Analyzers

分析器 #

无论是回测还是交易，能够分析交易系统的表现对于理解是否不仅仅获得了利润，而且是否在实现利润的过程中承担了过多的风险，或者与参考资产（或无风险资产）相比是否真的值得付出努力，都是关键。

这就是分析器对象的作用：提供对已发生情况或当前情况的分析。

分析器的性质 接口的设计参照了线条对象，例如具有 next 方法，但有一个主要的区别：分析器不包含线条。

这意味着它们在内存方面不是很消耗资源，因为即使在分析了成千上万个价格条之后，它们可能仍然只在内存中保存单个结果。

在生态系统中的位置 #

分析器对象（如同策略、观察者和数据）通过 cerebro 实例添加到系统中：

addanalyzer(ancls, *args, **kwargs)

但在 cerebro.run 操作期间，对于系统中存在的每个策略，将会发生以下情况：

  • ancls 在 cerebro.run 期间会用 *args 和 **kwargs 实例化
  • ancls 实例将会附加到策略上

这意味着：

如果回测运行包含例如 3 个策略，那么将创建 3 个 ancls 实例，并且每个实例将附加到不同的策略上。

结论：分析器分析单个策略的表现，而不是整个系统的表现。

附加位置 #

某些分析器对象可能实际上使用其他分析器来完成其工作。例如：SharpeRatio 使用 TimeReturn 的输出进行计算。

这些子分析器或从属分析器也将插入到创建它们的同一策略中。但它们对用户是完全不可见的。

属性 #

为了完成预期的工作，分析器对象提供了一些默认属性，这些属性会自动传递并在实例中设置，以便于使用：

  • self.strategy：对分析器对象正在运行的策略子类的引用。策略可以访问的任何内容，分析器也可以访问。
  • self.datas[x]：策略中存在的数据源数组。虽然可以通过策略引用访问，但快捷方式使工作更舒适。
  • self.data：对 self.datas[0] 的快捷方式，以增加舒适度。
  • self.dataX：对不同的 self.datas[x] 的快捷方式。

还有一些其他别名可用，尽管它们可能有些多余：

  • self.dataX_Y，其中 X 是对 self.datas[X] 的引用，Y 指的是线条，最终指向 self.datas[X].lines[Y]。 如果线条有名称，还可以使用以下命名：

  • self.dataX_Name，解析为 self.datas[X].Name，按名称而不是按索引返回线条。 对于第一个数据，最后两个快捷方式在没有初始 X 数字引用的情况下可用。例如：

  • self.data_2 指 self.datas[0].lines[2]。

  • self.data_close 指 self.datas[0].close。

返回分析结果 #

Analyzer 基类创建了一个 self.rets（类型为 collections.OrderedDict）成员属性来返回分析结果。这是在 create_analysis 方法中完成的，子类可以覆盖该方法以创建自定义分析器。

操作模式 #

虽然分析器对象不是线条对象，因此不迭代线条，但它们被设计为遵循相同的操作模式。

  • 在系统启动之前实例化（因此调用 __init__）。
  • 使用 start 信号表示操作开始。
  • prenext / nextstart / next 方法将根据策略的计算最小周期被调用。
  • prenext 和 nextstart 的默认行为是调用 next，因为分析器可能会从系统开始运行的第一刻起进行分析。
  • 在线条对象中通常调用 len(self) 以检查实际条数。这在分析器中也适用，通过返回 self.strategy 的值。
  • 订单和交易将像通知策略一样通过 notify_order 和 notify_trade 进行通知。
  • 现金和价值也将通过 notify_cashvalue 方法像对策略那样进行通知。
  • 现金、价值、基金价值和基金份额也将通过 notify_fund 方法像对策略那样进行通知。
  • 使用 stop 信号表示操作结束。
  • 一旦常规操作周期完成，分析器将提供用于提取/输出信息的附加方法：
    • get_analysis：理想情况下（不是强制的）返回一个包含分析结果的字典样对象。
    • print 使用标准的 backtrader.WriterFile（除非被覆盖）写出 get_analysis 的分析结果。
    • pprint（漂亮打印）使用 Python 的 pprint 模块打印 get_analysis 结果。

最后：

get_analysis 创建一个类型为 collections.OrderedDict 的成员属性 self.ret，分析器将分析结果写入其中。

分析器的子类可以覆盖此方法以改变此行为。

分析器模式 #

在 backtrader 平台中开发分析器对象揭示了生成分析的两种不同使用模式：

  • 在执行过程中通过 notify_xxx 和 next 方法收集信息，并在 next 中生成当前的分析信息。
    • 例如，TradeAnalyzer 仅使用 notify_trade 方法生成统计数据。
  • 如上所述收集信息（或不收集），但在 stop 方法期间进行单次生成分析。
    • SQN（系统质量编号）在 notify_trade 期间收集交易信息，但在 stop 方法期间生成统计数据。

快速示例 #

尽可能简单：

from __future__ import (absolute_import, division, print_function, unicode_literals)
import datetime
import backtrader as bt
import backtrader.analyzers as btanalyzers
import backtrader.feeds as btfeeds
import backtrader.strategies as btstrats

cerebro = bt.Cerebro()

# 数据
dataname = '../datas/sample/2005-2006-day-001.txt'
data = btfeeds.BacktraderCSVData(dataname=dataname)

cerebro.adddata(data)

# 策略
cerebro.addstrategy(btstrats.SMA_CrossOver)

# 分析器
cerebro.addanalyzer(btanalyzers.SharpeRatio, _name='mysharpe')

thestrats = cerebro.run()
thestrat = thestrats[0]

print('Sharpe Ratio:', thestrat.analyzers.mysharpe.get_analysis())

