Backtrader-Broker05

本系列是使用Backtrader在量化领域的学习与实践，着重介绍Backtrader的使用。Backtrader 中几个核心组件：

• Cerebro：BackTrader的基石，所有的操作都是基于Cerebro的。
• Feed：将运行策略所需的基础数据加载到Cerebro中，一般为K线数据。
• Indicator：BackTader自带的指标，并集成了talib中的指标。我们也可以选择继承一个Indicator实现自己的指标。
• Strategy：交易策略。这里是整个过程中最复杂的部分，需要我们计算买入/卖出信号。
• Analyzer：分析器，以图形和风险收益等指标对交易策略的回测结果进行分析评价。
• Order：订单，记录了与当前订单相关的所有数据。
• Trader：交易，记录了与当前交易相关的所有数据。
• Position：持仓，记录了与当前持仓相关的所有数据。
• Broker：可以理解成经纪人，整个策略的初始资金、交易费率、滑点等参数需要通过Broker进行设置。
• Observer：观察者，对数据进行监控观察，比如资金曲线等等。
• Plotting：可视化组件

本次介绍Backtrader中Broker模块，其是Backtrader核心模块之一， Broker模拟经纪商交易系统相关功能。

在使用Backtrader时，结合量化策略编写过程通常会考虑：

1. Broker是什么？它在回测时有什么作用？
2. Broker经纪商模块，在资金管理、滑点管理等基础参数上，在回测中如何使用？
3. Broker在交易撮合上都支持哪些模式？
4. …

Broker 经纪商模块

Broker模拟经纪商交易系统相关功能，支持不同订单类型、对交易进行“验资验券”，并模拟交易所进行交易撮合。最常见的有初始资金、交易税费、滑点、期货保证金比率等。

在 Backtrader 中，从数据准备、策略编制、策略回测到绩效分析，整个回测流程各个模块相互协调，从交易流程大致如下：

• step1：设置交易条件：初始资金、交易税费、滑点、成交量限制等；
• step2：在 Strategy 策略逻辑中下达交易指令 buy、sell、close，或取消交易 cancel；
• step3：Order 模块会解读交易订单，解读的信息将交由经纪商 Broker 模块处理；
• step4：经纪商 Broker 会根据订单信息检查订单并确定是否接收订单；
• step5：经纪商 Broker 接收订单后，会按订单要求撮合成交 trade，并进行成交结算；
• step6：Order 模块返回经纪商 Broker 中的订单执行结果。

在backtrader中做策略回测，在策略运行前，Broker实现账户资金、份额等信息初始化；在回测过程中，接受订单Order发出的信息，并进行模拟撮合操作，同时实时更新账户资金、份额信息。

Broker 支持的订单类型

• Order.Market 按下一个 Bar （即生成订单的那个交易日的下一个交易日）的开盘价来执行成交；
• Order.Close 按下一个 Bar 的收盘价来执行成交
• Order.Limit 限价单，需要指定成交价格，只有达到指定价格（limit Price）或有更好价格时才会执行，即以指定价或低于指点价买入，以指点价或更高指定价卖出；
• Order.Stop 止损单，需要指定止损价格（Stop Price），一旦股价突破止损价格，将会以市价单的方式成交；
• Order.StopLimit 止损限价单，需要指定止损价格（Stop price）和限价（Limit Price），一旦股价达到设置的止损价格，将以限价单的方式下单
• Order.StopTrail 跟踪止损订单，是一种止损价格会自动调整的止损单，调整范围通过设置止损价格和市场价格之间的差价来确定
• Order.StopTrailLimit 跟踪止损限价单，是一种止损价格会自动调整的止损限价单，订单中的限价 Limit Price 不会发生变动，止损价会发生变动，变动逻辑与上面介绍的跟踪止损订单一致；

Broker 如何管理参数

通过使用Broker实现初始资金、手续费、滑点等管理，通过2中方式实现：

• 方法1：通过创建backtrader.brokers.BackBroker()实例 ,将该实例赋值与cerebro.broker；

    # samples/cheat-on-open/cheat-on-open.pycerebro.broker = bt.brokers.BackBroker()# 各参数初始值为：# params = (# ('cash', 10000.0),       # ('checksubmit', True),   # ('eosbar', False),# ('filler', None),# # slippage options# ('slip_perc', 0.0),# ('slip_fixed', 0.0),# ('slip_open', False),# ('slip_match', True),# ('slip_limit', True),# ('slip_out', False),# ('coc', False),# ('coo', False),# ('int2pnl', True),# ('shortcash', True),# ('fundstartval', 100.0),# ('fundmode', False),)

