回测框架pybacktest简介（一）

pybacktest 教程

本教程让你快速了解 pybacktest's 的功能。为此，我们回测精典交易策略移动平均线MA交叉。

• MA快线上穿慢线时，买进做多
• MA快线下穿慢线时，卖出做空
• 进场规则，也是退场规则，交易策略相反相成

软件包在此下载 https://github.com/ematvey/pybacktest

1. import pybacktest
2. import pandas as pd

pybacktest 要求的 k 线数据格式为 pandas.DataFrame ，以时间戳为索引，各列字段名称为 O, H, L, C。实际上，目前只检查字段O的值是否为空。

从yahoo下载数据。

1. ohlc = pybacktest.load_from_yahoo('SPY')

1. ohlc.tail()

	O	H	L	C	V	AC
Date
2013-04-22	155.78	156.54	154.75	156.17	106501600	156.17
2013-04-23	156.95	157.93	156.17	157.78	165950600	157.78
2013-04-24	157.83	158.30	157.54	157.88	96724000	157.88
2013-04-25	158.34	159.27	158.10	158.52	130916000	158.52
2013-04-26	158.33	158.60	157.73	158.24	95904500	158.24

定义交易策略。要创建以 True和False 表示交易信号的 Series ，和以浮点数表示交易价格的 Series。

够简单的吧？

1. short_ma = 50
2. long_ma = 200
3. ms = pandas.rolling_mean(ohlc.C, short_ma)
4. ml = pandas.rolling_mean(ohlc.C, long_ma)
5. buy = cover = (ms > ml) & (ms.shift() < ml.shift())  # ma cross up
6. sell = short = (ms < ml) & (ms.shift() > ml.shift())  # ma cross down
7. print '>  Short MA\n%s\n' % ms.tail()
8. print '>  Long MA\n%s\n' % ml.tail()
9. print '>  Buy/Cover signals\n%s\n' % buy.tail()
10. print '>  Short/Sell signals\n%s\n' % sell.tail()

>  Short MA
Date
2013-04-22    154.5438
2013-04-23    154.6634
2013-04-24    154.7856
2013-04-25    154.9156
2013-04-26    155.0374

>  Long MA
Date
2013-04-22    145.50725
2013-04-23    145.60910
2013-04-24    145.71455
2013-04-25    145.82970
2013-04-26    145.94430

>  Buy/Cover signals
Date
2013-04-22    False
2013-04-23    False
2013-04-24    False
2013-04-25    False
2013-04-26    False

>  Short/Sell signals
Date
2013-04-22    False
2013-04-23    False
2013-04-24    False
2013-04-25    False
2013-04-26    False

开始回测吧。访问类对象 Backtest 的第一个参数，是从字典式的对象中剥离出的交易信号、价格等。可以是字典、pandas.DataFrame 或者其他任何东西。

为了简化编程，把局部命名空间用函数 locals()传递过去。命名空间的内容，是至今你所创建的全部变量。

1. bt = pybacktest.Backtest(locals(), 'ma_cross')

Backtest 工作懒惰，只有在你访问它的属性时，它才会进行运算。它所运算的属性包括：

 

1. print filter(lambda x: not x.startswith('_'), dir(bt))
2. print '\n>  bt.signals\n%s' % bt.signals.tail()
3. print '\n>  bt.trades\n%s' % bt.trades.tail()
4. print '\n>  bt.positions\n%s' % bt.positions.tail()
5. print '\n>  bt.equity\n%s' % bt.equity.tail()
6. print '\n>  bt.trade_price\n%s' % bt.trade_price.tail()

['dataobj', 'default_price', 'eqplot', 'equity', 'name', 'ohlc', 'plot_equity', 'plot_trades', 'positions', 'prices', 'report', 'run_time', 'signals', 'sigplot', 'summary', 'trade_price', 'trades', 'trdplot']

>  bt.signals
              Buy  Cover   Sell  Short
Date
2013-04-22  False  False  False  False
2013-04-23  False  False  False  False
2013-04-24  False  False  False  False
2013-04-25  False  False  False  False
2013-04-26  False  False  False  False

>  bt.trades
            pos   price  vol
Date
2009-06-23    1   90.16    2
2010-07-06   -1  103.13   -2
2010-10-22    1  119.14    2
2011-08-12   -1  119.19   -2
2012-01-31    1  132.29    2

>  bt.positions
Date
2009-06-23    1
2010-07-06   -1
2010-10-22    1
2011-08-12   -1
2012-01-31    1

>  bt.equity
Date
2009-06-23    58.66
2010-07-06    12.97
2010-10-22   -16.01
2011-08-12     0.05
2012-01-31   -13.10

>  bt.trade_price
Date
2013-04-22    156.95
2013-04-23    157.83
2013-04-24    158.34
2013-04-25    158.33
2013-04-26       NaN
Name: O

调用 Backtest 的函数summary ，可以得知常用的运算和运行数据

 

1. bt.summary()

Backtest('ma_cross', 2013-28-04 23:14:15 MSK) performance summary

=================================================================
backtest:
  days: 6348
  from: '1994-09-14 00:00:00'
  to: '2012-01-31 00:00:00'
  trades: 17
exposure:
  holding periods:
    max: 1476 days, 0:00:00
    median: 354 days, 0:00:00
    min: 7 days, 0:00:00
  trades/month: 1.0625
performance:
  PF: 4.017
  RF: 6.1555
  averages:
    gain: 23.817
    loss: -8.47
    trade: 10.5224
  payoff: 2.8119
  profit: 178.88
  winrate: 0.5882
risk/return profile:
  UPI: 1.0656
  WCDD (monte-carlo 0.99 quantile): 52.09
  maxdd: 74.67
  sharpe: 0.4485
  sortino: 1.6792

-----------------------------------------------------------------

看看净资产曲线吧。

 

1. figsize(10, 5)
2. bt.plot_equity()

回测运行过程中的精确图形，Backtest 可以为你画出。图中的说明 Legend 省略了，以节省空间。

 

1. bt.plot_trades()
2. pandas.rolling_mean(ohlc.C, short_ma).plot(c='green')
3. pandas.rolling_mean(ohlc.C, long_ma).plot(c='blue')
4. legend(loc='upper left')

<matplotlib.legend.Legend at 0x49eea10>

 

你能完全看清吗？我不行。因此，有个特别属性 trdplot ，让你用pandas的索引机制，指定你要画出的期间。而用属性 eqplot，可以画出净资产曲线。

 

1. bt.trdplot['2004':'2007']
2. pandas.rolling_mean(ohlc.C['2004':'2007'], short_ma).plot(c='green')
3. pandas.rolling_mean(ohlc.C['2004':'2007'], long_ma).plot(c='blue')

<matplotlib.axes.AxesSubplot at 0x7f7f38c09e50>

 

 

以上是pybacktest的大部分内容。下一个教程，会涉及更多高级功能。