Wiki

欢迎来到 backtrader_bokeh 中文 wiki !

用过 Backtrader 都知道它的可视化是用的 matplotlib , 好处是开箱即用,因为 matplotlib 是 Backtrader的默认可视化后端,但缺点就是 matplotlib的绘图还是不够日常需要。说到图片文字的展示,有没有可能在浏览器里展示策略数据和分析结果的呢?答案就是 Backtrader和 Bokeh 的结合产品:Welcome to Backtrader_Bokeh。 在 示例 这里可以感受 Backtrader_Bokeh 的可视化效果。 * 只展示部分示例,全部示例请自行运行 demos 下的代码

Backtrader_Bokeh继承自 backtrader_plottingbtplotting ,对两者的问题做了修正并且计划推出更加适合量化框架 Backtrader 的一系列新特性。欢迎来 github 上关注及讨论。同时推荐 Aui 团队的另外两个产品:Aui(在线相册+应用)检查指标小帮手(微信小程序)

社群:908547278 (QQ群) Aui_Channel (TG)

安装

pip install git+https://github.com/iniself/backtrader_bokeh

快速上手

使用 Backtrader_Bokeh 非常容易,它对原 Backtrader 是无侵入的,你只需要在你的 Python 文件中如下引入就可以获得 Backtrader_Bokeh 所带来诸多好处。包括:

  1. 一个 Bokeh 可视化的后端
  2. 通过补丁方式解决 Backtrader 的错误。* 不会修改 Backtrader 的原文件
  3. 更简单的 Api 调用
from backtrader_bokeh import bt
# import backtraer as bt  此引入已经不再需要

有多种方式使用 Backtrader_Bokeh 。本文只介绍 3 种,其他更多你可以参考 Demo:

把 Backtrader_Bokeh 当作分析器使用(适用于实时数据模式)

  • 使用默认 80 端口:

    from backtrader_bokeh import bt
    ...
    ...
    
    cerebro = bt.Cerebro()
    cerebro.addstrategy(MyStrategy)
    cerebro.adddata(LiveDataStream())
    cerebro.addanalyzer(bt.analyzers.Live, force_plot_legend=True, autostart=True)
    cerebro.run() # 注意如果上面添加的数据不是实数数据,则打开浏览器失败
    
  • 如果你的 80 端口被占用,比如你同时运行了 nginx,此时需要指定其他端口启动 Backtrader_Bokeh:

    cerebro.addanalyzer(bt.analyzers.Live, address="localhost", port=8889, force_plot_legend=True, autostart=True)
    

把 Backtrader_Bokeh 实例化为 Plot 对象

  • 普通模式(常用):对一套策略参数的回测

    from backtrader_bokeh import bt
    ...
    ...
    
    plot = bt.Bokeh(style = 'bar', scheme=bt.schemes.Blackly(), force_plot_legend=True) # bt.schemes.Blackly 是样式主题
    cerebro.plot(plot, iplot=False) # 如果你在 Jupyter 中运行,需要传入 iplot 参数
    
  • 参数优化模式:对多套策略参数的回测。可以选择在不同参数下展示策略的效果

    from backtrader_bokeh import bt
    ...
    ...
    
    cerebro.optstrategy(MyStrategy, buydate=range(40, 180, 30))   
    result = cerebro.run(optreturn=False)
    
    b = bt.Bokeh(style='bar', scheme=bt.schemes.Tradimo(), force_plot_legend=True)
    browser = bt.Opt(b, result, address='localhost', port=8889, autostart= True)
    browser.start()
    

参数列表

先介绍 Backtrader_Bokeh 涉及到需要传入参数几个函数:

  • Live Mode 时 python cerebro.addanalyzer(...)
  • 常规回测模式时 python bt.Bokeh(...)
  • 参数优化模式时 python bt.Bokeh(...) bt.Opt(...)

