Backtrader 回測環境-計算資產增減

 

📖 使用說明

1. 安裝必要套件：

   pip install yfinance mplfinance pandas openpyxl
   

2. 打開 Jupyter Notebook / VS Code 執行此程式。

3. 修改 symbol = "NVDA" → 你想要的股票代號。

4. 執行後會看到：

   • K 線圖（附均線）

   • Excel 檔案（每日操作表）

   • 回測結果（初始 vs 最終資金）

下載股票資料（MultiIndex 自動攤平）

建立簡單均線交叉策略（MA10 與 MA50）

Backtrader 回測環境

畫出回測圖表

生成每日操作表 Excel

這份程式碼的流程就是：

1. 下載歷史股價。

2. 計算移動平均線。

3. 生成買賣訊號。

4. 畫出 K 線圖。

5. 存成 Excel。

6. 根據訊號進行簡單回測，計算資產增減。

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

%matplotlib inline

# -*- coding: utf-8 -*-

import yfinance as yf

import pandas as pd

import mplfinance as mpf

# -------------------------

# 1️⃣ 下載歷史資料

# -------------------------

symbol = "NVDA"

df = yf.download(symbol, start="2024-06-01", end="2025-09-01", auto_adjust=False)

# 確認欄位

print("欄位名稱:", df.columns)

# 如果是 MultiIndex，去掉 Ticker 層級

if isinstance(df.columns, pd.MultiIndex):

    df.columns = df.columns.get_level_values(0)

# -------------------------

# 2️⃣ 計算移動平均線

# -------------------------

df['MA10'] = df['Close'].rolling(10).mean()

df['MA50'] = df['Close'].rolling(50).mean()

# -------------------------

# 3️⃣ 生成買賣信號

# -------------------------

df['Signal'] = 0

df.iloc[10:, df.columns.get_loc('Signal')] = (

    (df['MA10'].iloc[10:] > df['MA50'].iloc[10:]).astype(int)

)

# -------------------------

# 4️⃣ 畫 K 線圖

# -------------------------

mpf.plot(

    df,

    type='candle',

    style='yahoo',

    title=f"{symbol} K 線圖",

    volume=True,

    mav=(10, 50)

)

# -------------------------

# 5️⃣ 存成 Excel

# -------------------------

df[['Open','High','Low','Close','Volume','MA10','MA50','Signal']].to_excel(f"{symbol}_daily_signals.xlsx")

print(f"已生成每日操作表: {symbol}_daily_signals.xlsx")

# -------------------------

# 6️⃣ 簡單回測策略

# -------------------------

initial_cash = 100_000

cash = initial_cash

position = 0  # 持股數量

for i in range(len(df)):

    if df['Signal'].iloc[i] == 1 and position == 0:

        # 買進全部資金

        position = cash / df['Close'].iloc[i]

        cash = 0

    elif df['Signal'].iloc[i] == 0 and position > 0:

        # 全部賣出

        cash = position * df['Close'].iloc[i]

        position = 0

# 最後資產價值

final_value = cash + position * df['Close'].iloc[-1]

print(f"初始資金: {initial_cash:,.2f}")

print(f"回測後資金: {final_value:,.2f}")

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

1️⃣ 設定 Notebook 繪圖模式

%matplotlib inline

• 這行指令是 Jupyter Notebook 的魔法指令。

• 作用：讓你畫的圖（例如 K 線圖）可以直接嵌入 Notebook 裡顯示，而不是跳出新視窗。

---

2️⃣ 匯入套件

import yfinance as yf
import pandas as pd
import mplfinance as mpf

• yfinance: 從 Yahoo Finance 下載歷史股價資料。

• pandas: 用來整理和操作資料表。

• mplfinance: 畫股票的 K 線圖和成交量圖。

---

3️⃣ 下載歷史股價

symbol = "NVDA"
df = yf.download(symbol, start="2024-06-01", end="2025-09-01", auto_adjust=False)

• symbol 是股票代號（NVDA = Nvidia）。

• start / end 是資料的時間範圍。

• auto_adjust=False 保留原始股價，不自動調整除權息。

• df 是一個 DataFrame，裡面有 Open, High, Low, Close, Volume, Adj Close 等欄位。

---

4️⃣ 處理 MultiIndex

if isinstance(df.columns, pd.MultiIndex):
    df.columns = df.columns.get_level_values(0)

