原創文章第72篇，專注“個人成長與財富自由、世界運作的邏輯， AI量化投資”。
backtrader最大的優點，它是面向交易的。
市面上很多開源的框架，更像是學術的，面向研究和學習的。離生產環境還比較遠，包括qlib。
國內的vnpy算是功能完善度比較高的，口號是“by traders， for traders”，大致就是這樣的目標，但vnpy的程式碼有點重，安裝和使用較複雜。
01 交易條件
交易條件的設定要儘可能“高度模擬”真實交易場景。交易條件設定，最常見的有初始資金、交易稅費、滑點、期貨保證金比率等。對成交量做限制、對漲跌幅做限制、對訂單生成和執行時機做限制。交易條件可以透過 Broker來管理
方式1：透過設定backtrader。brokers。BackBroker（） 類中的引數，生成新的broker例項，再將新的例項賦值給cerebro。broker ；
方式2：透過呼叫broker中的”set_xxx“ 方法來修改條件，還可透過”get_xxx“ 方法檢視當前設定的條件取值。
一般推薦使用方式2：
def next（self）： print（‘當前可用資金’， self。broker。getcash（）） print（‘當前總資產’， self。broker。getvalue（）） print（‘當前持倉量’， self。broker。getposition（self。data）。size） print（‘當前持倉成本’， self。broker。getposition（self。data）。price） # 也可以直接獲取持倉 print（‘當前持倉量’， self。getposition（self。data）。size） print（‘當前持倉成本’， self。getposition（self。data）。price）
02 滑點
一般滑點在所難免，由於網路延時、市場波動等原因。
滑點分為百分比、固定兩種。以高於+p的價格買，以低於-P的價格賣出。
若二者均設定，則百分比優先順序高。
cerebro。broker。set_slippage_perc（0。0001）cerebro。broker。set_slippage_fixed（0。03）
03 交易費用
交易費用不可忽視，尤其是在交易頻率比較高的策略中。
bt中簡單配置交易費用很容易，但如果要更真實的模擬市場，則需要了解一些細節。
比如交易費率為“萬分之三”，買賣都收，直接setcommission即可。
cerebro。broker。setcommission（0。0003）
但A股實際上還有一個單筆不低於5元，且賣出還有印花稅。
這就需要繼承bt。CommInfoBase，然後自己寫計算邏輯。
class MyStockCommissionScheme（bt。CommInfoBase）： ‘’‘ 1。佣金按照百分比。 2。每一筆交易有一個最低值，比如5塊，當然有些券商可能會免5。 3。賣出股票還需要收印花稅。 4。可能有的平臺還需要收平臺費。 ’‘’ params = （ （‘stampduty’， 0。005）， # 印花稅率 （‘commission’， 0。005）， # 佣金率 （‘stocklike’， True），#股票類資產，不考慮保證金 （‘commtype’， bt。CommInfoBase。COMM_PERC），#按百分比 （‘minCommission’， 5），#最小佣金 （‘platFee’， 0），#平臺費用 ） def _getcommission（self， size， price， pseudoexec）： ‘’‘ size>0，買入操作。 size<0，賣出操作。 ’‘’ if size > 0： # 買入，不考慮印花稅，需要考慮最低收費 return max（size * price * self。p。commission，self。p。minCommission）+platFee elif size < 0： # 賣出，考慮印花稅。 return max（abs（size） * price * self。p。commission，self。p。minCommission）+abs（size） * price * self。p。stampduty+platFee else： return 0 # 防止特殊情況下size為0。cerebro。broker。setcommission（0。0003）cerebro。broker。addcommissioninfo（MyStockCommissionScheme（））
04 交易訂單型別
回測中使用比較多的還是
市價單和限價單
。
bt支援
市值，限價，止損，止損限價，止損追蹤，止損追蹤限價
。
預設是市價單，就是使用下一個Bar的open來交易。
self。buy（exectype=bt。Order。Market）
05 交易函式
策略的核心就是依照計算好的規則，向broker釋出交易指令。
指令有
常規的買或賣
，或
有按目標下單
。
常規買賣就是 buy， sell， close。買、賣和平倉。
而目標下單函式會根據交易目標自動確定買賣方向。
1， order_target_size，成交後到多少份
2，order_target_value，成交後倉位到多少
3， order_target_percent，成交後倉位佔比
# 按目標數量下單self。order = self。order_target_size（target=size）# 按目標金額下單self。order = self。order_target_value（target=value）# 按目標百分比下單self。order = self。order_target_percent（target=percent）
有了這些準備工作，明天可以開始寫策略。