本文从如下几个方面介绍 Backtrader_Bokeh 参数配置:

  • 该参数的类型
  • 该参数的用途
  • 该参数适合哪些函数。本文除了特殊说明外,适合 bt.Bokeh() 的参数同样适合 cerebro.addanalyzer()

前置知识

回忆一下 Backtrader 自带的绘图选项: * Options affecting the plotting behavior of the entire object:对象的绘图选项,该配置对应 plotinfo* 比如一个指标就是一个对象,它会自带默认的plotinfo(控制这个指标的整体绘图) 和 plotlines(控制每条 lines 的绘图) * Options affecting the plotting behavior of individual lines:该配置对应绘图对象的 plotlines 配置 * Options affecting the SYSTEM wide plotting options:Backtrader 最上层的配置和某个主题的配置

Backtrader_Bokeh 也是以这样的分类来配置绘图选项的。在继承了大部分 Backtrader 配置的前提下,Backtrader_Bokeh 根据 Bokeh 的需要还增加了大量配置。简言之,Backtrader_Bokeh Options = Backtrader Options + Bokeh Options

“系统”和“主题”的绘图选项

  1. style

    • str
    • 控制主图显示的类型。single 显示收盘价的线条图,bar 或则 candle显示包含了开盘价、收盘价、最高价、最低价的 K 线柱状图。另外,从 v0.07 版本后,还可以分别为每一个数据源定制样式:

      data = bt.feeds.YahooFinanceCSVData(...)
      data.plotinfo.plotstyle = 'bar' 
      
    • bt.Bokeh(style='bar')
  2. scheme
    • object
    • 告诉 Backorder_Bokeh 绘图时选择哪个主题:目前有两个主题 Blackly(深色主题)和 Tradimo(浅色主题)
    • bt.Bokeh(scheme=bt.schemes.Blackly())
  3. filename
    • str
    • 在常规回测时,用指定的文件名代替 Backtrader_Bokeh 默认的临时文件名。 仅适应于生成的静态网页,所以在 “Live Mode” 和“参数优化” 时此选项无效
    • bt.Bokeh(filename='yourfile.html')
  4. output_mode
    • str
    • 在常规回测时:
      save:只保存文件,不打开浏览器
      show:保存文件同时打开浏览器
      memory:不保存文件,但返回模型
  5. use_default_tabs
    • bool
    • 如果设置成 true ,则 Backtrader_Bokeh 默认的网页 tab 会被添加进去
    • bt.Bokeh(use_default_tabs=False)
  6. tabs
    • list
    • 在网页中希望添加的 tab。当 use_default_tabs=False 时生效
    • bt.Bokeh(tabs=[bt.tabs.AnalyzerTab])
  7. show_headline
    • bool
    • 是否显示页面标题
    • bt.Bokeh(show_headline=False)
  8. headline
    • str
    • 改变页面标题。默认是 "Backtrader Backtesting Results"
    • bt.Bokeh(headline='Your backtrader')
  9. force_plot_legend
    • bool
    • 是否强制显示所有图例(legend)。当遇到有图列不显示时设置成 True
    • bt.Bokeh(force_plot_legend=True)
  10. hover_tooltip_config
    • str
      • 控制鼠标指向图形时的提示内容。在没有传入该参数时,Backtrader_Bokeh 会默认用该数据类型(Data Feed、Indicators、Observer)的默认方式提示。比如 Data Feed 会显示时间、开盘价、收盘价、最高价、最低价、交易量,但如果想显示额外数据,就需要用到这个选项
      • IND-DATA: 把 Indicators 的数据添加到主图 (Data Feed) 的 tooltip
      • DATA-OBS: 把主图数据添加到 Observer
      • IND-OBS: 把 Indicators 的数据添加到 Observer
      • ……
  11. plotconfig

    • dict
    • 用于控制 局部绘图 的参数配置(具体见局部绘图选项)。Backtrader_Bokeh 的 plotconfig 相当于 Plotting - Backtrader 中的 Object-wide plotting options
    • plotconfig = {
        'id: sm5': dict(
            subplot=False,
            plotname='sm5 indicator'
        )
      }
      
      BacktraderBokeh(plotconfig=plotconfig)
      
  12. usercolumns

    • dict
    • 自定义列可以添加到结果列表中,用于显示结果中感兴趣的特殊属性。要使用它,需要传递一个字典,其中键是列的标签,值是一个可调用的值,该值需要一个优化结果来计算属性。该参数只适用于参数优化模式
    • def get_pnl_gross(strats):
        a = strats[0].analyzers.tradeanalyzer.get_analysis()
        return a.pnl.gross.total if 'pnl' in a else 0
      
      b = bt.Bokeh(style='bar', scheme=bt.schemes.Tradimo())
      browser = bt.Opt(b, result, usercolumns=dict(pnl=get_pnl_gross), sortcolumn='pnl', sortasc=False)
      browser.start()
      
