Backtrader 를 이용한 트레이딩 시뮬레이션

트레이딩을 할 때 투자 전략을 정하고 계획한 전략이 효과적으로 잘 동작하는지에 대해 검증하거나, 얼마나 수익률이 발생하는지 확인할 수 있다면 유용할 것이다.

Backtrader 를 이용하여 전략을 시뮬레이션 해보자.

Backtrader

Backtrader 는 Python 언어 기반의 트레이딩 백테스트 기능을 제공한다.

Zipline 이라는 백테스트 툴도 존재하지만, 최신 버전의 Python 언어를 지원하지 않아 Backtrader 를 사용하는 것이 적합할 것 같다.

참고 : Backtrader

Backtrader 설치하기

설치는 Anaconda Windows 환경의 Python 3.7 버전을 사용하였다.

> conda create -n stock python=3.7
> conda activate stock

backtrader를 포함하여 필요한 모듈을 설치한다.

(stock) > pip install backtrader requests matplotlib

이동평균선을 활용한 전략은 유효한가?

코스피 지수 이동평균선 에서 골든크로스와 데드크로스에 대해 언급하였다.

골든크로스에 사고 데드크로스에 팔아라 라는 전략은 얼마나 유효한지 Backtrader를 이용해 확인해 보려고 한다.

backtrader를 포함하여 필요한 모듈을 임포트 한다.

from datetime import datetime
import backtrader as bt
import locale

locale.setlocale(locale.LC_ALL, 'ko_KR')

backtrader 의 Strategy 클래스를 상속받아 분석에 필요한 지표와 로직을 구현한다. 5일 이동평균선과 30일 이동평균선을 지표로 사용할 예정이다.

# Create a subclass of Strategy to define the indicators and logic
class SmaCross(bt.Strategy):
    # list of parameters which are configurable for the strategy
    params = dict(
        pfast=5,  # period for the fast moving average
        pslow=30  # period for the slow moving average
    )

클래스 초기화 부분에는 두 개의 이동평균선을 이용하여 CrossOver 시그널을 만든다. 0보다 크면 골든크로스, 0보다 작으면 데드크로스를 의미한다.

    def __init__(self):
        sma1 = bt.ind.SMA(period=self.p.pfast)  # fast moving average
        sma2 = bt.ind.SMA(period=self.p.pslow)  # slow moving average
        self.crossover = bt.ind.CrossOver(sma1, sma2)  # crossover signal

        self.holding = 0

next 함수는 지정된 기간 동안 액션을 취하기 위해 순차적으로 호출되는 함수이다.

현재의 주가를 얻어오고, 매수자의 현금 잔액을 얻어오면 매수 가능한 주식의 수를 알 수 있는데, available_stocks에 그 수를 저장하였다.

buy 함수를 호출할 때 available_stocks 를 인자로 전달하면 전량 매수가 되겠지만 예제에서는 1주씩 매수, 매도하기로 한다.

    def next(self):
        current_stock_price = self.data.close[0]

        if not self.position:  # not in the market
            if self.crossover > 0:  # if fast crosses slow to the upside
                available_stocks = self.broker.getcash() / current_stock_price
                self.buy(size=1)

데드크로스의 경우에는 close 함수를 호출하여 전량 매도하도록 하였다. sell 함수를 사용하면 매도하고자 하는 주식의 수를 지정할 수 있다.

        elif self.crossover < 0:  # in the market & cross to the downside
            self.close()  # close long position

주문이 체결될 때 notify_order 함수가 호출되는데, 주문이 발생할 때마다 매수, 매도, 주식 가격, 보유 현금, 자산 가치, 보유 주식의 수 등의 로그를 출력하도록 하였다.

    def notify_order(self, order):
        if order.status not in [order.Completed]:
            return

        if order.isbuy():
            action = 'Buy'
        elif order.issell():
            action = 'Sell'

        stock_price = self.data.close[0]
        cash = self.broker.getcash()
        value = self.broker.getvalue()
        self.holding += order.size

        print('%s[%d] holding[%d] price[%d] cash[%.2f] value[%.2f]'
              % (action, abs(order.size), self.holding, stock_price, cash, value))

Cerebro 엔진을 생성하고, 초기 현금과 수수료를 설정한다. 0.002 는 0.2% 수수료를 설정한 것을 의미한다.

cerebro = bt.Cerebro()  # create a "Cerebro" engine instance
cerebro.broker.setcash(100000)
cerebro.broker.setcommission(0.002)

삼성전자 주가를 사용하고, Yahoo Finance 에서 데이터를 얻어오도록 하였다.

