《BackTrader量化交易图解》第11章：signal 信号交易模式

最新推荐文章于 2025-04-11 00:04:34 发布

C与Python实战

最新推荐文章于 2025-04-11 00:04:34 发布

阅读量1.5k

点赞数 1

分类专栏：从零开始掌握BackTrader量化框架文章标签： python 量化交易 backtrader BackTrader 算法交易

本文链接：https://blog.youkuaiyun.com/yaoyefengchen/article/details/135615526

版权

从零开始掌握BackTrader量化框架专栏收录该内容

5 篇文章

订阅专栏

本文详细介绍了BackTrader量化交易框架中的Signal信号交易模式，包括Indicator模块框架、信号交易基本操作和SignalStrategy信号策略类。信号模式通过设置买卖点信号进行交易，核心是各种金融指标，如SMA_Signal。信号函数根据时间序列数据产生交易决策，例如大于零为多头买入，小于零为空头卖出。BackTrader提供了灵活的信号组合，适合多策略交易。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

11. signal 信号交易模式

11. signal 信号交易模式

11.1 Indicator 指标模块框架图

BackTrader 量化软件支持两种交易模式：

Strategy，传统策略模式，即策略类函数模板；
Signal，信号交易模式，通过设置买卖点信号进行交易。

下图是 Signal 信号交易模块属性示意图：

btr_signal

Signal模块结构相对比较简单，主要数据是通过SIGNAL_LONG多头信号、 SIGNAL_SHORT空头信号等全局参数传递的。BackTrader量化软件的信号交易模式的核心是其内置的各种金融指标Indicator。

下图是BackTrader量化软件中的金融指标Indicator子模块的关系属性图：

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

由图可以看出， Indicator指标子模块主要相关的子模块库有：Cerebro、 Feed数据源、 Lineseries、 Talib等。

11.2 案例：信号交易的基本操作

本实例代码： SingleStratergy.py 。

Signal 信号交易模式是一种全新的交易体系。Signal 信号交易基本流程与传统量化程序一样，也分为四个步骤：

设置一个回测主函数；
设置量化回测参数；
调用量化回测程序，开始 run 运行回测分析；
回测数据分析，或者根据回测推荐结果进行交易。

本案例生成图片如下所示：

SignalStrategy

上图中在最下面增加了一条 SMA_Signal 交易信号的指标曲线，采用的是独立的 subplot 子图模式。SMA_Signal 代码如下：

class SMA_Signal(bt.Indicator):
    # 定义信号名称  lines=
    lines = ("mysignal",)
    # 定义MA均线策略的周期参数变量period，默认值是15
    params = (("period", 15),)

    # 调用初始化函数
    def __init__(self):
        # 增加一个信号参数 mysignal
        # mysignal信号是源自当前的价格数据，与SMA均线价格的差值，默认是收盘价close
        # >0:long，多头信号，买入
        # <0:short，空头信号，卖出
        # =0:None，无操作，
        self.lines.mysignal = self.data - bt.indicators.SMA(period=self.p.period)
        #
        # 改用open等其他数据字段测试。也可以是sma，rsi等其他衍生指标数据
        # self.lines.mysignal = self.data.close - bt.indicators.SMA(period=self.p.period)
        #
        # self.lines.mysignal = self.data.open - bt.indicators.SMA(period=self.p.period)
        # self.lines.mysignal = self.data.low - bt.indicators.SMA(period=self.p.period)
        # self.lines.mysignal = self.data.high - bt.indicators.SMA(period=self.p.period)

信号交易模式在量化交易中扮演着关键角色，其类定义主要基于Indicator（指标类），而非Strategy（策略类）。这种模式着重于根据买卖点信号来指导交易决策，这些信号本质上可以被视为一种特定的金融指标。实际上，任何金融指标理论上都可以作为交易信号使用。

在BackTrader框架中，信号函数的首行通常以lines开始，用于定义一系列交易信号的变量名称。在这里，lines承担着特殊的意义，它代表着基于时间序列的数据集合，类似于Pandas中的Series数据列。例如，Pandas中的金融数据集可能包括开盘价、收盘价等多个纵向字段，BackTrader中的每个字段相当于一个lines数据组。在案例源码中，采用的变量名称为mysignal（自定义的买卖信号），当然这个名称是可以根据需要更改的。

信号模式的编程相对简洁明了，与常规的策略执行流程相比，它可以简化next策略执行函数，有时甚至仅需一个init初始化函数。在函数中定义的信号变量名称必须与lines代码中定义的名称保持一致，以确保程序逻辑的正确性。

