Skip to content

Latest commit

 

History

History
46 lines (37 loc) · 2.89 KB

043.md

File metadata and controls

46 lines (37 loc) · 2.89 KB

【77 backtrader 的一些高级技巧】如何使用 backtrader 更好的计算夏普率？

原文：https://yunjinqi.blog.csdn.net/article/details/123602809

今天除了写了一个可转债的策略之外，一直在探索分析夏普率的计算方式，在阅读到 backtrader 的源代码的时候，忽然对如何使用 backtrader 计算夏普率有了更深刻的认识。

在常见的教程中，计算夏普率的时候，基本上是不会填入参数的，如果不填入参数，计算得到的夏普率有可能不是我们想要的值，尤其是可能和其他平台对比的时候差距比较大。

所以，需要根据自己的需要，传入具体的参数，如下面的代码中,我特别传入的几个值， 第一个是交易周期按天计算，即timeframe= bt.TimeFrame.Days 第二个是年化的无风险收益率，即 riskfreerate=0.04这个根据需要进行设置 第三个是一年有多少个交易日的设定，即factor=250现在设置的是一年有 250 个交易日 第四个是是否转化为年化的夏普率，即annualize=True,如果设置成 True 了，那么代表着计算出来的是年化夏普率，否则就是天化的夏普率

大家在使用的时候可以酌情考虑设置这四个参数，以便计算的夏普率更准确合理一些。

cerebro.addanalyzer(bt.analyzers.SharpeRatio, _name='my_sharpe',timeframe= bt.TimeFrame.Days,riskfreerate=0.04,annualize=True,factor=250)

def run():
	cerebro.addstrategy(CbStrategy)
    cerebro.addanalyzer(bt.analyzers.TotalValue, _name='my_value')
    cerebro.addanalyzer(bt.analyzers.SharpeRatio, _name='my_sharpe',timeframe= bt.TimeFrame.Days,riskfreerate=0.04,annualize=True,factor=250)
    cerebro.addanalyzer(bt.analyzers.Returns, _name='my_returns')
    cerebro.addanalyzer(bt.analyzers.DrawDown, _name='my_drawdown')
    cerebro.addanalyzer(bt.analyzers.TradeAnalyzer, _name='my_trade_analyzer')
    # cerebro.addanalyzer(bt.analyzers.TimeReturn, _name='my_time_return')

    # cerebro.addanalyzer(bt.analyzers.PyFolio)

    # 运行回测
    results = cerebro.run()
    sharpe_ratio = results[0].analyzers.my_sharpe.get_analysis()['sharperatio']
    annual_return = results[0].analyzers.my_returns.get_analysis()['rnorm']
    max_drawdown = results[0].analyzers.my_drawdown.get_analysis()["max"]["drawdown"]/100
    trade_num = results[0].analyzers.my_trade_analyzer.get_analysis()['total']['total']
    value_df = pd.DataFrame([results[0].analyzers.my_value.get_analysis()]).T
    value_df.columns=['value']
    value_df['datetime']=pd.to_datetime(value_df.index)
    value_df['date']=[i.date() for i in value_df['datetime']]
    value_df= value_df.drop_duplicates("date",keep="last")
    value_df = value_df[['value']]
    value_df.to_csv("可转债的测试结果.csv")
    print(f"夏普率：{sharpe_ratio},年化收益率:{annual_return},最大回撤：{max_drawdown},交易次数:{trade_num}")
    return results