优化改进 #
Backtrader 通过引入两个新的 Cerebro 参数，优化了在多进程环境下管理数据源和结果的方式。
参数说明：
| 参数名 | 默认值 | 描述 |
|---|---|---|
| optdatas | True | 如果为True并进行优化（系统可以预加载并使用runonce），则数据预加载将仅在主进程中进行一次，以节省时间和资源。 |
| optreturn | True | 如果为True，优化结果将不是完整的策略对象（包括所有数据、指标、观察者等），而是带有以下属性的对象（与策略中相同）：
|
通常，我们只需要查看策略使用的参数的最终表现（如收益率）。如想查看运行过程中的详细数据（如每个时间点的指标值），请关闭此选项。
数据源管理 #
在优化场景中，Cerebro 参数可能的组合是：
preload=True（默认），数据源将在运行任何回测代码前完成预加载：runonce=True（默认），指标将在紧密的for循环中批量计算，而不是逐步计算。
如果两个条件都为True且optdatas=True，则数据源将在生成新子进程之前在主进程中预加载（这些子进程负责执行回测）
结果管理 #
在优化场景中，当评估每个策略运行的不同参数时，最重要的两个因素是：
strategy.params（或strategy.p）
回测使用的实际参数集
strategy.analyzers
提供策略实际表现评估的对象。例如：SharpeRatio_A（年化夏普比率）
当optreturn=True时，不会返回完整的策略实例，而是创建占位符对象，这些对象携带上述两个属性以进行评估。
这避免了传回大量生成的数据，例如回测期间指标生成的值。
如果希望返回完整的策略对象，只需在Cerebro实例化或进行cerebro.run时设置optreturn=False。
一些测试运行 #
backtrader源代码中的优化示例已扩展，添加了对optdatas和optreturn的控制（实际上是禁用它们）。
单核心运行 #
作为参考，当将CPU数量限制为1且不使用多进程模块时会发生什么：
$ ./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
多核心运行 #
在不限制CPU数量的情况下，Python多进程模块将尝试使用所有CPU。禁用optdatas和optreturn
optdatas和optreturn都启用
默认行为：
$ ./optimization.py
...
...
...
==================================================
Time used: 56.5889185394
通过多核和数据源及结果改进，总时间从184.92秒减少到56.58秒。
请注意，示例使用了252条数据，并且指标仅生成长度为252点的值。这只是一个例子。
真正的问题是这种改进有多少是由于新行为。
optreturn禁用：将完整的策略对象传回调用者：
$ ./optimization.py --no-optreturn
...
...
...
==================================================
Time used: 67.056914007
执行时间增加了18.50%（或15.62%的速度提升）。
optdatas禁用：每个子进程被迫加载其自己的数据源值：
$ ./optimization.py --no-optdatas
...
...
...
==================================================
Time used: 72.7238112637
执行时间增加了28.52%（或22.19%的速度提升）。
两者都禁用：仍然使用多核，但使用旧的未改进行为：
$ ./optimization.py --no-optdatas --no-optreturn
...
...
...
==================================================
Time used: 83.6246643786
执行时间增加了47.79%（或32.34%的速度提升）。
这表明使用多个核心是时间改进的主要贡献因素。
注意：这些执行是在配备i7-4710HQ（4核/8逻辑）和16 GB RAM的笔记本电脑上进行的，操作系统为Windows 10 64位。在其他条件下可能会有所不同。
总结 #
在优化过程中时间减少的最大因素是使用多个核心。
使用optdatas和optreturn的示例运行显示了大约22.19%和15.62%的速度提升（在测试中两者一起提高了32.34%）。
示例使用 #
$ ./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
(C) 2015-2024 Daniel Rodriguez