• 方法2：通过broker中的“set_xxx"方法赋值或修改参数，可通过"get_xxx"方法查看设置参数的值；

    # samples/slippage/slippage.pycerebro.broker.set_slippage_fixed(args.slip_fixed,slip_open=args.slip_open,slip_match=not args.no_slip_match,slip_out=args.slip_out)

Broker 资金与持仓如何管理

在backtrader中，每次订单Order执行完后将更新持仓与金额。

如何了解，策略回测资金情况？

• 在策略执行前，可以通过set_cash（或setcash）对资金进行初始化；在策略执行过程中，可调用add_cash(cash)调整资金（cash 为正数表示增加资金；cash 为负数表示减少资金）。
• 在执行过程中通过get_cash()（或getcash）查看持有资金。

如何了解，策略回测持仓情况？

• 通过getposition(data) 查看当前标的持仓数据；

Broker ”滑点“ 提升成交率

在实盘和回测中，为提高在”预期“价格成交概率，通常会取个价格范围，比如：计划价格2.00元买入， 实际买入价格：2.02元。

在backtrader中，提供了百分比滑点和固定滑点:

• 百分比滑点
  假设perc=n%:

  • 若计划买入价格为x，实际成交买入价格：x * (1 + n% )
  • 若计划卖出价格为x，实际成家卖出价格：x * (1 - n%)

  BackBroker.set_slippage_perc(perc, slip_open=True, slip_limit=True, slip_match=True, slip_out=False)
  

• 固定滑点
  假设fixed=n：

  • 若计划买入价格为x，实际成交买入价格：x + n
  • 若计划卖出价格为x，实际成家卖出价格：x - n

  BackBroker.set_slippage_fixed(fixed, slip_open=True, slip_limit=True, slip_match=True, slip_out=False)
  

在backtrader中，不同的订单类型中slippage是如何工作的呢？

• Close 不支持该订单类型

• Market 支持该订单类型
  在Market订单类型（即以开票价成交）下，需设置slip_open = True。需要注意的是通过BackBroker() 实例化broker，其默认值为False，而通过方式2，即set_slippage_perc和set_slipage_fixed 其默认值为True。

• Limit 需要根据参数设置情况而定

  • 如果匹配价格是开盘价，则根据参数 slip_open 应用滑点。如果适用，价格永远不会低于要求的限价；
  • 如果匹配价格不是限价，则滑点将应用于最高价/最低价。在这种情况下，slip_mlimit适用于决定在超过上限的情况下是否会进行匹配

• Stop 支持该订单类型
  执行逻辑同Market订单类型逻辑

• StopLimit 需要根据参数设置情况而定
  执行逻辑同Limit订单类型逻辑

Broker 中的 ”Cheating 交易“

Backtrader 默认是 “当日收盘后下单，次日以开盘价成交”，这种模式在回测过程中能有效避免使用未来数据。
Backtrader 还提供了一些 cheating 式的交易时机模式：Cheat-On-Open 和 Cheat-On-Close。

• Cheat-On-Open 是“当日下单，当日以开盘价成交”模式
• Cheat-On-Close 是“当日下单，当日以收盘价成交”模式

cerebro = bt.Cerebro(cheat_on_open=True)

Broker 中的 成交量限制

通过 Backtrader 中的 fillers 模块来限制实际成交量，fillers 会告诉 Broker 在各个成交时间点应该成交多少量，一共有 3 种形式：

• 形式1：bt.broker.fillers.FixedSize(size)
• 形式2：bt.broker.fillers.FixedBarPerc(perc)
• 形式3：bt.broker.fillers.BarPointPerc(minmov=0.01，perc=100.0)

在 Broker 中使用Filler同样有两种方式：

• 方式一：通过broker中‘set_filler"进行设置

import backtrader as btcerebro = Cerebro()
cerebro.broker.set_filler(bt.broker.fillers.FixedSize())

• 方式二：通过创建backtrader.broker.BrokerBack(filler=filler)实例，赋值与broker

import backtrader as btcerebro = Cerebro()
filler = bt.broker.fillers.FixedSize()
newbroker = bt.broker.BrokerBack(filler=filler)
cerebro.broker = newbroker

import pandas as pd
import numpy as np%matplotlib inline
import matplotlib.pyplot as plt
import matplotlib
plt.rcParams['figure.figsize'] = 15, 15daily_price = pd.read_csv("./data/daily_price.csv", parse_dates=['datetime'])# 筛选 600466.SH 和 603228.SH 2只股票的数据集
data1 = daily_price.query(f"sec_code=='600466.SH'").set_index('datetime').drop(columns=['sec_code'])
data2 = daily_price.query(f"sec_code=='603228.SH'").set_index('datetime').drop(columns=['sec_code'])