# Create a data feed
data = bt.feeds.YahooFinanceData(dataname='005930.KS',
                                 fromdate=datetime(2019, 1, 1),
                                 todate=datetime.now())

cerebro.adddata(data)  # Add the data feed

cerebro.addstrategy(SmaCross)  # Add the trading strategy

시뮬레이션을 실행하고 결과를 확인한다.

start_value = cerebro.broker.getvalue()
cerebro.run()  # run it all
final_value = cerebro.broker.getvalue()

print('* start value : %s won' % locale.format_string('%d', start_value, grouping=True))
print('* final value : %s won' % locale.format_string('%d', final_value, grouping=True))
print('* earning rate : %.2f %%' % ((final_value - start_value) / start_value * 100.0))

cerebro.plot()  # and plot it with a single command

Backtrader 에 문제가 있다.

실행을 해보면 다음과 같이 에러를 발생하며 현재 버전에서 동작하지 않는다. (2020/4/23 기준)

(stock) > python sma.py
Traceback (most recent call last):
  File "sma.py", line 64, in <module>
    cerebro.run()  # run it all
  File "C:\Anaconda3\envs\stock\lib\site-packages\backtrader\cerebro.py", line 1127, in run
    runstrat = self.runstrategies(iterstrat)
  File "C:\Anaconda3\envs\stock\lib\site-packages\backtrader\cerebro.py", line 1210, in runstrategies
    data._start()
  File "C:\Anaconda3\envs\stock\lib\site-packages\backtrader\feed.py", line 203, in _start
    self.start()
  File "C:\Anaconda3\envs\stock\lib\site-packages\backtrader\feeds\yahoo.py", line 352, in start
    super(YahooFinanceData, self).start()
  File "C:\Anaconda3\envs\stock\lib\site-packages\backtrader\feeds\yahoo.py", line 94, in start
    super(YahooFinanceCSVData, self).start()
  File "C:\Anaconda3\envs\stock\lib\site-packages\backtrader\feed.py", line 674, in start
    self.f = io.open(self.p.dataname, 'r')
FileNotFoundError: [Errno 2] No such file or directory: '005930.KS'

Backtrader Community의 글에 따르면 yahoo API 의 응답이 변경되어 발생하는 것으로 yahoo.py 파일의 수정이 필요하다.

            ctype = resp.headers['Content-Type']
            if 'text/csv' not in ctype:
                self.error = 'Wrong content type: %s' % ctype
                continue  # HTML returned? wrong url?

위의 코드를 다음과 같이 수정해 주어야 한다.

diff --git a/backtrader/feeds/yahoo.py b/backtrader/feeds/yahoo.py
index abfe97d..bd1f6ea 100644
--- a/backtrader/feeds/yahoo.py
+++ b/backtrader/feeds/yahoo.py
@@ -330,7 +330,7 @@ class YahooFinanceData(YahooFinanceCSVData):
                 continue

             ctype = resp.headers['Content-Type']
-            if 'text/csv' not in ctype:
+            if ctype not in ['text/csv', 'text/plain']:
                 self.error = 'Wrong content type: %s' % ctype
                 continue  # HTML returned? wrong url?