执行它（已将其存储在 analyzer-test.py 中）：

$ ./analyzer-test.py
Sharpe Ratio: {'sharperatio': 11.647332609673256}

没有绘图，因为 SharpeRatio 是在计算结束时的单一值。

分析器的取证分析 让我们重复一下，分析器不是线条对象，但为了无缝集成到 backtrader 生态系统中，遵循了几个线条对象的内部 API 约定（实际上是它们的混合）。

注意

SharpeRatio 的代码已经演变，例如考虑了年化，此版本仅应作为参考。

请查看分析器参考。

此外还有一个 SharpeRatio_A 提供了直接以年化形式给出的值，而不管所需的时间范围。

SharpeRatio 的代码作为基础（简化版本）：

from __future__ import (absolute_import, division, print_function, unicode_literals)
import operator
from backtrader.utils.py3 import map
from backtrader import Analyzer, TimeFrame
from backtrader.mathsupport import average, standarddev
from backtrader.analyzers import AnnualReturn

class SharpeRatio(Analyzer):
    params = (('timeframe', TimeFrame.Years), ('riskfreerate', 0.01),)

    def __init__(self):
        super(SharpeRatio, self).__init__()
        self.anret = AnnualReturn()

    def start(self):
        # Not needed ... but could be used
        pass

    def next(self):
        # Not needed ... but could be used
        pass

    def stop(self):
        retfree = [self.p.riskfreerate] * len(self.anret.rets)
        retavg = average(list(map(operator.sub, self.anret.rets, retfree)))
        retdev = standarddev(self.anret.rets)
        self.ratio = retavg / retdev

    def get_analysis(self):
        return dict(sharperatio=self.ratio)

代码可以分解为：

  • params 声明
    • 尽管声明的参数没有使用（作为示例），分析器像大多数其他对象一样支持参数。
  • __init__ 方法
    • 就像策略在 __init__ 中声明指标一样，分析器也声明支持对象。
    • 在这种情况下：SharpeRatio 使用年度回报计算。计算将是自动的，并且将可用于 SharpeRatio 进行自己的计算。
  • next 方法
    • SharpeRatio 不需要它，但此方法将在父策略 next 的每次调用后被调用。
  • start 方法
    • 在回测开始前调用。可以用于额外的初始化任务。

SharpeRatio 不需要它。

  • stop 方法
    • 在回测结束后调用。就像 SharpeRatio 所做的那样，它可以用于完成/进行计算。
  • get_analysis 方法（返回字典）
    • 为外部调用者提供生成的分析。

返回：包含分析结果的字典。

参考 #

class backtrader.Analyzer()

Analyzer 基类。所有分析器都是此类的子类。

分析器实例在策略的框架内运行，并为该策略提供分析。

自动设置的成员属性：

  • self.strategy（提供对策略及其可访问内容的访问）
  • self.datas[x] 提供对系统中存在的数据源数组的访问，这些数据源也可以通过策略引用访问
  • self.data 提供对 self.datas[0] 的访问
  • self.dataX -> self.datas[X]
  • self.dataX_Y -> self.datas[X].lines[Y]
  • self.dataX_name -> self.datas[X].name
  • self.data_name -> self.datas[0].name
  • self.data_Y -> self.datas[0].lines[Y]

这不是线条对象，但方法和操作遵循相同的设计：

  • 在实例化和初始设置期间 __init__
  • 使用 start / stop 表示操作的开始和结束
  • prenext / nextstart / next 方法家族，遵循策略中相同方法的调用
  • notify_trade / notify_order / notify_cashvalue / notify_fund 接收与策略等效方法相同的通知

操作模式是开放的，没有首选模式。因此，分析可以通过 next 调用生成，在 stop 期间生成，也可以通过单个方法如 notify_trade 生成。

重要的是覆盖 get_analysis 以返回包含分析结果的字典样对象（实际格式取决于实现）。

  • start()
    • 调用以指示操作开始，给分析器时间设置所需内容。
  • stop()
    • 调用以指示操作结束，给分析器时间关闭所需内容。
  • prenext()
    • 在策略的每次 prenext 调用期间调用，直到达到策略的最小周期。
    • 分析器的默认行为是调用 next。
  • nextstart()
    • 在策略的 nextstart 调用时调用一次，当首次达到最小周期时。
  • next()
    • 在策略的每次 next 调用期间调用，一旦达到策略的最小周期。
  • notify_cashvalue(cash, value)
    • 在每个 next 周期之前接收现金/价值通知。
  • notify_fund(cash, value, fundvalue, shares)
    • 接收当前现金、价值、基金价值和基金份额。
  • notify_order(order)
    • 在每个 next 周期之前接收订单通知。
  • notify_trade(trade)
    • 在每个 next 周期之前接收交易通知。
  • get_analysis()
    • 返回包含分析结果的字典样对象。
    • 字典中分析结果的键和值的格式取决于实现。
    • 甚至不强制结果是字典样对象，只是一种约定。
    • 默认实现返回由默认 create_analysis 方法创建的默认 OrderedDict rets。
  • create_analysis()
    • 供子类覆盖。提供创建保存分析结果的结构的机会。
    • 默认行为是创建名为 rets 的 OrderedDict。
  • print(*args, **kwargs)
    • 使用标准 Writerfile 对象打印 get_analysis 返回的结果，默认写入标准输出。
  • pprint(*args, **kwargs)
    • 使用 Python 的 pprint 模块打印 get_analysis 返回的结果。
  • len()
    • 支持在分析器上调用 len，实际上返回分析器运行的策略的当前长度。
Calendar Jan 3, 2025
Edit Edit this page