backtrader从tushare或baostock获取行情数据

最新推荐文章于 2025-05-31 03:41:51 发布

原创最新推荐文章于 2025-05-31 03:41:51 发布 · 3.1k 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#python

扫地僧backtrader量化回测与实盘专栏收录该内容

48 篇文章

订阅专栏

学习backtrader的第一步就是要获取行情数据，很多初学者堵在了这一步。其实可以编写一段python代码，从在线api，如tushare或baostock下载行情数据到本地CSV文件，网上有文字介绍，但往往不全面，一步一步视频指导请参考这门课程的第2课。

这里要指出几个注意点：

1 从tushare下载数据需要注册，并且初始积分不够，需要按其网站指导，获得额外积分才能下载。而baostock可完全免费下载

2 tushare的数据是按日期降序的，不符合backtrader要求，所以要重排一下

3 ，baostock原始数据包含停牌记录，而backtrader不需要停牌记录，所以要处理一下删除停牌记录。

4 tushare和baostock有些复权数据似乎不一致，在写作本书时，600000浦发银行在2006年5月12日的后复权收盘价两者相差4元多，读者要自己评估哪个是正确的。baostock是16.18，tushare是21.03，而雪球网站上是21.03，同花顺软件里是20.75。

5 最好下载后复权数据

扫地僧Backtrader给力教程

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

扫地僧量化

关注关注

0
点赞
踩
5

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

使用baostock库获取股票行情数据并进行量化回测分析

TgpActionscript的博客

09-17

2659

Baostock是一个基于Python编写的金融数据接口库，它提供了丰富的金融数据获取功能，包括股票、指数、期货等多种市场数据。需要注意的是，baostock库和backtrader框架提供了更多的功能和选项，可以根据自己的需求进行灵活调整和扩展。总之，baostock和backtrader的结合为量化投资者提供了一种方便、快捷的方式来获取和分析股票市场的历史数据，并进行量化回测分析。通过这种方式，我们可以方便地获取并分析股票市场的历史数据，进而优化投资策略，提高投资效益。表示以日频率获取数据，

谈一谈量化投资从哪里获取数据(会经常更新-2020-09-06）

云金杞

09-06

2230

未付费的用户，可以去知乎看；付费用户，在这篇文章中，提供以后文章用到的数据的下载。这次提供了后复权的股票日数据的下载。数据的重要性巧妇难为无米之炊数据是基础，是量化研究的一个关键环节，没有数据，量化就是无源之水，无根之木。所以，数据必须有。垃圾进垃圾出数据分析领域有一个名言，“Garbage in, Garbage out”，如果我们在模型里面，输入的数据有很多细节没有处理好，我们模型计算出来的结果，甚至有可能南辕北辙，模型的可信度大大降低。所以，数据要尽可能精确。如何选择一个好的数据源？免费

参与评论您还未登录，请先登录后发表或查看评论

利用Backtrader进行期权回测之一：获取期权数据

luoqingyong的博客

07-19

5527

最近在学习一些期权方面的知识，希望有一个期权的回测环境，方便自己做一些测试。初步做了一些功课之后，打算从通达信软件获得期权数据，并使用backtrader进行回测。编程语言使用python。下载期权数据通达信股票软件有一个“盘后数据下载”的功能，可以下载股票、基金、期权等交易品种的日线和分钟线数据。其它实际使用通达信的券商软件，如招商证券的一户通，也可以使用这个功能下载。下载后的数据放在软件安装目录的vipdoc子目录下。如下图所示：其中期权日线数据在vipdoc\ds\lday目录下，上交所ETF

Backtrader能对接实盘吗？模拟到实盘过渡指南！

wencaitouzi的博客

05-17

530

从Backtrader回测到实盘交易，就像从驾校到真实上路。找对方法很重要，选对券商伙伴更重要。我整理了《Backtrader实盘对接大礼包》，包含常见问题解答和代码模板，私信"Backtrader"即可领取。记住，所有稳定盈利的策略，都是先经过千百次回测，再通过小资金实盘验证的。如果你正准备跨出这一步，不妨找我聊聊，我会根据你的策略特点，给出最合适的实盘过渡方案。

使用tushare获取美股月收盘价

weixin_47597849的博客

07-24

1430

美国金融市场较为发达，针对美股的研究，或是对中美股市的比较研究，都免不了需要美股收盘价数据。tushare除了包含丰富的国内股票市场数据，也对美股交易日历和日价格数据有所涉及，可以综合这两个函数使用tushare获取美股月收盘价数据。...

