backtrader卖出self.sell和self.close的区别

最新推荐文章于 2024-10-21 09:00:00 发布
原创 最新推荐文章于 2024-10-21 09:00:00 发布 · 1k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#量化

博客介绍了大A交易中仓位卖出规则，可从总仓位卖出指定size个仓位，不指定则默认卖1个；也可一次性清空持仓。同时强调每次买卖最少100股为一手，使用中size应为100或其倍数。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

self.sell(size=100)

表示从总仓位中卖出size个仓位，如果不指定，则默认卖出1个仓位

self.close()

表示当前标的所有持仓全部一次性清空

在大A交易请注意，每次买入，卖出最少都是100股，为一手，因此为了和实际更加切合，使用中size最少100，或者100的倍数

20、backtrader的一些基本概念---创建订单的时候使用到的参数?
云金杞
12-21 1831
在前两节中，介绍了order使用dir(order)之后看到的方法和属性，尤其是在order里面发现了order相关的数据；然后，基于市场微观结构的角度上，简单分析了市价单和限价单及其区别，这节主要分析下backtrader的几种订单类型的区别及使用方法。 创建订单的时候使用到的参数 在《订单的一些基本信息》里面，分享了开平的一些基本方法，使用self.buy,self.sell,self.close,每个函数使用的时候都需要用到响应的参数。 order的参数，self.buy和self.sell类似，
18、backtrader的一些基本概念---order包含哪些信息(1)？
云金杞
12-09 2418
在前文中，已经讲解过strategy、cerebro、feed、analyzer，还有order、trade、position、broker需要重点讲解。 怎么下单的问题？ 这个问题在strategy中已经做过简单的分享，可以返回到这一篇文章中查看相关的用法。核心就是要记住： 做多：self.buy 做空: self.sell 平多: self.close 或者self.sell 平空: self.close 或者 self.buy order中包含哪些信息？ order中包含了非常多
Backtrader（十二）- 订单 Order -buy、sell、close
weixin_44785098的博客
01-23 6550
简介 订单代表着发送给经纪行的指令，触发经纪行(用broker对象模拟经纪行)执行相关的动作。通常在策略类中的next方法中创建订单。 下订单（买卖）的方法 self.buy()、self.sell()、self.close()、self.order_target_size()、self.order_target_value()、self.order_target_percent() 等 buy() def buy(self, data=None, size=None, price=
Backtrader系列教程⑤:交易篇（下）
qq_41578115的博客
01-16 3839
前言 上期，交易篇（上）重点介绍“交易条件”的设置和管理：初始资金、滑点、交易税费、成交量限制、交易时机等。今天的交易篇（下）将接着介绍交易相关的剩余内容：“交易函数”、“交易订单”、“交易执行”。对于“交易结算“， 主要在回测中可能会涉及到的使用场景就是在每笔交易发生前或发生后查询当前可用资金、总资产、持仓量、持仓成本、交易盈亏等信息，具体查询方式可以参考交易篇（上）中的资金管理和持仓查询部分的内容。 Order 中的交易订单 不同的订单类型，下单时需要配置的参数会存在区别，所以在介绍交易函数之前，
Python量化交易学习笔记（33）——backtrader仓位管理
码农甲的博客
06-09 1万+
本文将对backtrader的仓位管理进行介绍，具体以同时回测交易3只股票为例，查看每日仓位情况。 策略 买入条件：5日线金叉60日线 卖出条件：5日线死叉60日线 示例 仓位信息输出的核心代码位于策略类的next的方法中： def next(self): for i, d in enumerate(self.datas): dt, dn = self.datetime.date(), d._name # 获取时间及股票代码
backtrader概念（二）Trade
weixin_44785098的博客
01-14 1万+
trade 交易 对于正常采用自由资金购买股票，不能做空的情况下。当针对某个行情数据对象下，一个订单使得仓位从0变为正值，则打开了一个交易，会触发 notify_trade()；此后，当某个订单使仓位从正值变为0，则该交易关闭，会触发 notify_trade() 一个交易可以由多张订单组成 举个例子： 第一次下单，买100股，仓位从 0 变成 100。打开交易，触发notify_trade() 第二次下单，卖100股，仓位从 200 变成 100。不触发notify_trade() 第三次下单，买100股
量化投资实战教程(1)—基于backtrader的简单买入卖出策略
Python实用宝典网
07-11 7101
都说Python可以用于量化投资，但是很多人都不知道该怎么做，甚至觉得是非常高深的知识，其实并非如此，任何人都可以在只有一点Python的基础上回测一个简单的策略。Backtrader是...
``` class FundStrategy(bt.Strategy): params = ( ('period', 30), # 持有周期参数化 ('ema_period', 25), # EMA周期 ('rsi_period', 14), # RSI周期 ('stake', 1000), # 固定交易量 ('stop_loss', 0.05), # 5%止损 ('take_profit', 0.10) # 10%止盈 ) def log(self, txt, dt=None): dt = dt or self.datas[0].datetime.date(0) print(f'{dt.isoformat()}, {txt}') def __init__(self): self.dataclose = self.datas[0].close self.order = None self.buyprice = None self.buycomm = None # 初始化总资金记录 self.total_value = self.broker.getvalue() # 初始化技术指标 self.ema = bt.indicators.ExponentialMovingAverage(self.datas[0], period=self.params.ema_period) self.rsi = bt.indicators.RSI(self.datas[0], period=self.params.rsi_period) self.macd = bt.indicators.MACDHisto(self.datas[0]) # 跟踪买入时间 self.bar_executed = 0 def notify_order(self, order): if order.status in [order.Submitted, order.Accepted]: return if order.status in [order.Completed]: if order.isbuy(): self.log( f'已买入 {order.executed.size}股, 价格: {order.executed.price:.2f}, 费用: {order.executed.value:.2f}, 佣金: {order.executed.comm:.2f}') self.buyprice = order.executed.price self.buycomm = order.executed.comm self.bar_executed = len(self) # 记录买入时间 # 设置止损止盈 stop_price = self.buyprice * (1 - self.params.stop_loss) take_price = self.buyprice * (1 + self.params.take_profit) self.sell(exectype=bt.Order.StopTrail, price=stop_price, trailpercent=self.params.stop_loss) self.sell(exectype=bt.Order.Limit, price=take_price, oco=self.order) # OCO订单 else: self.log( f'已卖出 {order.executed.size}股, 价格: {order.executed.price:.2f}, 费用: {order.executed.value:.2f}, 佣金: {order.executed.comm:.2f}') self.bar_executed = len(self) elif order.status in [order.Canceled, order.Margin, order.Rejected]: self.log('订单取消/保证金不足/拒绝') self.order = None def prenext(self): self.next() def next(self): self.log(f'收盘价: {self.dataclose[0]:.2f}, ' f'EMA: {self.ema[0]:.2f}, ' f'RSI: {self.rsi[0]:.2f}') if self.order: return # 存在未完成订单时禁止新交易 # 买入条件：价格上穿EMA且RSI未超买 if not self.position and self.ema[0]!=np.nan: if (self.dataclose[0] > self.ema[0] and self.rsi[0] < 70 and len(self) >= self.params.ema_period): self.log(f'触发买入信号 EMA:{self.ema[0]:.2f} RSI:{self.rsi[0]:.2f}') # self.order = self.buy(size=self.params.stake) cash = self.broker.getcash() # 可用资金 price = self.dataclose[0] # 当前价格 if price > 0: # 计算30%仓位对应的股数（必须是100的整数倍） target_value = cash * 0.3 max_lots = int(target_value // (price * 100)) # 最大可买手数 size = max_lots * 100 # 转换为股数 if size >= 100: self.log(f'准备买入{size}股（{max_lots}手）') self.order = self.buy(size=size) else: self.log('可用资金不足买入1手（100股）') else: self.log('价格为0，跳过买入') # 卖出逻辑 else: if self.position.size > 0: size = self.position.size # A股允许卖出非整百股（但需保证最低交易单位） self.log(f'准备卖出{size}股') self.order = self.sell(size=size) if (len(self) - self.bar_executed) >= self.params.period: self.log('持有期满强制平仓') self.order = self.close()```这里的代码有问题，会出现EMA: nan, RSI: nan
最新发布
03-19
好的，用户提供的代码中出现了EMA和RSI指标显示为NaN的问题，我需要帮他们找出原因。首先，我得仔细阅读代码，尤其是与指标初始化相关的部分。 用户使用的框架是backtrader，所以需要回忆一下backtrader的指标计算...
``` #基本策略、开始买，结束卖。不做任何考虑。 class FundStrategy(bt.Strategy): def log(self, txt, dt=None): ''' Logging function fot this strategy''' dt = dt or self.datas[0].datetime.date(0) print('%s, %s' % (dt.isoformat(), txt)) def __init__(self): # Keep a reference to the "close" line in the data[0] dataseries self.dataclose = self.datas[0].close # To keep track of pending orders and buy price/commission self.order = None self.buyprice = None self.buycomm = None # 增加移动平均指标 # 增加划线的指标 bt.indicators.ExponentialMovingAverage(self.datas[0], period=25) bt.indicators.WeightedMovingAverage(self.datas[0], period=25, subplot=True) bt.indicators.StochasticSlow(self.datas[0]) bt.indicators.MACDHisto(self.datas[0]) rsi = bt.indicators.RSI(self.datas[0]) bt.indicators.SmoothedMovingAverage(rsi, period=10) bt.indicators.ATR(self.datas[0], plot=False) def notify_order(self, order): if order.status in [order.Submitted, order.Accepted]: # Buy/Sell order submitted/accepted to/by broker - Nothing to do return # Check if an order has been completed # Attention: broker could