Skip to content

Latest commit

 

History

History
521 lines (445 loc) · 26 KB

WIKI.ZH.md

File metadata and controls

521 lines (445 loc) · 26 KB
Raw

用过 Backtrader 都知道它的可视化是用的 matplotlib , 好处是开箱即用，因为 matplotlib 是 Backtrader的默认可视化后端，但缺点就是 matplotlib的绘图还是不够日常需要。说到图片文字的展示，有没有可能在浏览器里展示策略数据和分析结果的呢？答案就是 Backtrader和 Bokeh 的结合产品：Backtrader_Bokeh。 在 示例 这里可以感受 Backtrader_Bokeh 的可视化效果。 * 只展示部分示例，全部示例请自行运行 demos 下的代码

Backtrader_Bokeh继承自 backtrader_plotting 和 btplotting ，对两者的问题做了修正并且计划推出更加适合量化框架 Backtrader 的一系列新特性。欢迎来 github 上关注及讨论，并积极通过 star、issue 等方式来支持该项目。我们还录制了一些关于 Backtrader_Bokeh 的视频放在 B 站。同时推荐 Aui 团队的另外两个产品：Aui(在线相册+应用)、检查指标小帮手(微信小程序)

* Backtrader_Bokeh 部分高级功能需要付费购买 token（付费功能列表）。在没有 token 时你仍可以使用大部分免费功能。token 可以通过付费或则参与活动方式获取 (获得 token)

QQ群：908547278
TG：Aui_Channel
Discord Server: Aui and Friends

ETH：0x0275779f70179748C6fCe1Fe5D7638DfA7e3F986 （感谢赞助我们一杯咖啡）

安装

方法一

pip install backtrader_bokeh

* 如果你删除了 pip 官方源，有可能找不到 backtrader_bokeh。此时你可以指定官源安装 pip install -i https://pypi.org/simple backtrader_bokeh

方法二

pip install git+https://github.com/iniself/backtrader_bokeh

* 如果在依赖包安装和使用过程中出现错误提示，建议创建新 Python 环境安装 Backtrader_Bokeh。同时避免如下安装方式：

pip install --force-reinstall git+https://github.com/iniself/backtrader_bokeh

快速上手

使用 Backtrader_Bokeh 非常容易，它对原 Backtrader 是无侵入的，你只需要在你的 Python 文件中如下引入就可以获得 Backtrader_Bokeh 所带来诸多好处。包括：

  1. 一个 Bokeh 可视化的后端
  2. 通过补丁方式增加 Backtrader 的功能及解决 Backtrader 的错误。* 不会修改 Backtrader 的原文件
  3. 更简单的 Api 调用
from backtrader_bokeh import bt
# import backtraer as bt  此引入已经不再需要

有多种方式使用 Backtrader_Bokeh 。本文只介绍 3 种，其他更多你可以参考 Demo:

把 Backtrader_Bokeh 当作分析器使用（适用于实时数据模式）

  • 使用默认 80 端口：

    from backtrader_bokeh import bt
  ...
  ...

cerebro = bt.Cerebro()
cerebro.addstrategy(MyStrategy)
cerebro.adddata(LiveDataStream())
cerebro.addanalyzer(bt.analyzers.Live, force_plot_legend=True, autostart=True)
cerebro.run() # 注意如果上面添加的数据不是实数数据，则打开浏览器失败

  • 如果你的 80 端口被占用，比如你同时运行了 nginx，此时需要指定其他端口启动 Backtrader_Bokeh：

    cerebro.addanalyzer(bt.analyzers.Live, address="localhost", port=8889, force_plot_legend=True, autostart=True)

把 Backtrader_Bokeh 实例化为 Plot 对象

  • 普通模式（常用）：对一套策略参数的回测

    from backtrader_bokeh import bt
  ...
  ...
cerebro = bt.Cerebro()
cerebro.run()
plot = bt.Bokeh(style = 'bar', scheme=bt.schemes.Black(), force_plot_legend=True) # bt.schemes.Black 是样式主题
cerebro.plot(plot, iplot=False) # 如果你在 Jupyter 中运行，需要传入 iplot 参数

  • 参数优化模式：对多套策略参数的回测。可以选择在不同参数下展示策略的效果

    from backtrader_bokeh import bt
  ...
  ...
cerebro = bt.Cerebro()
cerebro.optstrategy(MyStrategy, buydate=range(40, 180, 30))  	
result = cerebro.run(optreturn=False)

b = bt.Bokeh(style='bar', scheme=bt.schemes.White(), force_plot_legend=True)
browser = bt.Opt(b, result, address='localhost', port=8889, autostart= True)
browser.start()

新特性

会在这里集中介绍一些不好单独放入其他内容的 Backtrader_Bokeh 内容

  • 额外的 DataFeeds 数据如何被绘制：
    通过继承 DataFeeds 类的方法，然后修改 lines 参数，你可以增加 DataFeeds 数据列，但 Backtrader 并不会绘制这些列数据，你只能在策略中使用它。从 Backtrader_Bokeh v0.0.9 版本后，你可以实现这一绘图功能，并且不需要做额外的工作

    from backtrader_bokeh import bt
class MyYahooData(bt.feeds.YahooFinanceCSVData):
  lines = ('extradata',) #增加额外的数据线，这是 Backtrader 需要的设置
  extradataline = {  #注意这里是lines中字符 + line 这个后缀。如果不设置或则错误将不会生效，但依然能按默认方法绘制出 extradata 这条数据线
      # plotinfo 中的选项都可以在下面进行设置
      'plotname':"linename",  
      'subplot':True
      ...
  }    
  ...