전체 코드

위의 코드 조각의 전체 코드는 다음과 같다.

from datetime import datetime
import backtrader as bt
import locale

locale.setlocale(locale.LC_ALL, 'ko_KR')

# Create a subclass of Strategy to define the indicators and logic
class SmaCross(bt.Strategy):
    # list of parameters which are configurable for the strategy
    params = dict(
        pfast=5,  # period for the fast moving average
        pslow=30  # period for the slow moving average
    )

    def __init__(self):
        sma1 = bt.ind.SMA(period=self.p.pfast)  # fast moving average
        sma2 = bt.ind.SMA(period=self.p.pslow)  # slow moving average
        self.crossover = bt.ind.CrossOver(sma1, sma2)  # crossover signal

        self.holding = 0

    def next(self):
        current_stock_price = self.data.close[0]

        if not self.position:  # not in the market
            if self.crossover > 0:  # if fast crosses slow to the upside
                available_stocks = self.broker.getcash() / current_stock_price
                self.buy(size=1)

        elif self.crossover < 0:  # in the market & cross to the downside
            self.close()  # close long position

    def notify_order(self, order):
        if order.status not in [order.Completed]:
            return

        if order.isbuy():
            action = 'Buy'
        elif order.issell():
            action = 'Sell'

        stock_price = self.data.close[0]
        cash = self.broker.getcash()
        value = self.broker.getvalue()
        self.holding += order.size

        print('%s[%d] holding[%d] price[%d] cash[%.2f] value[%.2f]'
              % (action, abs(order.size), self.holding, stock_price, cash, value))

cerebro = bt.Cerebro()  # create a "Cerebro" engine instance
cerebro.broker.setcash(100000)
cerebro.broker.setcommission(0.002)

# Create a data feed
data = bt.feeds.YahooFinanceData(dataname='005930.KS',
                                 fromdate=datetime(2019, 1, 1),
                                 todate=datetime.now())

cerebro.adddata(data)  # Add the data feed

cerebro.addstrategy(SmaCross)  # Add the trading strategy

start_value = cerebro.broker.getvalue()
cerebro.run()  # run it all
final_value = cerebro.broker.getvalue()

print('* start value : %s won' % locale.format_string('%d', start_value, grouping=True))
print('* final value : %s won' % locale.format_string('%d', final_value, grouping=True))
print('* earning rate : %.2f %%' % ((final_value - start_value) / start_value * 100.0))

cerebro.plot()  # and plot it with a single command

시뮬레이션 결과 확인

10만원을 설정하여 시뮬레이션을 해 보았지만, 여러 차례 매수와 매도를 거듭 했음에도 불구하고 수익률은 0.25% 에 불과했다.

(stock) > python sma.py
Buy[1] holding[1] price[45350] cash[55160.50] value[100510.50]
Sell[1] holding[0] price[45050] cash[100270.10] value[100270.10]
Buy[1] holding[1] price[46950] cash[54027.80] value[100977.80]
Sell[1] holding[0] price[44650] cash[98189.30] value[98189.30]
Buy[1] holding[1] price[44800] cash[53800.70] value[98600.70]
Sell[1] holding[0] price[44950] cash[98261.60] value[98261.60]
Buy[1] holding[1] price[46900] cash[51718.70] value[98618.70]
Sell[1] holding[0] price[51300] cash[103514.90] value[103514.90]
Buy[1] holding[1] price[50300] cash[52212.50] value[102512.50]
Sell[1] holding[0] price[50400] cash[103010.70] value[103010.70]
Buy[1] holding[1] price[54700] cash[48401.70] value[103101.70]
Sell[1] holding[0] price[58900] cash[105387.50] value[105387.50]
Buy[1] holding[1] price[60400] cash[44165.30] value[104565.30]
Sell[1] holding[0] price[57900] cash[100252.90] value[100252.90]
* start value : 100,000 won
* final value : 100,252 won
* earning rate : 0.25 %

아래 그래프를 통해 거래 상황을 좀 더 명확히 확인할 수 있다.

Backtrader SMA Test

이동평균선 전략이 잘 맞는 상황도 있겠지만 현재 상황에서는 그다지 효율적이지 않은 것을 Backtrader 를 통해 확인할 수 있었다. Backtrader를 이용하여 다양한 전략을 구상해보고 적용해보는 재미가 있을 것 같다. 또한, 유용하고 다양한 기능을 제공하는 만큼 backtrader 의 오픈소스가 잘 관리되기를 기대해본다.

Written on April 23rd , 2020 by Jonghyun Ho

Feel free to share!