BackTrader 中，买入价格默认都是收盘价，也可以改为开盘价、最低价、最高价等。

mysignal 信号计算结果有三种情况：

大于零，就是多头信号，可以买入；
小于零，就是空头信号，可以卖出；
等于零，无需操作。

BackTrader 中内置了很多与 long 信号和 short 信号相关的专业函数。最简单的信号模式编程，就是把信号函数相关代码放在一起，通常放在初始化函数中，步骤如下：

设置量化入口变量；
初始化函数，读取交易数据，添加数据；
编写 add_signal 添加信号函数。

add_signal 添加信号函数代码如下：

print("\n\t#2-3,添加BT量化回溯程序，对应的买卖点signal信号参数")
print("\n\t# 案例当中，使用的是SMA均线与当前价格的差值，作为买卖点信号")
print("\n\t# 买入long，卖出shrot信号，都是采用这个")
cerebro.add_signal(bt.SIGNAL_LONGSHORT, SMA_Signal, period=15)

本节案例比较简单，多头、空头都使用同样的信号函数，在实际编程中需要将它们进行分组，让空头、多头分别使用独立的信号函数，然后设置各组信号函数的相关参数。

BackTrader的交易信号有很多种变化模式，并且有不同的退出、进入的信号。 Signal信号交易模式的特点是： 交易信号可以累加，很容易将多种策略进行叠加，然后做多策略组合交易。

11.3 SignalStrategy 信号策略类

本实例代码： SingleStratergy2.py 。

SignalStrategy 信号策略类关系属性示意图如下：

btr_signl_sta

由图可以看出，SignalStrategy 类属于 Strategy 类，其主要子模块有 Analyzer、Order 等。

本案例自定义的信号策略类代码如下：

# 创建一个：SignalStrategy最简单的信号策略类class
# 用于输出买卖执行信息
class MySignalStrategy(bt.SignalStrategy):
    def notify_order(self, order):
        # 检查订单order是否完成
        if order.status == order.Completed:
            xss = ""
            css = ",成交价：{:.2f},小计 Cost: {:.2f},佣金 Comm %{:.2f}".format(
                order.executed.price, order.executed.value, order.executed.comm
            )
            if order.isbuy():
                xss = "买单执行 BUY EXECUTED"
            elif order.issell():
                xss = "卖单执行 SELL EXECUTED"

            #
            tim = format(order.data.datetime.datetime())
            tss = tim + ",@ " + xss + css
            print(tss)

该自定义类包含了一个 notify_order 订单处理函数用于处理交易订单信息。需要注意，在主流程中使用 signal_strategy 函数添加自定义的交易信号策略：

print("\n\t# 增加一个自定义信号策略")
print("\n\t# 用于输出买卖执行信息")
cerebro.signal_strategy(MySignalStrategy)

买卖执行的输出信息如下：

2021-07-30 23:59:59.999989,@ 买单执行 BUY EXECUTED,成交价：9.36,小计 Cost: -91.00,佣金 Comm %0.09
2021-07-30 23:59:59.999989,@ 买单执行 BUY EXECUTED,成交价：9.36,小计 Cost: 93.60,佣金 Comm %0.09
2021-08-18 23:59:59.999989,@ 卖单执行 SELL EXECUTED,成交价：9.57,小计 Cost: 93.60,佣金 Comm %0.10
2021-08-18 23:59:59.999989,@ 卖单执行 SELL EXECUTED,成交价：9.57,小计 Cost: -95.70,佣金 Comm %0.10
2021-08-19 23:59:59.999989,@ 买单执行 BUY EXECUTED,成交价：10.08,小计 Cost: -95.70,佣金 Comm %0.10

信号交易函数返回值，是一个动态数据或者一组数据，在 BackTrader 中对应一组数据 lines。

在量化交易领域，BackTrader量化软件提供了两种主流的交易模式：传统策略交易模式和信号交易模式。传统策略交易模式将所有自定义函数集中在一个策略类中，便于进行策略编程和管理。尽管这种模式对初学者来说可能相对复杂，但通过使用策略模板，编程过程大为简化。用户只需调整next和init函数中的参数设置，即可实现策略逻辑。

相比之下，信号交易模式在多策略组合交易中显示出其独特优势。这种模式更加灵活和直观，使得用户能够更容易地组合和管理多种交易策略。实际操作中，大多数交易者仍然倾向于使用传统策略交易模式，主要由于其稳定性和成熟度。

本案例生成图片如下：

SignalStrategy2