AD：（本人录制的backtrader视频课程，大家多多支持哦~ https://edu.csdn.net/course/detail/9040）
无意中发现了一个巨牛的人工智能教程，忍不住分享一下给大家。教程不仅是零基础，通俗易懂，而且非常风趣幽默，像看小说一样！觉得太牛了，所以分享给大家。教程链接：https://www.cbedai.net/qtlyx
还是那我们以前的SMA这个简单到不能叫策略的策略来说事吧。我们在使用SMA这个策略的时候，我们需要传入一个参数，也就是MA的平滑窗口。
self.sma = bt.indicators.SimpleMovingAverage(self.datas[0], period=self.params.maperiod)
这里，第二个参数就是MA的窗口。 既然是参数，顾名思义，其实我们就可以调整这个参数。同时， 既然是赚钱，当然是越多越好。所以，我们的优化过程就是，不断地去修改这里的这个参数，然后看看每个参数对应的赚钱的效应，最后做个比较。 如果我们人类来完成这样的过程，显得很麻烦，还好，backtrader里面自带了optimizer。 其实过程很简单，之前我们是addStrategy来给berebro加入一个量化策略。那么优化一个策略的参数，我们用到的是
cerebro.optstrategy( MyStrategy, maperiod=range(10, 31))
optstrategy这个方法。当然啦，可以想一想，除了把我们的strategy类传入进去时候，肯定还得指定一个优化范围。range(10,31)就是我们的优化范围了，而在sma策略中，参数名是maperiod，所以我们指定方法的参数传入名，就可以实现效果了。
完整的代码如下：
# -*- coding: utf-8 -*- from __future__ import (absolute_import, division, print_function, unicode_literals) import datetime # For datetime objects import pandas as pd import backtrader as bt import numpy as np # Create a Stratey class MyStrategy(bt.Strategy): params = ( ('ssa_window', 15), ('maperiod', 15), ) 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 # Add a MovingAverageSimple indicator # self.ssa = ssa_index_ind( # self.datas[0], ssa_window=self.params.ssa_window) self.sma = bt.indicators.SimpleMovingAverage( self.datas[0], period=self.params.maperiod) def next(self): if self.order: return if not self.position: if self.dataclose[0] > self.sma[0]: self.order = self.buy() else: if self.dataclose[0] < self.sma[0]: # Keep track of the created order to avoid a 2nd order self.order = self.sell() def stop(self): self.log('(MA Period -) Ending Value %.2f' % (self.params.maperiod, self.broker.getvalue())) if __name__ == '__main__': cerebro = bt.Cerebro() cerebro.optstrategy( MyStrategy, maperiod=range(10, 31)) dataframe = pd.read_csv('./price_data/000001.SH.csv', index_col=0, parse_dates=True) dataframe['openinterest'] = 0 data = bt.feeds.PandasData(dataname=dataframe, fromdate = datetime.datetime(2015, 1, 1), todate = datetime.datetime(2016, 12, 31) ) cerebro.adddata(data) cerebro.broker.setcash(10000.0) cerebro.addsizer(bt.sizers.FixedSize, stake=1) cerebro.broker.setcommission(commission=0.0) print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue()) cerebro.run() print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue()) # cerebro.plot()我们看一下输出结果：
可以看到，我们一下子就获得了不同MA窗口下的最后策略的钱。显然，这个策略是亏钱的。