  13. 其他主题参数

    •   def _set_params(self):
            self.multiple_tabs = False
            self.show_headline = True
            self.headline = ''
            self.hover_tooltip_config = ''
      
            self.barup_wick = self.barup
            self.bardown_wick = self.bardown
      
            self.barup_outline = self.barup
            self.bardown_outline = self.bardown
      
            self.crosshair_line_color = '#999999'
      
            self.legend_background_color = '#3C3F41'
            self.legend_text_color = 'lightgrey'
            self.legend_location = 'top_left'
            self.legend_orientation = 'vertical'
      
            self.loc = 'lightgray'
            self.background_fill = '#222222'
            self.body_background_color = 'white'
            self.border_fill = '#3C3F41'
            self.legend_click = 'hide'  # or 'mute'
            self.axis_line_color = 'darkgrey'
            self.tick_line_color = self.axis_line_color
            self.grid_line_color = '#444444'
            self.axis_text_color = 'lightgrey'
            self.plot_title_text_color = 'darkgrey'
            self.axis_label_text_color = 'darkgrey'
            self.tag_pre_background_color = 'lightgrey'
            self.tag_pre_text_color = 'black'
      
            self.xaxis_pos = 'all'  # 'all' or 'bottom'
      
            self.table_color_even = '#404040'
            self.table_color_odd = '#333333'
            self.table_header_color = '#7a7a7a'
            # Plot a title above the plot figure
            self.plot_title = True
            # Number of columns on the analyzer tab
            self.analyzer_tab_num_cols = 1
            # Number of columns on the metadata tab
            self.metadata_tab_num_cols = 3
            # Sizing mode for plot figures
            self.plot_sizing_mode = 'scale_width'
            # Aspect ratios for different figure types
            self.data_aspectratio = 2.5
            self.vol_aspectratio = 5.0
            self.obs_aspectratio = 5.0
            self.ind_aspectratio = 5.0
            # output backend mode ("canvas", "svg", "webgl")
            self.output_backend = 'canvas'
      
            self.toolbar_location = 'right'
      
            self.tooltip_background_color = '#4C4F51'
            self.tooltip_text_label_color = '#848EFF'
            self.tooltip_text_value_color = '#aaaaaa'
      
            self.tab_active_background_color = '#333333'
            self.tab_active_color = '#4C4F51'
      
            self.text_color = 'lightgrey'
      
            # https://docs.bokeh.org/en/latest/docs/reference/models/formatters.html#bokeh.models.formatters.DatetimeTickFormatter
            self.hovertool_timeformat = '%F %R'
      
            self.number_format = '0,0[.]00[000000]'
            self.number_format_volume = '0.00 a'
      
            # https://docs.bokeh.org/en/latest/docs/reference/models/formatters.html
            self.axis_tickformat_days = '%d %b %R'
            self.axis_tickformat_hourmin = '%H:%M:%S'
            self.axis_tickformat_hours = '%d %b %R'
            self.axis_tickformat_minsec = '%H:%M:%S'
            self.axis_tickformat_minutes = '%H:%M'
            self.axis_tickformat_months = '%d/%m/%y'
            self.axis_tickformat_seconds = '%H:%M:%S'
            self.axis_tickformat_years = '%Y %b'
      
            # used to add padding on the y-axis for all data except volume
            self.y_range_padding = 0.5
            # position of y axis for volume
            self.vol_axis_location = 'right'
      
    • 主题参数可以直接在 cerebro.addanalyzer()bt.Bokeh()中传入这些参数。或则可以在主题构建函数中传入:
      • python bt.Bokeh(overtool_timeformat='%F %R:%S')
      • python bt.Bokeh(scheme=Blackly(overtool_timeformat='%F %R:%S'))

“局部绘图”选项

前置知识 中已经说过 局部选项 就是针对每个对象(比如某个指标)的 plotinfoplotlines 的设置。在 Backtrader 配置此选项有 三种方式:

  1. 通过继承类:

    class MY_SMA(bt.indicators.SMA):
      params = (('barplot', True), ('bardist', 0.02))
      plotinfo = dict(
        plotname = "MySMA"
      )
      plotlines = dict(
        ...
     )
    class MyStrategy(bt.Strategy):
     def __init__(self):
       self.sma5 = MY_SMA(period=15)
     ....
    
    cerebro.addstrategy(MyStrategy)
    
