我们今天重点来说说backtrader_plotting这个扩展包,它是基于bokeh,这个包我们之前单独介绍过。pandas_bokeh:投资量化平台可视化的利器 使用pip直接安装:pip install backtrader_plotting。 github上的开源地址: 网页链接 01 基础使用 from backtrader_plotting import Bokeh from backtrader_plotting.schemes import Tradimo plot...
我们今天重点来说说backtrader_plotting这个扩展包,它是基于bokeh,这个包我们之前单独介绍过。pandas_bokeh:投资量化平台可视化的利器 使用pip直接安装:pip install backtrader_plotting。 github上的开源地址: https://github.com/verybadsoldier/backtrader_plotting 01 基础使用 from backtrader_plotting import Bokeh from ...
backtrader内置的绘图功能基于命令 cerebro.plot(),输出的是无交互性的图。有几个人提供了基于web的绘图功能扩展包。 最早的是backtrader_plotting ,然后是btplotting,btplotting修正和扩展了backtrader_plotting的功能,再然后是backtrader_bokeh,它是在前面两个包的基础上加了一些小扩展。backtrader_bokeh允许显示自定义的...
backtrader_plotting 为backtrader添加扩展绘图功能的backtrader ( )。 目前唯一可用的后端是Bokeh ( )。 特征 互动图 实时交易支持(需要自定义backtrader - 请参阅 Wiki 以获取更多信息) 数据回放支持 交互式backtrader优化结果浏览器(仅支持单策略运行) 可自定义的选项卡面板...
Backtrader_Bokeh整合了Backtrader与Bokeh，为策略数据和分析结果提供了一种在浏览器中展示的解决方案。相较于默认使用的matplotlib，此工具在图片文字展示方面更为出色。Backtrader_Bokeh是backtrader_plotting和btplotting的改进版，旨在为量化框架Backtrader引入更多针对性的特性。访问其GitHub页面可参与关注与讨论。
import datetime import backtrader as bt from backtrader_plotting import Bokeh class TestStrategy(bt.Strategy): params = ( ('buydate', 21), ('holdtime', 6), ) def next(self): if len(self.data) == self.p.buydate: self.buy(self.datas[0], size=None) if len(self.data) == self....
importdatetimeimportbacktraderasbtfrombacktrader_plottingimportBokehclassTestStrategy(bt.Strategy):params=( ('buydate',21), ('holdtime',6), )defnext(self):iflen(self.data)==self.p.buydate:self.buy(self.datas[0],size=None)iflen(self.data)==self.p.buydate+self.p.holdtime:self.sell(self...
from backtrader_plotting import Bokeh from backtrader_plotting.schemes import Tradimo plotconfig = { 'id:ind#0': dict( subplot=True, ), } b = Bokeh(style='line', scheme=Tradimo(), plotconfig=plotconfig) self.cerebro.plot(b) def show_result_empyrical(self, returns): import empyrical pr...
def_bokeh_plot(self): frombacktrader_plottingimportBokeh frombacktrader_plotting.schemesimportTradimo plotconfig = { 'id:ind#0':dict( subplot=True, ), } b = Bokeh(style='line',scheme=Tradimo(),plotconfig=plotconfig) self.cerebro.plot(b) ...
from backtrader_plotting import Bokeh from backtrader_plotting.schemes import Tradimo plotconfig = { 'id:ind#0': dict( subplot=True, ), } b = Bokeh(style='line', scheme=Tradimo(), plotconfig=plotconfig) self.cerebro.plot(b) def show_result_empyrical(self, returns): import empyrical pr...