• 有時 yfinance 會回傳 MultiIndex 欄位，例如 ('Close', 'NVDA')。

• 這裡把欄位簡化成單層名稱：Close, Open, High, Low, Volume, Adj Close。

---

5️⃣ 計算移動平均線

df['MA10'] = df['Close'].rolling(10).mean()
df['MA50'] = df['Close'].rolling(50).mean()

• MA10：10 日簡單移動平均（近 10 天的收盤價平均）。

• MA50：50 日簡單移動平均。

• 移動平均線常用於判斷趨勢：短期平均線在上，代表股價可能上升；短期在下，代表股價可能下降。

---

6️⃣ 生成買賣信號

df['Signal'] = 0
df.iloc[10:, df.columns.get_loc('Signal')] = (
    (df['MA10'].iloc[10:] > df['MA50'].iloc[10:]).astype(int)
)

• 新增 Signal 欄位，初始值全部為 0（賣出/空倉）。

• 規則：如果短期 MA10 > 長期 MA50 → 買入訊號（1），否則保持 0。

• .iloc[10:] 是從第 10 行之後才開始計算，避免前面移動平均資料不足。

---

7️⃣ 畫 K 線圖

mpf.plot(
    df,
    type='candle',
    style='yahoo',
    title=f"{symbol} K 線圖",
    volume=True,
    mav=(10, 50)
)

• type='candle'：畫 K 線圖。

• style='yahoo'：使用 Yahoo 風格顏色。

• volume=True：顯示成交量。

• mav=(10,50)：在圖上疊加 10 日與 50 日移動平均線。

---

8️⃣ 存成 Excel

df[['Open','High','Low','Close','Volume','MA10','MA50','Signal']].to_excel(f"{symbol}_daily_signals.xlsx")

• 將股價、移動平均線和買賣信號存成 Excel，方便後續分析。

---

9️⃣ 簡單回測策略

initial_cash = 100_000
cash = initial_cash
position = 0  # 持股數量
for i in range(len(df)):
    if df['Signal'].iloc[i] == 1 and position == 0:
        position = cash / df['Close'].iloc[i]  # 全部資金買進
        cash = 0
    elif df['Signal'].iloc[i] == 0 and position > 0:
        cash = position * df['Close'].iloc[i]  # 全部賣出
        position = 0
final_value = cash + position * df['Close'].iloc[-1]

• 初始資金：100,000。

• 策略：

  1. Signal=1 → 買入全部資金。

  2. Signal=0 → 賣出所有持股。

• 最後資產 = 現金 + 持股市值。

---

10️⃣ 顯示回測結果

print(f"初始資金: {initial_cash:,.2f}")
print(f"回測後資金: {final_value:,.2f}")

• 顯示初始資金與策略回測後的總資產。

# -------------------------

# 7️⃣ 自動產生回測小報告

# -------------------------

report = f"""

📊 回測報告 - {symbol}

測試區間：{df.index[0].date()} ~ {df.index[-1].date()}

策略：10日均線與50日均線黃金交叉

初始資金：${initial_cash:,.2f}

結束資金：${final_value:,.2f}

報酬率：{(final_value/initial_cash - 1)*100:.2f}%

交易次數：約 {df['Signal'].diff().abs().sum()/2:.0f} 次

說明：

- 當 MA10 上穿 MA50 → 產生買進訊號

- 當 MA10 下穿 MA50 → 產生賣出訊號

- 本策略為最簡單的「均線交叉」範例，僅示範 AI+Python 如何快速驗證想法。

📖 小結：

這份回測顯示，在此區間內策略的報酬率為 {(final_value/initial_cash - 1)*100:.2f}%。

可進一步搭配 **停損機制、資金管理** 或 **TA-Lib 技術指標** 做優化。

"""

print(report)

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

假設初始資金 100,000，最後變成 117,500，你會看到：

📊 回測報告 - NVDA

測試區間：2024-06-03 ~ 2025-09-05
策略：10日均線與50日均線黃金交叉

初始資金：$100,000.00
結束資金：$117,500.00
報酬率：17.50%

交易次數：約 8 次
說明：
- 當 MA10 上穿 MA50 → 產生買進訊號
- 當 MA10 下穿 MA50 → 產生賣出訊號
- 本策略為最簡單的「均線交叉」範例，僅示範 AI+Python 如何快速驗證想法。

📖 小結：
這份回測顯示，在此區間內策略的報酬率為 17.50%。
可進一步搭配 **停損機制、資金管理** 或 **TA-Lib 技術指標** 做優化。