Backtesting . py

آیا به نظر می رسد که در طول شوق رمزنگاری اخیر ثروتمند شوید؟Fret نه ، بازارهای بین المللی مالی هر روز حرکت خود را به سمت راست ادامه می دهند. شما هنوز شانس خود را دارید. اما معامله گران موفق همه موافق هستند که احساسات هیچ جایی در تجارت ندارند-اگر شما هرگز از ثروت حاصل از تجارت خود لذت می برید ، ابتدا اطمینان حاصل کنید که استراتژی یا سیستم شما به خوبی آزمایش شده است و به طور قابل اعتماد برای سود مداوم کار می کند. تجارت مکانیکی یا الگوریتمی ، آنها را صدا می کنند. آنها معمولاً چند ماه با یک کارگزار و تجارت در یک حساب نسخه ی نمایشی ثبت نام می کنند ... اما شما بهتر می دانید. شما برخی از برنامه نویسی ها را می دانید.

خیلی بهتر است که حتی بدون اطمینان پیش بینی کنیم از این که به هیچ وجه پیش بینی نشود.

- هنری پوینکار

backtesting. py یک چارچوب پایتون برای استنباط زنده ماندن استراتژی های معاملاتی در داده های تاریخی (گذشته) است. البته ، عملکرد گذشته نشانگر نتایج آینده نیست ، اما استراتژی که خود را در بسیاری از شرایط بازار مقاومت می کند ، می تواند با کمی شانس ، در آینده به همان اندازه قابل اعتماد باقی بماند. بهبود یافته بر دیدگاه Backtrader ، و به هر معنی قابل مقایسه با سایر گزینه های قابل دسترسی ، backtesting. py سبک وزن ، سریع ، کاربر پسند ، بصری ، تعاملی ، هوشمند و امیدوارم که در آینده باشد. همچنین به خوبی ثبت شده است ، از جمله تعداد انگشت شماری از آموزش ها.

سازگار با فارکس ، رمزنگاری ، سهام ، آینده. Backtest هر ابزار مالی که برای آن به داده های شمعدانی تاریخی دسترسی داشته باشید.

سریع و مناسب ساخته شده در بالای کتابخانه های اکوسیستم برش (به عنوان مثال پاندا ، Numpy ، Bokeh) برای حداکثر قابلیت استفاده.

API کوچک و تمیز ، مرجع API به راحتی می توانید سر خود را بپیچید و در یک صفحه قرار دهید.

کتابخانه شاخص فنی سازگار با هر کتابخانه تجزیه و تحلیل فنی معقول ، مانند TA-Lib یا لاله.

تست بهینه ساز داخلی صدها نوع استراتژی در چند ثانیه صرف ، در نتیجه نقشه های گرما می توانید با یک نگاه تفسیر کنید.

API سطح بالا فکر می کند زمان بندی بازار ، معاملات نوسان ، مدیریت پول ، قیمت های متوقف شده و انتشارات ، اهرم ، یادگیری ماشین.

تجسم تعاملی شبیه سازی شده منجر به گفتن نمودارهای تعاملی می شود که می توانید در آن بزرگنمایی کنید. مثال را ببینید.

وکتوریزه شده یا مبتنی بر وقایع پشتی سیگنال محور یا جریان ، استراتژی خود را از انعطاف پذیری هر دو رویکرد مدل می کند.

استراتژی های کامپوزیت شامل کتابخانه ای از برنامه های از پیش تعریف شده و استراتژی های هدف عمومی است که برای پشته ساخته شده است.

دانلود

backtesting. py با پایتون 3 کار می کند. برای استفاده مؤثر از این نرم افزار باید برخی از پایتون را بدانید.

مثال

مثال یک استراتژی متوسط و بهینه در حال حرکت را نشان می دهد. این یک استراتژی مقدماتی رایج و یک استراتژی بسیار مناسب و معقول است ، به شرط آنکه بازار به صورت جانبی شلاق بخورد.

ما با 10،000 واحد ارز به صورت نقدی ، کمیسیون کارگزار 0. 2 ٪ واقع گرایانه شروع می کنیم و از طریق 9 سال سهام Alphabet Inc. تجارت می کنیم.

هر زمان که سریع ، 10 دوره ساده متحرک از قیمت های بسته شدن از بالای آهسته تر ، 20 دوره حرکت حرکت می کند ، طولانی می رویم و به همان اندازه که می توانیم سهام خود را خریداری کنیم. وقتی از زیر عبور می کند ، ما موقعیت طولانی خود را می بندیم و کوتاه می رویم (با فرض اینکه ابزار زیر در واقع یک CFD است و می توان آن را کوتاه کرد).

ما مهمترین آماری را که این سیستم ساده بر روی داده های خود تولید می کند ، ضبط می کنیم و یک نقشه برای بازرسی دستی بیشتر نشان می دهیم.

از پشتی برای واردات ، استراتژی از backtesting. lib واردات متقاطع از backtesting. test واردات SMA ، GOOG CLASS SMACROSS (استراتژی): n1 = 10 n2 = 20 def init (self): close = self. data. close self. sma1 = خود. i (sma ، close ، self. n1) self. sma2 = self. i (sma ، close ، self. n2) def next (خود): اگر متقاطع (self. sma1 ، self. sma2): self. buy ()Elif Crossover (self. sma2 ، self. sma1): self. sell () bt = backtest (goog ، smacross ، cash = 10000 ، کمیسیون = . 002 ، elivasion_orders = true) خروجی = bt. run () bt. plot ()

شروع 2004-08-19 00:00:00 پایان 2013-03-01 00:00:00 مدت زمان 3116 روز 00:00:00 زمان قرار گرفتن589. 35 بازده خرید و نگهدارنده [٪] 703. 46 بازده (Ann.) [٪] 25. 42 نوسانات (Ann.) [٪] 38. 43 نسبت شارپ 0. 66 نسبت Sortino 1. 30 نسبت Calmar 0. 77 حداکثر. پیش بینی [٪] -33. 08 avg. کاهش [٪] -5. 58 حداکثر. مدت زمان کاهش 688 روز 00:00:00 avg. مدت زمان 41 روز 00:00:00 # معاملات 93 نرخ برد [٪] 53. 76 بهترین تجارت [٪] 57. 12 بدترین تجارت [٪] -16. 63 avg. تجارت [٪] 1. 96 حداکثر. مدت زمان تجارت 121 روز 00:00:00 avg. مدت زمان تجارت 32 روز 00:00:00 فاکتور سود 2. 13 انتظار [٪] 6. 91 SQN 1. 78 _Strategy Smacross (N1 = 10 ، N2 = 20)

نمونه های بهتری ، از جمله نوت بوک های اجرایی Jupyter را در مستندات پروژه پیدا کنید.