获取股票实时数据

09-14

使用python 调用开元库baostock 获取实时股票的数据并且转化成json格式发送给第三方程序

利用Tushare获取交易信息，对收盘价建立简单的LSTM模型

m0_52873533的博客

07-03

638

建立简单的多特征模型，以及结果的可视化，内含代码，完整代码请留言。

Backtrader

01-09

pip install backtrader numpy pandas matplotlib tushare baostock TA-Lib echars pyecharts wencai pywencai ``` 这些库涵盖了数据分析、可视化以及获取市场数据的功能需求[^2]。 ### 创建简单的移动平均交叉...

Python量化交易入门

曲折旅程，艰难人生

04-13

4571

Python量化交易知识归纳

A股选股python

08-24

1. 数据获取：您可以使用tushare、baostock等第三方库获取A股市场的历史和实时数据。 2. 数据处理：使用pandas库进行数据清洗、预处理和特征工程。 3. 技术指标计算：使用ta-lib库进行常用技术指标（如MACD、RSI等）...

价值投资的量化之道：基本面分析算法实现详解

最新发布

2501_92132293的博客

05-31

800

价值投资的核心是通过分析企业基本面判断内在价值，寻找价格与价值偏离的投资机会。传统基本面分析依赖人工解读财务报表，存在效率低、主观性强、数据处理规模有限等问题。本文旨在构建一套可量化的基本面分析框架，通过算法实现财务指标的自动化计算、筛选策略的系统化构建以及投资效果的量化回测，将格雷厄姆-多德的价值投资理论转化为可执行的技术方案。核心财务指标的量化定义与计算方法基于财务指标的选股策略算法实现从数据获取到策略回测的完整技术流程不同市场环境下的策略适配与优化。

使用Tushare统计收盘价中位数

Arthur的随笔

04-29

865

使用Tushare统计收盘价中位数获取交易数据 tushare只能获取一只股票的一段时间成交数据或某一天全部股票成交数据，我选择获取一只股票的历史数据然后存起来再计算 #coding:utf8 import tushare as ts tushare_token = 'xxxxxxxxxxxxxxxxxxxx' ts.set_token(tushare_token) pro = ts.pro_...

使用backtrader进行Yahoo财经数据的获取与分析

TgpActionscript的博客

09-23

431

通过编写自定义策略类，我们可以根据自己的需求定义交易策略，并使用backtrader进行回测分析。当我们运行这段代码时，backtrader将获取指定股票代码在指定日期范围内的数据，并按照我们定义的策略进行回测。backtrader是一个功能强大的开源交易策略开发框架，它提供了丰富的功能和工具，用于构建和测试交易策略。这只是一个简单的示例，backtrader还提供了许多其他功能和工具，用于更复杂的策略开发和回测分析。对象，它是backtrader的核心对象，用于控制和驱动整个回测过程。

【Python】通过Baostock轻松获取股票数据

William数据分析的博客

07-28

1815

【Python】通过Baostock轻松获取股票数据

使用baostock获取上市公司情况

m0_48096446的博客

10-28

453

获取baostock股价数据导入到csv，可视化处理

tushare获取保存_量化交易中使用Tushare获取交易数据

weixin_39604557的博客

12-20

373

导语：本文所讲述的实践内容在量化交易系统中，属于数据获取部分，暂时不涉及策略和交易内容，如果对此失望朋友可以暂时绕过并关注后继更新。用Tushare筛选上涨10倍以上的大牛股专辑：《追忆那些年曾经撸过的代码》虽然，我是一个撸代码出生的人，但是我并不喜欢，满篇幅的堆积代码，主要还是讲解实现思路。需求：筛选沪深曾经上涨10倍以上的大牛股，并以日收盘价/PE/PS/PB等指标绘制曲线图。分析：沪深股票一...

backtrader量化平台教程（二）第一个可用的策略

追寻神迹

03-06

4143

第一个可用的策略指数基金的收益率怎么样？写一个实用的策略，验证指数基金的收益情况。获取回测数据我们从证券宝baostock免费获取中证500（000905）指数数据。这里我们写了一个工具get_daily_data2.py,具体代码见下文：使用前需要pip安装baostock,pandas,click这三个python库。 $ python get_daily_data2.py --c...