  2. 传参修改:

    class MyStrategy(bt.Strategy):
     def __init__(self):
        self.sma5 = bt.indicators.SMA(period=15, plotname = "MySMA")
     ....
    
    cerebro.addstrategy(MyStrategy)
    
    class MyStrategy(bt.Strategy):
     def __init__(self):
        self.sma5 = bt.indicators.SMA(period=15)
        self.sma5.plotinfo.plotname = "MySMA"
     ....
    
    cerebro.addstrategy(MyStrategy)
    
  3. Backtrader_Bokeh 多了一种可以在一个地方处理所有对象绘图参数的方法:

    class MyStrategy(bt.Strategy):
     def __init__(self):
        self.sma5 = bt.indicators.SMA(period=15)
        self.sma5.plotinfo.plotid='sm5'
     ....
    plotconfig = {
       'id:sm5': dict(
           plotname='MySMA'
       )
    }  
    cerebro.addstrategy(MyStrategy)
    b = bt.Bokeh(plotconfig=plotconfig)
    cerebro.plot(b)
    

    以下局部绘图的部分选项 * 只列举 plotinfo,关于 plotlines 的配置请自行查阅 Backtrader

  4. plot
    • bool
    • 是否绘制此图
    • plot=True
  5. subplot
    • bool
    • 是否绘制成子图,否则将在主图中统一显示
    • subplot=True
  6. plotmaster

    • object
    • 用哪个绘图对象作为自己的主图。比如默认情况下,indicators 是和 主图(股价、交易量)绘制在一起。通过如下代码可以把 indicators 单独绘制

    • class MyStrategy(bt.Strategy): def __init__(self): self.sma5 = bt.indicators.SMA(period=5, subplot=True) self.sma10 = bt.indicators.SMA(period=10, plotmaster=sma5)
  7. plotname
    • str
    • 图例名字
    • plotname='somename'
  8. plotorder

    • int
    • 各绘图对象在页面上的绘图顺序。数字越小则越在上面。默认所有为0。 下面代码会让 Observer 绘制在 Data Feed (股价、交易量等的主图)
    • class MyBroker(bt.observers.Broker):
       def __init__(self):
           self.plotinfo.plotorder = 5
      
      cerebro.addobserver(MyBroker)
      
  9. 其他局部绘图选项


    • plotinfo = dict(plot=True, # 是否绘制该对象 subplot=True, # 是否绘制成子图 plotname='', # 图形对象名称 plotorder=0, # 各子图绘制的顺序 plotlinelabels=False, # 主图上曲线的名称 plotlinevalues=True, # 是否显示曲线最后一个时间点上的值 plotvaluetags=True, # 是否以卡片形式在曲线末尾展示最后一个时间点上的值 plotymargin=0.0, # 用于设置子图 y 轴的边界 plothlines=[a,b,...], # 用于绘制取值为 a,b,... 的水平线 plotyticks=[], # 用于绘制取值为 a,b,... y轴刻度 plotyhlines=[a,b,...], # 优先级高于plothlines、plotyticks,是这两者的结合 plotforce=False, # 是否强制绘图 plotmaster=None, # 用于指定主图绘制的主数据源 plotylimited=True, # 用于设置主图的 y 轴边界, # 如果True,边界只由主数据 data feeds决定,无法完整显示超出界限的辅助指标; # 如果False, 边界由主数据 data feeds和指标共同决定,能确保所有数据都能完整展示 )
    • 请自行尝试不同配置

“浏览器”的配置

  1. autostart
    • bool
    • 是否自动打开浏览器。适合“参数优化模式” 和 “Live Mode”,因为该两种模式都不会自动打开浏览器
    • bt.Opt(autostart=True)(参数优化模式) 和 cerebro.addanalyzer(autostart=True)(Live Mode) 1
  2. address
    • str
    • 网页地址。如果是当地运行 Backtrader_Bokeh,则配置如下
    • bt.Opt(address='localhost', port=8889 (参数优化模式) 和 cerebro.addanalyzer(address='localhost', port=9889) (Live Mode)
  3. port
    • int
    • 网页端口。默认是 80 端口,如果被占用可自行设置其他端口
    • bt.Opt(address='localhost', port=8889 (参数优化模式) 和 cerebro.addanalyzer(address='localhost', port=9889) (Live Mode)

  1. 普通模式中应用此配置没有意义 ↩︎