时间内会继续表现良好。

我们来调用这个模板：

from backtrader_extends.engine import Engine
from backtrader_extends.strategy import StrategyRolling

symbols = ['510300.SH',
           '513500.SH',  # 标普500
           '159920.SZ',  # 恒生ETF
           '159915.SZ']
e = Engine(symbols=symbols)

if __name__ == '__main__':
    e.run_strategy(StrategyRolling)
    #e.optstrategy(StrategyRolling, period=range(6, 30, 2), topK=range(1, 3, 1), dropN=range(0, 3, 1))
    e.show_result_empyrical()