使用plotly库显示的回测引擎.py

# _*_coding : UTF-8 _*_
#开发团队 ：yunya
#开发人员 ：Administrator
#开发时间 : 2020/6/18 20:57
#文件名称 ：使用plotly库显示的回测引擎.py
#开发工具 ： PyCharm


from plotly.subplots import make_subplots
import plotly.graph_objects as go

from vnpy.trader.constant import Interval
from datetime import datetime
import pandas as pd
from vnpy.app.cta_strategy.base import BacktestingMode

# 使用原版回测引行
from vnpy.app.cta_strategy.backtesting import BacktestingEngine ,OptimizationSetting

# 使用自动修改的回测引行
# from vnpy.app.cta_strategy.Newbacktesting import




pd.set_option('expand_frame_repr', False)

#导入策略

from vnpy.huicheshuju.strategy.boll_control_dc_strategy import Boll_Control_Dcs_trategy



if __name__ == '__main__':

    # 回测引擎初始化
    engine = BacktestingEngine()

    # 设置交易对产品的参数
    engine.set_parameters(
    vt_symbol="btcusdt.BINANCE",  #交易的标的
    interval=Interval.MINUTE,
    start=datetime(2020,3,1),  # 开始时间
    end=datetime(2020, 5, 1),  # 结束时间
    rate= 2/1000,  # 手续费
    slippage=0.5,  #交易滑点
    size=1,  # 合约乘数
    pricetick=0.5,  # 8500.5 8500.01
    capital= 100000,  # 初始资金
    mode= BacktestingMode.BAR
    )


    # 添加策略
    # engine.add_strategy(EmaHlc3, {})
    # engine.add_strategy(Atr_Stop, {    "max_window" :35,
    #                                     "min_window" :10,
    #                                     "open_window" :5,
    #                                     "art_leng" :14,
    #                                     "nloss_singnal" :3.8,
    #                                     "ema_window" :19,
    #                                     "tr_leng" :34,
    #                                     "sl_multiplier" :2.5,
    #                                     "fixd_size" : 1
    #                                    })

    # 传入参数，实例化一个策略，相当于执行了DoubleMaStrategy(strategy_name,vt_symbol, setting)
    engine.add_strategy(Boll_Control_Dcs_trategy,{})

    # 加载  最终的结果是通过数据库的ORM取出DbBarData，遍历DbBarData，通过to_tick或to_bar方法生成tick或Bar，
    # 最终得到self.history_data（里面保存tick或bar）
    engine.load_data()

    # 运行回测
    engine.run_backtesting()

    # 统计结果
    df = engine.calculate_result()

    print(df)

    # 计算策略的统计指标 Sharp ratio, drawdown
    de = engine.calculate_statistics()
    de = pd.DataFrame([de])
    # print(de)
    de = de.rename(columns = {
                        'start_date': "首个交易日",
                        'end_date': '最后交易日',
                        'total_days': '总交易日',
                        'profit_days': '盈利交易日',
                        'loss_days': '亏损交易日',
                        'capital': '起始资金',
                        'end_balance': '结束资金',
                        'max_drawdown': '最大回撤',
                        'max_ddpercent': '百分比最大回撤',
                        'max_drawdown_duration': '最长回撤天数',
                        'total_net_pnl': '总盈亏',
                        'daily_net_pnl': '日均盈亏',
                        'total_commission': '总手续费',
                        'daily_commission': '日均手续费',
                        'total_slippage': '总滑点',
                        'daily_slippage': '日均滑点',
                        'total_turnover': '总成交金额',
                        'daily_turnover': '日均成交金额',
                        'total_trade_count': '总成交笔数',
                        'daily_trade_count': '日均成交笔数',
                        'total_return': '总收益率',
                        'annual_return': '年化收益',
                        'daily_return': '日均收益率',
                        'return_std': '收益标准差',
                        'sharpe_ratio': 'Sharpe Ratio',
                        'return_drawdown_ratio': '收益回撤比'
                        })
    de = de[['首个交易日','最后交易日','总交易日','盈利交易日',
             '亏损交易日','起始资金','结束资金','总收益率','年化收益',
             '最大回撤','百分比最大回撤','最长回撤天数','总盈亏','总手续费',
             '总滑点','总成交金额','总成交笔数','日均盈亏','日均手续费','日均滑点',
             '日均成交金额','日均成交笔数','日均收益率','收益标准差',
             'Sharpe Ratio','收益回撤比']]

    # de = pd.DataFrame(pd.Series(de))

    print(de)

    # 创建一个4行、1列的带子图绘图区域，并分别给子图加上标题
    fig = make_subplots(rows=4, cols=1, subplot_titles=["Balance", "Drawdown", "Daily Pnl", "Pnl Distribution"],
                        vertical_spacing=0.06)

    # 第一张：账户净值子图，用折线图来绘制
    fig.add_trace(go.Line(x=df.index, y=df["balance"], name="Balance"), row=1, col=1)

    # 第二张：最大回撤子图，用面积图来绘制
    fig.add_trace(
        go.Scatter(x=df.index, y=df["drawdown"], fillcolor="red", fill='tozeroy', line={"width": 0.5, "color": "red"},
                   name="Drawdown"), row=2, col=1)

    # 第三张：每日盈亏子图，用柱状图来绘制
    fig.add_trace(go.Bar(y=df["net_pnl"], name="Daily Pnl"), row=3, col=1)

    # 第四张：盈亏分布子图，用直方图来绘制
    fig.add_trace(go.Histogram(x=df["net_pnl"], nbinsx=100, name="Days"), row=4, col=1)

    # 把图表放大些，默认小了点
    fig.update_layout(height=1000, width=1000)

    # 将绘制完的图表，正式显示出来
    fig.show()
    # 绘制图表
    # engine.show_chart()