class MyStrategy(bt.Strategy): def init(self): self.a=[] pass def next(self):…
- User
class MyStrategy(bt.Strategy):
def __init__(self): self.a=[] pass def next(self): self.a.append(self.datas[0]._name) # 添加交易逻辑 pass def stop(self): print(self.a) # 输出每支股票的最后一个收盘价 pass。导入了多支股票,但为何只得到第一支的结果? - Assistant
可能是因为在next方法中只添加了self.datas[0]的名称到self.a中,而没有循环遍历self.datas中的所有股票数据。您可以尝试以下代码,将循环遍历所有股票数据并添加到self.a列表中:
class MyStrategy(bt.Strategy): def init(self): self.a = []
def next(self): for i, d in enumerate(self.datas): if i == 0: continue # 如果是第一支股票数据,则跳过 self.a.append(d._name) # 添加交易逻辑 pass def stop(self): print("Stocks Traded:", self.a) # 输出每支股票的最后一个收盘价 pass这样就能够遍历所有股票数据并添加到self.a列表中了。
- User
但数据长度也不对啊,若每支股票有N条数据,共5支股票 ,则输出的结果应为5*N,但实际长度只有N
- Assistant
这个问题可能是因为在运行时使用了默认的
runonce()方法进行单次运行,而未指定回测时间范围或者使用默认时间范围,导致只有第一支股票数据被处理了,其他股票数据并未被处理。您可以通过设置
run()方法来指定回测时间范围和运行方式。例如,设置回测时间为2019年到2020年,并选择使用run()方法来运行回测,如下所示:if __name__ == '__main__': cerebro = bt.Cerebro() # 添加股票数据 for data in stock_data.values(): cerebro.adddata(data) # 添加策略 cerebro.addstrategy(MyStrategy) # 设置初始资金和手续费 cerebro.broker.setcash(1000000) cerebro.broker.setcommission(commission=0.002) # 运行回测,设置回测时间范围 start_date = datetime.datetime(2019, 1, 1) end_date = datetime.datetime(2020, 12, 31) cerebro.run(start=start_date, end=end_date) # 输出结果 cerebro.plot(style='candlestick')这样通过
run()方法指定回测时间范围和方式后,就可以正确处理所有股票数据并输出正确的结果了。 - User
还是不行
- Assistant
如果
run()方法的时间范围已经设置正确,但是仍然只输出了一次交易逻辑并且数据长度不正确,那就需要考虑代码中的其他因素了。可能的原因之一是股票数据中存在缺失值,导致程序无法正常运行,您可以在代码中加入调试语句查看:
class MyStrategy(bt.Strategy): def __init__(self): self.a = [] def next(self): for i, d in enumerate(self.datas): if i == 0: continue # 如果是第一支股票数据,则跳过 self.a.append(d._name) print(d.datetime.datetime(), d.close[0]) # 添加交易逻辑 pass def stop(self): print("Stocks Traded:", self.a) # 输出每支股票的最后一个收盘价 pass这样可以输出每支股票的每个时间点的收盘价,查看是否存在缺失值或者其他异常情况。
另一个可能的原因是在添加股票数据时出现了错误,您可以在代码中添加调试语句检查是否成功添加了所有股票数据:
if __name__ == '__main__': cerebro = bt.Cerebro() # 添加股票数据 for i, data in enumerate(stock_data.values()): cerebro.adddata(data, name=f'Stock {i+1}') print('Added stock:', data._name) # 添加策略 cerebro.addstrategy(MyStrategy) # 设置初始资金和手续费 cerebro.broker.setcash(1000000) cerebro.broker.setcommission(commission=0.002) # 运行回测,设置回测时间范围 start_date = datetime.datetime(2019, 1, 1) end_date = datetime.datetime(2020, 12, 31) cerebro.run(start=start_date, end=end_date) # 输出结果 cerebro.plot(style='candlestick')这样的调试语句可以帮助您定位问题所在并解决问题。
- User
若有N支股票做回测,我是用上面这种方法一次性导入所有股票,再从STOP函数中获取结果和分别导入每一支股票,且单独获取结果,利用循环,遍历所有股票;这两种方案,哪个效率高?
- Assistant
一次性导入多个股票在简化代码逻辑上优于逐一导入多个股票。这是因为在一次性导入多个股票的情况下,回测引擎只需经过一次初始化和回测过程,处理一次数据,并在
stop()方法中输出结果,而逐一导入多个股票需要进行多次初始化和回测,分别处理每一个股票的数据,最后再进行数据的合并输出,相对来说更加复杂和耗时。假设一共有N支股票,每支股票的数据长度相同,同时考虑不同方案的代码实现,执行效率从高到低如下:
- 一次性导入多个股票,在
stop()方法中获取结果。 - 一次性导入多个股票,利用循环遍历所有股票在
stop()方法中分别获取结果。 - 逐一导入多个股票,在
stop()方法中获取结果。
方案1在处理数据和输出结果时只需要进行一次操作,虽然在一次性导入多个股票时,需要对多个数据对象进行命名、赋值和数据组织,较为繁琐,但是这些缺点被代码逻辑的简化所抵消;而方案2需要在
stop()方法中进行循环遍历和数据整合,较为复杂,且示例代码中的循环结构也会降低代码执行效率;方案3需要进行多次初始化和回测,相对来说更加耗时。综上所述,方案1执行效率最高,建议使用一次性导入多个股票的方案。
- 一次性导入多个股票,在
- User
若一次性导入股票,当策略并不完美时,其中有可能回测时会出错,这样如何解决?
- Assistant
如果一次性导入多个股票,在运行过程中出现回测错误,可以考虑逐一导入股票并逐个回测,这样可以避免一支股票出现问题导致整个回测失败。
下面是一个逐一导入股票并逐个回测的示例代码:
if __name__ == '__main__': cerebro = bt.Cerebro() # 逐一导入股票并逐个回测 for stock_name, stock_data in stock_data.items(): cerebro = bt.Cerebro() # 添加股票数据 cerebro.adddata(stock_data) # 添加策略 cerebro.addstrategy(MyStrategy) # 设置初始资金和手续费 cerebro.broker.setcash(1000000) cerebro.broker.setcommission(commission=0.002) # 运行回测,设置回测时间范围 start_date = datetime.datetime(2019, 1, 1) end_date = datetime.datetime(2020, 12, 31) cerebro.run(start=start_date, end=end_date) # 记录结果 print("Stock: ", stock_name) cerebro.plot()这样,即使在运行过程中某一支股票数据出现问题,也不会影响其他股票的回测。当然,这样的处理方式会降低回测效率,但是可以保证数据的完整性和准确性。
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.