【量化】从Baostock下载股票K线数据保存到本地Mysql数据库

qq_41133965的博客

03-07

4485

最近在下载数据的时候发现很多原来免费的数据库现在都开始收费了，于是就想写个小程序把数据保存到本地，一开始想保存到CSV里，但是想起好久没用的mysql的知识都生疏了，正好写个小DEMO练练手。前期准备在本地安装Mysql （安装方法请百度菜鸟教程 Mysql） Python 3.6 Mysql import mysql.connector class MysqlConnector(): def __init__(self, host, user, passwd, auth_plugin)

BackTrader从数据采集到实盘交易

05-09

《从编程小白到量化宗师之路》系列课程是一套综合性实战课程，涵盖股票，期货，虚拟货币等的交易方法和策略手段。《BackTrader从数据采集到实盘交易》是本系列的第一个中级课程。本网站的课程宗旨是缩短个人或小型投资者与大型机构投资者之间的的差距。课程内容从python环境的安装开始使用，到股票数据采集，BackTrader开源回测软件的应用，并包含一套机构常用策略的讲解和实现。与市面上的其他理论课程不同，本课程注重实战，学员上课后，将可以达到自动化更新每日股票数据，自动化选股，自动化提示股票交易的的时机的目标。在3000种股票的中国市场，您将有获得现代化高科技力量的强力支持。

