本文将探索新的策略回测程序，主要是为了尝试不同的技术指标在backtrader平台上的应用，为后续复杂策略的实现做准备。
本文将实现的策略是，当股票放量突破布林线中轨时进行买入，当股票收盘价低于短期均线时卖出。
买入条件中，放量突破布林线中轨具体指的是，当日股票开盘价在布林线中轨下方，收盘价在布林线中轨上方，当日成交量为10日以来的最高量。卖出条件中，短期均线选取为5日线。回测初始资金100000元，单笔操作单位1000股，佣金千分之一，回测时间自1月1日至3月20日。
策略核心代码还是位于策略类的init方法中：
def __init__(self):self.inds = dict()for i, d in enumerate(self.datas):self.inds[d] = dict()# 布林线中轨boll_mid = bt.ind.BBands(d.close).mid# 买入条件self.inds[d]['buy_con'] = bt.And( \# 突破中轨d.open < boll_mid, d.close > boll_mid, \# 放量d.volume == bt.ind.Highest(d.volume, period = self.p.p_period_volume, plot = False))# 卖出条件self.inds[d]['sell_con'] = d.close < bt.ind.SMA(d.close, period = self.p.p_sell_ma)
这里需要注意的是，技术指标在backtrader里是lines对象，而非数值，所以在使用与或操作时，不能使用python自带的and和or操作符，而只能调用backtrader的And和Or函数。对技术指标做比较时可以使用大于号、小于号等符号，这是因为backtrader对这些符号进行了重写。
回测000001后的最终资产为101107.35元：
可以看到，该策略并非每笔交易都会盈利，但是盈利额度较大，亏损额度较小。由于我们选取的交易单位是1000股，而000001的股价只是10元左右，相当于我们只动用了不到20%的资金，因此总盈利额显得较小，如果提高交易手数，盈利总额也会随之提升。
同时回测000001、000002后的最终资产为100082.86元：
同时回测000001、000002、000004后的最终资产为100247.27元：
回测603999后的最终资产为98871.44元：
可以看到该策略也有总体亏损的情况，直觉上判断，该策略可能比较适合大盘股，对小盘股而言，放量的条件比较容易达到，策略缺乏稳定性。
我们进一步尝试将放量突破的标准选为20日以来的最高值时，回测000001的最终资产为100613.27元，可以看到3笔盈利交易，1笔亏损交易。
当我们把回测起始时间改为1月1日后，回测0000001的最终资产为103137.30元，可以看到也存在大量的亏损交易，但是亏损值都较小。
友情提示：本系列学习笔记只做数据分析，记录个人学习过程，不作为交易依据，盈亏自负。
放量突破布林线中轨买入策略代码：
from __future__ import (absolute_import, division, print_function, unicode_literals)import datetime # 用于datetime对象操作import os.path # 用于管理路径import sys # 用于在argvTo[0]中找到脚本名称import backtrader as bt # 引入backtrader框架import pandas as pdstk_num = 1 # 回测股票数目# 创建策略class BollStrategy(bt.Strategy):# 可配置策略参数params = dict(p_period_volume = 10, # 前n日最大交易量p_sell_ma = 5,# 跌破该均线卖出p_oneplot = False,# 是否打印到同一张图pstake = 1000,# 单笔交易股票数)def __init__(self):self.inds = dict()for i, d in enumerate(self.datas):self.inds[d] = dict()# 布林线中轨boll_mid = bt.ind.BBands(d.close).mid# 买入条件self.inds[d]['buy_con'] = bt.And( \# 突破中轨d.open < boll_mid, d.close > boll_mid, \# 放量d.volume == bt.ind.Highest(d.volume, period = self.p.p_period_volume, plot = False))# 卖出条件self.inds[d]['sell_con'] = d.close < bt.ind.SMA(d.close, period = self.p.p_sell_ma)# 跳过第一只股票data，第一只股票data作为主图数据if i > 0:if self.p.p_oneplot:d.plotinfo.plotmaster = self.datas[0]def next(self):for i, d in enumerate(self.datas):dt, dn = self.datetime.date(), d._name # 获取时间及股票代码pos = self.getposition(d).sizeif not pos: # 不在场内，则可以买入if self.inds[d]['buy_con']:# 如果金叉self.buy(data = d, size = self.p.pstake) # 买买买elif self.inds[d]['sell_con']: # 在场内，且死叉self.close(data = d)# 卖卖卖def notify_trade(self, trade):dt = self.data.datetime.date()if trade.isclosed:print('{} {} Closed: PnL Gross {}, Net {}'.format(dt, trade.data._name, round(trade.pnl, 2), round(trade.pnlcomm, 2)))cerebro = bt.Cerebro() # 创建cerebro# 读入股票代码stk_code_file = '../TQDat/data/tq_stock_code.csv'stk_pools = pd.read_csv(stk_code_file, encoding = 'gbk')if stk_num > stk_pools.shape[0]:print('股票数目不能大于%d' % stk_pools.shape[0])exit()for i in range(stk_num):stk_code = stk_pools['code'][stk_pools.index[i]]stk_code = '%06d' % stk_code# 读入数据datapath = '../TQDat/day/stk/' + stk_code + '.csv'# 创建价格数据data = bt.feeds.GenericCSVData(dataname = datapath,fromdate = datetime.datetime(, 1, 1),todate = datetime.datetime(, 3, 31),nullvalue = 0.0,dtformat = ('%Y-%m-%d'),datetime = 0,open = 1,high = 2,low = 3,close = 4,volume = 5,openinterest = -1)# 在Cerebro中添加股票数据cerebro.adddata(data, name = stk_code)# 设置启动资金cerebro.broker.setcash(100000.0)# 设置佣金为千分之一cerebro.broker.setcommission(commission=0.001)cerebro.addstrategy(BollStrategy, p_oneplot = False) # 添加策略cerebro.run() # 遍历所有数据# 打印最后结果print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())cerebro.plot() # 绘图
为了便于相互交流学习，新建了微信群，感兴趣的读者请加微信。
如果觉得《Python量化交易学习笔记（18）——放量突破布林线中轨买入策略》对你有帮助，请点赞、收藏，并留下你的观点哦！
