先說說常見的均線指標：ma5和ma10，學名是五日價格移動平均線和十日價格移動平均線，簡稱5日線和10日線。大部分人對這兩個均線很熟，但是它們的實際作用，眾說紛紜，褒貶各異。具體怎麼樣，我利用backtrader進行驗證。
backtrader是python開發的一個回測框架，簡單易用，是國外一個牛人開發的，文件也是英文的，本次做一個簡單的量化策略回測。
先來看看這個簡單的量化策略：
ma5上穿ma10買入，ma10下穿ma5賣出。
做出這個策略的買入賣出理由很簡單：5日線上穿10日線，股價處於強勢；10日線下穿5日線，股價處於弱勢。明白這個後，接下來就是編寫程式碼了。
第一步，安裝backtrader。
pip install backtrader第二步，準備資料。
我已經利用之前的開原始碼提前下載了資料，以股票程式碼為名的csv檔案。
後復權的資料
每個csv檔案包含日期，開盤價，收盤價，最高價，最低價，成交量。
第三步，編寫程式碼。
首先編寫自己的策略類，引入backtrader，繼承裡面的策略類。這個地方我給自己的策略命名為MyStrategy，並且定義兩個變數分別代表需要的均線，比如5日均線和10日均線。
import backtrader as bt
class MyStrategy(bt.Strategy):
# 均線引數，5日和10日
params = (
('ma_1', 5),
('ma_2', 10),
)
def stop(self):
print("結束了")backtrader自帶了指標計算的公式，因此我們只需要呼叫即可，根據策略，我們應該要計算5日均線和10日均線，繼續在策略類裡面編寫，程式碼實現起來很簡單。backtrader真的很優秀。
def __init__(self):
self.dataclose = self.datas[0].close
self.order = None
self.buyprice = None
self.buycomm = None
# 五日移動平均線
self.sma5 = bt.indicators.SimpleMovingAverage(period=self.params.ma_1)
# 十日移動平均線
self.sma10 = bt.indicators.SimpleMovingAverage(period=self.params.ma_2)接下來實現買入賣出。按照策略，翻譯成通俗語言是：一，如果沒有倉位，當天ma5大於ma10，並且前一天ma5小於ma10買入；二，如果當前持倉，那麼當ma10大於ma5時就賣出。
backtrader給我們提供了對應的介面方法（notify_order、notify_trade、next），我們只需要編寫成這個策略的程式碼即可。明白這個後，程式碼應該這樣編寫：
def notify_order(self, order):
if order.status in [order.Submitted, order.Accepted]:
# 如訂單已被處理，則不用做任何事情
return
# 檢查訂單是否完成
if order.status in [order.Completed]:
if order.isbuy():
self.log(
'執行買入，買入價格: %.2f, 花費資金: %.2f, 手續費： %.2f' %
(order.executed.price,
order.executed.value,
order.executed.comm))
self.buyprice = order.executed.price
self.buycomm = order.executed.comm
else: # 賣出
self.log('執行賣出, 賣出價格: %.2f, 花費資金: %.2f, 手續費： %.2f' %
(order.executed.price,
order.executed.value,
order.executed.comm))
self.bar_executed = len(self)
# 訂單因為缺少資金之類的原因被拒絕執行
elif order.status in [order.Canceled, order.Margin, order.Rejected]:
self.log("訂單取消或者資金不足原因沒有買入成功。")
self.order = None
def notify_trade(self, trade):
if not trade.isclosed:
return
self.log('本次操作利潤, 總計: %.2f, 淨利潤: %.2f' %
(trade.pnl, trade.pnlcomm))
def next(self):
# self.log('收盤, %.2f' % self.dataclose[0])
# 檢查是否正在準備下單，如果是則直接返回
if self.order:
return
# 檢查是否持倉
if not self.position:
# 沒有倉位，執行買入條件判斷：
if self.sma5[0] > self.sma10[0] and self.sma5[-1] < self.sma10[-1]:
self.log('買入, %.2f' % self.dataclose[0])
self.log('當前ma5:%.2f, 當前ma10: %.2f, 前一日ma5:%.2f, 前一日ma10: %.2f' %
(self.sma5[0], self.sma10[0], self.sma5[-1], self.sma10[-1]))
# 買入
self.order = self.buy()
else:
# 執行條件賣出
if self.sma5[0] < self.sma10[0]:
self.log('賣出, %.2f' % self.dataclose[0])
# 賣出
self.order = self.sell()
上面的程式碼裡面都有註釋，閱讀起來應該沒有難度。順便說一下，如果你們也編寫程式碼，最好也多寫點註釋，方便自己後面閱讀。有的人可能不信邪，半個月或者半年後，這個程式碼也許就沒人看得懂了[淚奔]。相信黃sir，保持這個習慣，你會收穫更多的尊重和成就。
策略類已經編寫完了，下一步是把csv的檔案資料載入進去執行。backtrader提供了很多載入的介面，非常方便，這裡我用的是載入pandas資料介面。當然也可以直接傳檔案路徑進去，因為我的csv檔案裡面有很多其他的資料，因此讀取後進行修改只加載基礎的資料即可。
import pandas as pd
df = pd.read_csv("000001.csv")
new_df = df[["日期", "開盤", "收盤", "最高", "最低", "成交量"]]
new_df.columns = ["trade_date", "open", "close", "high", "low", "volume"]
new_df["trade_date"] = pd.to_datetime(new_df["trade_date"])
new_df.set_index("trade_date", inplace=True)
new_df['openinterest'] = 0
cerebro = bt.Cerebro()
# 載入我們的策略
cerebro.addstrategy(MyStrategy)
# 從2010-01-01到2021-12-17的資料進行回測
data = bt.feeds.PandasData(
dataname=new_df,
fromdate=datetime.datetime(2010, 1, 1),
todate=datetime.datetime(2021, 12, 17)
)
cerebro.adddata(data)接下來設定初始金額和手續費。
# 初始資金
init_amount = 300000.0
cerebro.broker.setcash(init_amount)
# 設定每筆交易交易的股票數量
cerebro.addsizer(bt.sizers.FixedSize, stake=100)
# 手續費
cerebro.broker.setcommission(commission=0.0)最後，執行策略。
# 執行策略
cerebro.run()
# 結果
result_amount = cerebro.broker.getvalue()
print('初始資金: %.2f' % init_amount)
print('期末資金: %.2f' % result_amount)
print('盈利: %.2f' % (float(result_amount) - init_amount))一切順利，結果如下：
可以看到，對於000001，0手續費的情況下11年時間虧損了1176元。
當然，一個股票說明不了什麼，換成茅臺（600519）試試。
茅臺回測結果
總算看到好的結果了，盈利了。如果改動一下指標，比如5日均線換成3日均線，10日均線換成12日均線，結果如何呢？
3日均線和12日均線000001回測結果
3日均線和12日均線600519回測結果
可以看到，虧損減少了，盈利增加了。說明啥？常用的指標賺錢越來越難！通俗點講：大家都知道的，就是很難賺錢。和股票總數朝市場最小阻力方向執行異曲同工。
當然可以對全市場的股票進行回測，我們把相關程式碼封裝成一個函式，每次把股票程式碼傳進去，然後把結果存起來，感興趣的朋友可以先自己試試，如果你們想看結果，可以評論留言，想看的人多，下期我再發出來。
另外，黃sir拉了一個群，如果對量化投資感興趣可以私信我。備註，黃sir很帥，[做鬼臉]
好了，本期的測試就完成了，如果希望看到更多關於量化方面的內容，記得加一個關注，以免迷路。