reject order if not enough cash if order.status in [order.Completed]: if order.isbuy(): self.log( '已买入, 价格: %.2f, 费用: %.2f, 佣金 %.2f' % (order.executed.price, order.executed.value, order.executed.comm)) self.buyprice = order.executed.price self.buycomm = order.executed.comm else: # Sell self.log('已卖出, 价格: %.2f, 费用: %.2f, 佣金 %.2f' % (order.executed.price, order.executed.value, order.executed.comm)) self.bar_executed = len(self) elif order.status in [order.Canceled, order.Margin, order.Rejected]: self.log('订单取消/保证金不足/拒绝') self.order = None def notify_trade(self, trade): #交易执行后，在这里处理 if not trade.isclosed: return self.log('交易利润, 毛利润 %.2f, 净利润 %.2f' % (trade.pnl, trade.pnlcomm)) #记录下盈利数据。 #Gross：毛利；Net:净利 def prenext(self): self.next() def next(self): self.log('Close, %.2f' % self.dataclose[0]) if self.order: return if self.is_bar_start(self.datas[0]): self.buy() # self.order = self.buy() elif self.is_bar_stop(self.datas[0]): self.log('卖出单, %.2f' % self.dataclose[0]) self.order = self.sell() return def is_bar_stop(self, data): if len(data) >= data.buflen() - 1: if self.getposition(data).size != 0: print("------bar ends ------") return True else: return False def is_bar_start(self, data): if self.getposition(data).size == 0: print("------bar starts ------") return True else: return False```优化一下，每次购买，买入3层仓，数量要求是100的整数，因为是a股
03-19
但原来的代码中，卖出使用的是self.sell()，默认卖出全部持仓。所以可能需要指定size参数，或者让系统自动处理。 现在，修改买入部分的代码： 在next()方法中，当满足买入条件时： cash = self.broker.getcash() ...
Python量化交易学习笔记（37）——backtrader多周期回测1
热门推荐
码农甲的博客
07-04 2万+
在backtrader官网文档中，介绍了两种多周期回测方式，第一种是读入多周期的K线数据，第二种是对数据进行resample。本文将对第一种方式进行介绍。 简述 有些策略会使用到多周期的数据，典型的应用为： 使用周线（大周期）数据判断趋势 使用日线（小周期）数据判断买卖点 这就需要同时读入多周期数据进行回测，backtrader内置了对多周期策略回测的支持。 backtrader多周期回测规则 回测时需要遵循以下规则： 小周期数据必须被第一个加入到Cerebro实例中 在backtrader
真正手把手教会你：用 Python 构建网格交易策略
weixin_70955880的博客
10-21 2929
我打算撰写一篇能够让大家跟着操作就能完成的手把手指导文。我将按照环境配置、创建网格、创建交易信号、准备回溯测试、进行回溯测试以及结果分析这 6 个必要的顺序环节，指导大家运用 Python 构建并回溯测试一个简单的网格交易策略，而且该策略能够呈现出资产净值的稳定增长（夏普比率接近 5.7）。而券商和机构不会告诉你的是，他们就是拿网格交易策略去做持仓深套的底层解决逻辑。
JavaScript 基础
孤云博客
10-20 2565
随时随地阅读更多技术实战干货，获取项目源码、学习资料，请关注源代码社区公众号(ydmsq666) 一、使用位置 JavaScript可以出现在HTML的任意地方，甚至在<HTML>之前插入也不成问题，使用<script></script>标签。不过要在框架网页中插入的话，就一...
BackTrader 中文文档（二十一）
龙哥盟
04-15 1145
原文：www.backtrader.com/
量化交易backtrader实践(二)_基础加强篇(4)_交易设置与自定义绘图
AouSdu
09-22 1867
这一节我们来深入实践backtrader交易的设置以及自定义绘图。
Backtrader（十三）- Order订单 -订单类型、订单执行逻辑
weixin_44785098的博客
01-23 1万+
订单执行原则 通常订单可分类为 市价单Market、收盘价单Close、限价单Limit、止损单Stop、止损限价单StopLimit、止损跟踪单StopTrail、止损跟踪限价单StopTrailLimit，在用buy、sell方法创建订单时，exectype参数指明了创建的订单类型 1、当前数据已经产生，不能用于执行交易 def next(self): if self,data.close > self.sma: self.buy() 在这个逻辑中，如果当日收盘价close高于移动平均价，
Python量化交易学习笔记（27）——backtrader的Market和Close订单
码农甲的博客
05-15 4917
本文将继续介绍backtrader的order，主要通过实例来一下各种order的具体含义。 翻看backtrader源代码，在order.py中可以看到ExecTypes列表共有8种不同类型的订单： ExecTypes = ['Market', 'Close', 'Limit', 'Stop', 'StopLimit', 'StopTrail', 'StopTrailLimit', 'Historical'] 各种执行类型的简单说明如下： Market Clo
backtrader 卖出
01-11
self.order = self.sell() # 卖出指令 def log(self, txt, dt=None): ''' Logging function fot this strategy''' dt = dt or self.datas[0].datetime.date(0) print('%s, %s' % (dt.isoformat(), txt)) if _...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值