用baostock获取数据用backtrader写一个简单策略

03-04

<think>好的，用户现在想要了解如何使用baostock获取数据并用backtrader写一个简单策略。首先，我需要确认用户的需求。他们可能刚开始接触量化交易，想通过这两个工具实现一个基本的策略。用户可能已经知道baostock是一个免费的数据源，而backtrader是一个回测框架，但具体如何结合使用还不清楚。接下来，我需要考虑用户可能遇到的问题。例如，如何安装baostock和backtrader，如何从baostock获取数据并转换成backtrader能够识别的格式，以及如何编写策略的基本结构。用户可能对数据处理的步骤不太熟悉，比如处理缺失值或调整数据格式。然后，我应该分步骤来解答。第一步是环境准备，确保用户安装必要的库。第二步是数据获取，展示如何用baostock获取股票数据，并进行必要的清洗和转换。第三步是创建backtrader的数据feed，将数据载入回测系统。第四步是策略编写，提供一个简单的均线策略示例，包括买入和卖出逻辑。第五步是执行回测，展示如何运行并分析结果。最后，给出优化建议，帮助用户进一步完善策略。在解释过程中，要注意代码示例的正确性和可复制性。比如，baostock的登录和登出是必要的步骤，用户可能会忽略。数据转换时，日期格式和列名的匹配是关键，否则backtrader无法正确解析。策略中的next函数逻辑需要清晰，特别是在检查指标是否就绪的部分，避免在数据不足时进行交易。可能用户对backtrader的一些概念不熟悉，比如Cerebro引擎、数据feed、策略类结构等，需要适当解释。同时，提醒用户注意常见错误，比如数据缺失导致回测失败，或者交易逻辑中的仓位检查，避免在没有持仓的情况下卖出。最后，考虑到用户可能希望进一步优化策略，可以建议添加止损止盈、风险管理模块，或者参数优化功能。这些扩展能帮助用户提升策略的稳健性，但需要根据用户的实际需求进行调整。总结来说，用户需要一个从数据获取到策略回测的完整流程指南，步骤清晰，代码示例准确，并且包含常见问题的解决方法。这样用户才能顺利上手，避免在初期遇到太多障碍。</think>以下是一个使用 **Baostock** 获取数据，并通过 **Backtrader** 实现简单均线策略的完整示例： --- ### **步骤1：环境准备** ```bash # 安装必要库 pip install backtrader baostock pandas ``` --- ### **步骤2：通过Baostock获取数据** ```python import baostock as bs import pandas as pd def fetch_data(stock_code="sh.600000", start_date="2020-01-01", end_date="2023-01-01"): # 登录Baostock bs.login() # 获取日K线数据 rs = bs.query_history_k_data_plus( stock_code, fields="date,open,high,low,close,volume", start_date=start_date, end_date=end_date, frequency="d", adjustflag="3" # 复权类型(3=前复权) ) # 转换为DataFrame data_list = [] while (rs.error_code == '0') & rs.next(): data_list.append(rs.get_row_data()) df = pd.DataFrame(data_list, columns=rs.fields) # 数据处理 df['date'] = pd.to_datetime(df['date']) df = df.astype({'open':'float', 'high':'float', 'low':'float', 'close':'float', 'volume':'float'}) bs.logout() return df.set_index('date') # 示例：获取招商银行数据 data_df = fetch_data("sh.600000") ``` --- ### **步骤3：创建Backtrader数据Feed** ```python import backtrader as bt # 将DataFrame转换为Backtrader数据格式 data = bt.feeds.PandasData( dataname=data_df, datetime=None, # 自动识别索引为datetime open=0, # 列索引对应open列 high=1, low=2, close=3, volume=4, openinterest=-1 ) ``` --- ### **步骤4：编写均线策略** ```python class MAStrategy(bt.Strategy): params = ( ('ma_period', 20), # 均线周期 ('printlog', True) # 是否打印交易日志 ) def __init__(self): # 计算20日均线 self.ma = bt.indicators.SMA(self.data.close, period=self.params.ma_period) def next(self): # 等待均线计算完成 if len(self) < self.params.ma_period: return # 当前无持仓 if not self.position: # 收盘价上穿均线时买入 if self.data.close[0] > self.ma[0]: self.order = self.buy(size=100) self.log(f'买入价格: {self.data.close[0]:.2f}') else: # 收盘价下穿均线时卖出 if self.data.close[0] < self.ma[0]: self.order = self.close() self.log(f'卖出价格: {self.data.close[0]:.2f}') def log(self, txt, dt=None, doprint=False): if self.params.printlog or doprint: dt = dt or self.datas[0].datetime.date(0) print(f'{dt.isoformat()}, {txt}') ``` --- ### **步骤5：执行回测** ```python # 初始化引擎 cerebro = bt.Cerebro() # 添加数据 cerebro.adddata(data) # 设置初始资金 cerebro.broker.setcash(100000.0) # 添加策略 cerebro.addstrategy(MAStrategy) # 添加分析器 cerebro.addanalyzer(bt.analyzers.SharpeRatio, _name='sharpe') cerebro.addanalyzer(bt.analyzers.DrawDown, _name='drawdown') # 运行回测 results = cerebro.run() strat = results[0] # 输出结果 print(f'最终资金: {cerebro.broker.getvalue():.2f}') print(f'夏普比率: {strat.analyzers.sharpe.get_analysis()["sharperatio"]:.2f}') print(f'最大回撤: {strat.analyzers.drawdown.get_analysis()["max"]["drawdown"]:.2f}%') # 可视化 cerebro.plot(style='candlestick') ``` --- ### **策略逻辑说明** 1. **买入条件**：当收盘价向上突破20日均线时，买入100股 2. **卖出条件**：当收盘价向下跌破20日均线时，清空持仓 3. **风险控制**：通过`SharpeRatio`和`DrawDown`分析器评估策略表现 --- ### **常见问题处理** 1. **数据缺失问题**： ```python # 检查数据是否存在NaN print(data_df.isnull().sum()) # 填充缺失值（前向填充） data_df.fillna(method='ffill', inplace=True) ``` 2. **手续费设置**： ```python # 添加佣金设置（0.1%手续费） cerebro.broker.setcommission(commission=0.001) ``` --- ### **策略优化建议** 1. **增加过滤条件**： ```python if self.data.volume[0] > self.data.volume[-1] * 1.5: # 成交量放大50%时才交易 ``` 2. **动态仓位管理**： ```python position_size = int(self.broker.getcash() * 0.9 / self.data.close[0]) # 使用90%资金 ``` 3. **多时间框架**： ```python # 添加周线数据判断趋势 weekly_data = bt.feeds.PandasData(dataname=weekly_df) cerebro.adddata(weekly_data) ``` 通过这个完整案例，您可以快速上手使用Baostock+Backtrader进行量化策略开发。实际使用时建议增加止损止盈等风险管理模块。