pyalgotrade教程3--策略结果可视化与评价指标

        我们写好策略，最好回测后，其实是很有必要看一下我们策略的效果，一般采用可视化的折线图与一些指标相结合的方式来评价一个策略。

1.策略可视化

        在pyalgotrade中，已经为我们提供了很好用的可视化模块了，plotter。

        所以，一开始我们先导入模块。

from pyalgotrade import plotter

        把策略的净值图、买卖开仓情况绘制出来其实很简单，把我们的策略实例化之后，传给plotter就可以了。

myStrategy = MyStrategy(feed, "fd")# 策略实例化plt = plotter.StrategyPlotter(myStrategy) # 传入策略myStrategy.run()# 运行策略myStrategy.info("Final portfolio value: $%.2f" % myStrategy.getResult())plt.plot()# 绘制

效果如如下：

可以看出，只有交易的时点标志和portfolio的净值曲线。

2.评价指标

        对于一个策略而言，评价指标当然有很多。

        这一类，在pyalgotrade里面都封装在了pyalgotrade.stratanalyzer里面，里面大概有如下几类评价指标：

a)  class pyalgotrade.stratanalyzer.returns.Returns(maxLen=None)

Returns：包含两种，一个是累计收益率，通过getCumulativeReturns()获得；一种是每个bar的收益率，通过getReturns()获得，返回值都是一个DataSeries

b) class pyalgotrade.stratanalyzer.sharpe.SharpeRatio(useDailyReturns=True)

参数为真，表示使用每日的收益率计算sharpratio，否则的话，按照bar算。通过getSharpeRatio(riskFreeRate, annualized=True)来获得夏普率，其中，第一个参数是无风险利率，后面一个是是否年化的设置。

c) class pyalgotrade.stratanalyzer.drawdown.DrawDown()

回测的指标，有两个：

getLongestDrawDownDuration()，返回的是datetime.timedelta类型，表示最长的回撤时间长度。

getMaxDrawDown()，返回的是最大回撤。

d) class pyalgotrade.stratanalyzer.trades.Trades

这个指标的内容很多。

getCount()：返回总的交易次数
getProfitableCount()：返回盈利的交易次数
getUnprofitableCount()：返回亏损的交易次数
getEvenCount()：返回不赚不亏的交易次数
getAll()：返回一个numpy.array的数据，内容是每次交易的盈亏
getProfits()：返回一个numpy.array的数据，内容是，每次盈利交易的盈利
getLosses()：返回一个numpy.array的数据，内容是每次亏损交易的亏损额
getAllReturns()：返回一个numpy.array的数据，内容是每次交易的盈利，是百分比的形式
getPositiveReturns()：返回一个numpy.array的数据，内容是，每次盈利交易的收益

getNegativeReturns()：返回一个numpy.array的数据，内容是每次亏损交易的损失
下面是四种情况下的手续费
getCommissionsForAllTrades()
getCommissionsForProfitableTrades()
getCommissionsForUnprofitableTrades()
getCommissionsForEvenTrades()
使用这些指标的步骤如下：

（1）import相关指标

from pyalgotrade.stratanalyzer import returns, sharpe, drawdown, trades

（2）构实例化一个指标的类

sharpe_ratio = sharpe.SharpeRatio()

（3）向策略中添加这个指标类

myStrategy.attachAnalyzer(sharpe_ratio)

（4）运行策略

myStrategy.run()

（5）获取结果

print "sharpe_ratio", sharpe_ratio.getSharpeRatio(0)

这里，0是无风险利率。

3.代码

# coding=utf-8from pyalgotrade import plotterfrom pyalgotrade.stratanalyzer import returns, sharpe, drawdown, tradesfrom pyalgotrade import strategyfrom pyalgotrade.bar import Frequencyfrom pyalgotrade.barfeed.csvfeed import GenericBarFeedfrom pyalgotrade.technical import ma# 1.构建一个策略class MyStrategy(strategy.BacktestingStrategy):    def __init__(self, feed, instrument):        super(MyStrategy, self).__init__(feed)        self.__position = None        self.__sma = ma.SMA(feed[instrument].getCloseDataSeries(), 150)        self.__instrument = instrument        self.getBroker()    def onEnterOk(self, position):        execInfo = position.getEntryOrder().getExecutionInfo()        self.info("BUY at %.2f" % (execInfo.getPrice()))    def onEnterCanceled(self, position):        self.__position = None    def onExitOk(self, position):        execInfo = position.getExitOrder().getExecutionInfo()        self.info("SELL at $%.2f" % (execInfo.getPrice()))        self.__position = None    def onExitCanceled(self, position):        # If the exit was canceled, re-submit it.        self.__position.exitMarket()    def getSMA(self):        return self.__sma    def onBars(self, bars):# 每一个数据都会抵达这里，就像becktest中的next        # Wait for enough bars to be available to calculate a SMA.        if self.__sma[-1] is None:            return        #bar.getTyoicalPrice = (bar.getHigh() + bar.getLow() + bar.getClose())/ 3.0        bar = bars[self.__instrument]        # If a position was not opened, check if we should enter a long position.        if self.__position is None:            if bar.getPrice() > self.__sma[-1]:                # 开多头.                self.__position = self.enterLong(self.__instrument, 100, True)        # 平掉多头头寸.        elif bar.getPrice() < self.__sma[-1] and not self.__position.exitActive():            self.__position.exitMarket()# 2.获得回测数据，官网来源于yahoo，由于墙的关系，我们用本地数据feed = GenericBarFeed(Frequency.DAY, None, None)feed.addBarsFromCSV("fd", "fd.csv")# 3.实例化策略myStrategy = MyStrategy(feed, "fd")# 4.设置指标和绘图sharpe_ratio = sharpe.SharpeRatio()myStrategy.attachAnalyzer(sharpe_ratio)plt = plotter.StrategyPlotter(myStrategy)# 5.运行策略myStrategy.run()myStrategy.info("Final portfolio value: $%.2f" % myStrategy.getResult())# 6.输出夏普率、绘图print "sharpe_ratio", sharpe_ratio.getSharpeRatio(0)plt.plot()