Finanzhandel mit bt

Finanzhandel mit Python

Chelsea Yang

Data Science Instructor

Das bt-Paket

Ein flexibles Framework zum Definieren und Backtesten von Handelsstrategien

Strategie: Methode zum Kauf und Verkauf von Finanzanlagen nach festen Regeln
Strategie-Backtest: Bewertung der Wirksamkeit einer Strategie mit historischen Daten

import bt

Der bt-Prozess

Schritt 1: Historische Kursdaten abrufen
Schritt 2: Strategie definieren
Schritt 3: Strategie mit den Daten backtesten
Schritt 4: Ergebnis auswerten

Daten abrufen

# Download historical prices
bt_data = bt.get('goog, amzn, tsla', 
                 start='2020-6-1', end='2020-12-1')

print(bt_data.head())

                   goog         amzn        tsla
Date                                            
2020-06-01  1431.819946  2471.040039  179.619995
2020-06-02  1439.219971  2472.409912  176.311996
2020-06-03  1436.380005  2478.399902  176.591995
2020-06-04  1412.180054  2460.600098  172.876007
2020-06-05  1438.390015  2483.000000  177.132004

Strategie definieren

# Define the strategy
bt_strategy = bt.Strategy('Trade_Weekly',

                          [bt.algos.RunWeekly(), # Run weekly

                           bt.algos.SelectAll(), # Use all data

                           bt.algos.WeighEqually(), # Maintain equal weights

                           bt.algos.Rebalance()]) # Rebalance

Backtest

# Create a backtest
bt_test = bt.Backtest(bt_strategy, bt_data)


# Run the backtest
bt_res = bt.run(bt_test)

Ergebnis auswerten

# Plot the result
bt_res.plot(title="Backtest result")

Diagramm des Backtest-Ergebnisses

# Get trade details
bt_res.get_transactions()

Liste der Transaktionen anzeigen

Lass uns üben!

Finanzhandel mit Python