Trading finanziario con bt

Trading finanziario con Python

Chelsea Yang

Data Science Instructor

Il pacchetto bt

Un framework flessibile per definire e fare backtest di strategie di trading

Strategia: metodo di acquisto e vendita di asset finanziari basato su regole predefinite
Backtest della strategia: modo per valutarne l'efficacia testandola su dati storici

import bt

Il processo bt

Passo 1: Ottieni i prezzi storici
Passo 2: Definisci la strategia
Passo 3: Esegui il backtest con i dati
Passo 4: Valuta il risultato

Ottieni i dati

# 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

Definisci la strategia

# 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)

Valuta il risultato

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

Grafico del risultato del backtest

# Get trade details
bt_res.get_transactions()

Elenco delle transazioni

Esercitiamoci!

Trading finanziario con Python