Skip to content
TheChatArchiveThe Chat Archive
gpt-3.5-turbo-0301· openaiHugging Face Suzhen/CodeChat

AAPL.xlsx文件包含Volume、AveragePrice、Open、Close、High、Low、…

  1. User

    AAPL.xlsx文件包含Volume、AveragePrice、Open、Close、High、Low、 Date、n共8列数据,且Date为毫秒时间截,用backtrader创建一个看涨吞没开多仓或平空仓、看跌吞没平多仓或开空仓的策略做回测?

  2. Assistant

    由于缺少具体的策略细节,以下是大致的代码示例:

    import backtrader as bt
    import pandas as pd
    
    class MyStrategy(bt.Strategy):
        
        def __init__(self):
            self.candle = btind.CandleStick(self.data)
            self.bullish_engulfing = btind.CDLENGULFING(self.data)
            self.bearish_engulfing = btind.CDLENGULFING(self.data, bullish=False)
            
        def next(self):
            if self.bullish_engulfing[0] > 0:
                self.buy()
            elif self.bearish_engulfing[0] < 0:
                self.sell()
                
    if __name__ == '__main__':
        cerebro = bt.Cerebro()
        cerebro.addstrategy(MyStrategy)
        data = pd.read_excel('AAPL.xlsx', index_col=0)
        data.index = pd.to_datetime(data.index, unit='ms')
        data.columns = ['volume', 'open', 'high', 'low', 'close', 'average_price']
        data = bt.feeds.PandasData(dataname=data)
        cerebro.adddata(data)
        cerebro.broker.setcash(100000.0)
        cerebro.run()
        cerebro.plot()
    

    该策略使用了CDLENGULFING指标来判断涨跌趋势,如果发现出现了看涨吞没或者看跌吞没的形态,则进行多空操作。具体的资金管理、止盈止损策略需要根据实际情况进行调整。

  3. User

    AAPL.xlsx文件包含Volume、AveragePrice、Open、Close、High、Low、 Date、n共8列数据,且Date为毫秒时间截,交易策略为:看涨吞没开多仓或平空仓;看跌吞没平多仓或开空仓,请用backtrader做回测

  4. Assistant

    以下是基于你提供的策略和数据进行的代码示例:

    import backtrader as bt
    import pandas as pd
    
    class MyStrategy(bt.Strategy):
        
        def __init__(self):
            self.candle = bt.indicators.CandleStick(self.data)
            self.bullish_engulfing = bt.talib.CDLENGULFING(self.data.high, self.data.low, self.data.close, self.data.open) > 0
            self.bearish_engulfing = bt.talib.CDLENGULFING(self.data.high, self.data.low, self.data.close, self.data.open, bullish=False) < 0
            
        def next(self):
            if self.position.size == 0:
                if self.bullish_engulfing:
                    self.buy()
                elif self.bearish_engulfing:
                    self.sell()
            elif self.position.size > 0:
                if self.bearish_engulfing:
                    self.close()
                    self.sell()
            elif self.position.size < 0:
                if self.bullish_engulfing:
                    self.close()
                    self.buy()
                
    if __name__ == '__main__':
        cerebro = bt.Cerebro()
        cerebro.addstrategy(MyStrategy)
        data = pd.read_excel('AAPL.xlsx', index_col=0)
        data.index = pd.to_datetime(data.index, unit='ms')
        data.columns = ['volume', 'open', 'high', 'low', 'close', 'average_price']
        data = bt.feeds.PandasData(dataname=data)
        cerebro.adddata(data)
        cerebro.broker.setcash(100000.0)
        cerebro.broker.setcommission(commission=0.001)
        cerebro.run()
        cerebro.plot()
    

    本策略使用CandleStick为行情数据添加蜡烛图指标,使用talib库中的CDLENGULFING指标来判断是否出现看涨/跌吞没形态,当出现看涨/跌吞没时进行买卖操作。在买卖操作时,先平仓后开仓,避免出现错误。資金管理、止盈止损等可根据实际情况进行调整。需要特别注意的是,symmetric=False由於Python自身导致的偏差可能导致与其他计算方法不同的结果。

  5. User

    ValueError: Length mismatch: Expected axis has 7 elements, new values have 6 elements

  6. Assistant

    这个错误是由于你提供的Pandas DataFrame的列数与Backtrader对于OHLCV数据的要求不符合,OHLCV数据必须包含6列,分别是:

    • Open
    • High
    • Low
    • Close
    • Volume
    • Open interest (选填)

    你需要使用 .loc 或 .iloc 方法选择这6列数据,如下面的示例:

    data = pd.read_excel('AAPL.xlsx', index_col=0)
    data.index = pd.to_datetime(data.index, unit='ms')
    data.columns = ['Volume', 'AveragePrice', 'Open', 'Close', 'High', 'Low']
    # 选择必须的6列
    data = data.loc[:, ['Open', 'High', 'Low', 'Close', 'Volume']]
    data = bt.feeds.PandasData(dataname=data)
    

    在上面的代码中,我们首先使用 .iloc 方法选择需要的6列数据,然后使用 bt.feeds.PandasData 构造数据源。

    注意,你需要根据你的实际数据情况修改列名或者使用数据切片方式选择必须的数据列。

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.