好友提出要驗證連續下跌買入止盈止損賣出政策，本文對該政策回測和實作做分析記錄。
買入條件中，連續下跌定義為收盤價連續4日低于前1日的收盤價。賣出條件中，止盈率設定為10%，止損率設定為5%。回測初始資金100000元，單筆操作機關1000股，傭金千分之一，回測時間自2018年1月1日至2020年3月20日。
政策核心代碼位于政策類的next方法中：
def next(self):
if self.orefs: # order清單，用于存儲尚未執行完成的訂單
return # 有尚未執行的訂單
# 尚未進場
if not self.position:
# 擷取近幾日收盤價用于判斷是否連續下跌
lastcloses = list()
for i in range(self.p.p_downdays + 1):
lastcloses.append(self.dataclose[-i])
# 連續N日下跌
if lastcloses == sorted(lastcloses):
# 計算買入報價跑p1，止損價p2，止盈價p3
close = self.dataclose[0]
p1 = close * (1.0 - self.p.limit)
p2 = p1 - self.p.p_stoploss * close
p3 = p1 + self.p.p_takeprofit * close
# 計算訂單有效期
valid1 = datetime.timedelta(self.p.limdays)
valid2 = valid3 = datetime.timedelta(self.p.limdays2)
# 使用bracket orders設定買入賣出
os = self.buy_bracket(
price=p1, valid=valid1,
stopprice=p2, stopargs=dict(valid=valid2),
limitprice=p3, limitargs=dict(valid=valid3),)
# 儲存激活的的訂單
self.orefs = [o.ref for o in os] 這裡主要應用了backtrader的bracket order，它其實并不是1個訂單，而是有3個訂單構成：1個買單，1個止損賣單，1個止盈賣單。2個賣單就像是把買單用括号括起來一樣，是以合稱為bracket order（括号訂單）。我們所使用的buy_bracket方法遵循以下規則：
-
- 為了避免被分開執行，3個訂單要被一起送出
- 2個賣單要作為買單的子訂單
- 在買單執行前，2個賣單處于非激活狀态
- 買單如果被取消，2個賣單也會随之被取消
- 買單被執行後，2個賣單均被激活
- 一旦兩個賣單被激活，其中一個被執行或者被取消，另一個都将被自動取消。
buy_bracket方法中除了設定買入價、止損價、止盈價外，還設定了訂單有效時間，如果訂單在有效時間内未執行，則會過期失效。一般我們将買入有效期設定為3天以内，賣出有效期設定為較長時間，以保證股票可以賣出。
回測000001後的最終資産為102781.90元，這裡交易大小僅為1000股，所用資金僅為不到20000元，提高交易量，收益還是相當可觀。
回測000002後的最終資産為96476.14元，虧損。
回測601318後的最終資産為75044.50元，虧得一塌糊塗。
觀察幾張圖示可以發現，我們經常可以找到很好的買點，但是會出現本來盈利的訂單，最後變成虧損的情況。在挖backtrader文檔的時候，發現了一個比較好的利潤保護方法，将在下一篇文章中進行實作及分析，敬請期待。
友情提示：本系列學習筆記隻做資料分析，記錄個人學習過程，不作為交易依據，盈虧自負。
連續下跌買入止盈止損賣出政策代碼：
from __future__ import (absolute_import, division, print_function, unicode_literals)
import datetime # 用于datetime對象操作
import os.path # 用于管理路徑
import sys # 用于在argvTo[0]中找到腳本名稱
import backtrader as bt # 引入backtrader架構
# 建立政策
class St(bt.Strategy):
params = dict(
p_downdays = 4, # 連續下跌天數
p_stoploss = 0.05, # 止損比例
p_takeprofit = 0.1, # 止盈比例
limit=0.005,
limdays=3,
limdays2=1000,
hold=10,
usebracket=False, # use order_target_size
switchp1p2=False, # switch prices of order1 and order2
)
def notify_order(self, order):
print('{}: Order ref: {} / Type {} / Status {}'.format(
self.data.datetime.date(0),
order.ref, 'Buy' * order.isbuy() or 'Sell',
order.getstatusname()))
if order.status == order.Completed:
self.holdstart = len(self)
if not order.alive() and order.ref in self.orefs:
self.orefs.remove(order.ref)
def __init__(self):
# 引用data[0]資料的收盤價資料
self.dataclose = self.datas[0].close
sma = bt.ind.SMA(period = self.p.p_downdays + 1, plot = False)
self.orefs = list()
def next(self):
if self.orefs: # order清單，用于存儲尚未執行完成的訂單
return # 有尚未執行的訂單
# 尚未進場
if not self.position:
# 擷取近幾日收盤價用于判斷是否連續下跌
lastcloses = list()
for i in range(self.p.p_downdays + 1):
lastcloses.append(self.dataclose[-i])
# 連續N日下跌
if lastcloses == sorted(lastcloses):
# 計算買入報價跑p1，止損價p2，止盈價p3
close = self.dataclose[0]
p1 = close * (1.0 - self.p.limit)
p2 = p1 - self.p.p_stoploss * close
p3 = p1 + self.p.p_takeprofit * close
# 計算訂單有效期
valid1 = datetime.timedelta(self.p.limdays)
valid2 = valid3 = datetime.timedelta(self.p.limdays2)
# 使用bracket orders設定買入賣出
os = self.buy_bracket(
price=p1, valid=valid1,
stopprice=p2, stopargs=dict(valid=valid2),
limitprice=p3, limitargs=dict(valid=valid3),)
# 儲存激活的的訂單
self.orefs = [o.ref for o in os]
cerebro = bt.Cerebro() # 建立cerebro
# 先找到腳本的位置，然後根據腳本與資料的相對路徑關系找到資料位置
# 這樣腳本從任意地方被調用，都可以正确地通路到資料
modpath = os.path.dirname(os.path.abspath(sys.argv[0]))
datapath = os.path.join(modpath, '../TQDat/day/stk/000001.csv')
# 建立價格資料
data = bt.feeds.GenericCSVData(
dataname = datapath,
fromdate = datetime.datetime(2018, 1, 1),
todate = datetime.datetime(2020, 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中添加價格資料
cerebro.adddata(data)
# 設定啟動資金
cerebro.broker.setcash(100000.0)
# 設定交易機關大小
cerebro.addsizer(bt.sizers.FixedSize, stake = 1000)
# 設定傭金為千分之一
cerebro.broker.setcommission(commission=0.001)
cerebro.addstrategy(St) # 添加政策
cerebro.run() # 周遊所有資料
# 列印最後結果
print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())
cerebro.plot() # 繪圖