    通过上面可以看到，绘制附加的数据线不需要你做任何额外的工作，除非你想通过 extradataline 这个选项来定制数据线的绘制方式，一般来说，不设置就默认的也可以

  • 设置特殊的交易规则：
    不同的证券市场有不同的规则：比如中国大陆的 A 股有涨停限制。从 Backtrader_Bokeh v0.1.0 版本后支持对这些交易规则进行设置。目前可以设置的是“涨停限制”、“是否可以做空”和“是否有最小购买数限制”。如果不做如下设置，默认的规则是没有涨停限制、可以做空和无最小购买数限制

    cerebro.broker.set_rule({
  'limit':0.2, # 20%的涨跌停限制
  'short':False, #不能做空
  'least':100, #购买时每手的最小单位
})

    • 当 'limit':0.2 时，如果遇到涨停行情不能买入股票，遇到跌停行情不能卖出股票。*虽然涨跌停时当日不能交易股票，但该订单会持续有效，如果你想限制该订单有效期，则传入 valid 选项，举例：self.buy(size=1000, valid=timedelta(3))

    • 当 'short':False 时，仅能在已有的仓位数内卖出证券。举例：如果你的仓位数是 100 手，但你的卖单是 150 手，则会自动按照 100 手的卖单进行交易，多出的 50 手自动作废。当仓位数是 0 时，则整个卖单作废。*打印 order 时增加 Adj Size 显示调整后的订单数量

    • 当 'least':100 时，购买数量只能是该参数的整数倍。举例：订单数量是680，那么最终会成交的数量是 6 手 600 份，多出的 80 份会自动作废。*打印 order 时增加 Adj Size 显示调整后的订单数量

  • LogTab：
    除了可视化图表外，很多时候我们都需要打印一些额外的信息，此时通常的办法是用 print 在命令行中把信息打印出来，比如 order 的历史信息。但这种打印非常不友好，所以我们把要打印的信息从命令行迁移到 LogTab 这个页面，通过网页来展示你想要的内容：

    • 不同的打印结果会在 LogTab 页面的不同表格中展示
    • 支持显示相关信息，比如本次打印的 title 等
    • 支持不同级别的 log 控制。*CRITICAL, FATAL, ERROR, WARNING, WARN, INFO, DEBUG, NOTSET
    • 可以对日志进行排序等操作
    • 其他

    启用 LogTab：

    from backtrader_bokeh import bt

class MyStrategy(bt.Strategy):
    def next(self):
        open([self.data.open[0]]) # 默认是用 info 来打印
        close.info([self.data.open[0]])

if __name__ == '__main__':
    # get logger with default log level INFO
    open = bt.getlogger(['open'], name='Open Price') # name 将显示为表格的标题
    close = bt.getlogger(['close'], name='Close Price',  stdout=True, level=logging.DEBUG) # stdout 控制是否同时在命令行打印结果。默认 False。level 是控制日志等级，详情参阅 logging 模块
    ...
    cerebro.run()

    p = bt.Bokeh(style='bar', use_default_tabs=False,  tabs=[bt.tabs.LogTabs(2)]) # 数字2是控制 Logtab 页面一行会显示几个表格
    cerebro.plot(p)

  • ConfigTab：
    由于 Backtrader_Bokeh 可配置的选项比较多，所以用户在调用函数时经常需要传入大量参数，并且每写一个回测程序就要传一次。虽然我们已经为 Backtrader_Bokeh 默认了很多初始值，但这种优化还是不够。于是我们推出了 ConfigTab 这个配置面板。这个配置是全局性的，一旦你进行了配置，所有新建项目都会默认采用这个配置。用户应该专心去做他们的策略研究，而配置就交给 ConfigTab

    • 新安装的 Backtrader_Bokeh 会默认开启 ConfigTab，你可以通过配置来定制你自己的 Backtrader_Bokeh
    • 在配置面板的 tabs 你可以点击关闭 ConfigTab。这样下次启动 Backtrader_Bokeh 时就不会再自动加载 ConfigTab
    • 关闭后，如果想重新进行配置，只需如下方式传入参数 *这其实就是在本文档里 “系统和主题的绘图选项 ”中的内容 
      bt.Bokeh(tabs=[bt.tabs.ConfigTab])
    • 该全局配置优先级低于函数传参。也就是说通过 ConfigTab 进行全局配置后，依然可以在具体项目中通过函数传参来改变 Backtrader_Bokeh 的行为
    • 其他更多内容请自行探索

  • 支持键盘操作
    自从 v0.6.0 后，Backtrader_Bokeh 开始逐步支持键盘操作。键盘操作能让你更加准确和快捷地操作你的回测结果。这项功能无需做任何配置，开箱即用

    • 支持通过左右键及组合键来操作 Crosshair 和 tooltip。你有三种操作速度：最慢的是← →，较快的是 Option + ← →，最快的是 Shift + ← →
    • 支持通过 Shift + Control + ← → 组合键来平移图形。 *也支持通过鼠标滚轮来平移图像，但需要先选中 Wheel Pan 工具
    • 支持通过组合键对图形进行放大(Zoom Out)和缩小(Zoom In)。有四种模式：
      1. Shift + ↑ ↓ 沿横轴快速放大(或缩小)
      2. Shift + Option + ↑ ↓ 沿横轴慢速放大(或缩小)
      3. Shift + Ctrl + ↑ ↓ 沿横轴和纵轴快速放大(或缩小)
      4. Shift + Ctrl + Option + ↑ ↓ 沿横轴和纵轴慢速放大(或缩小)

  • 画线功能
    自从 v0.8.0 后，Backtrader_Bokeh 开始支持在图形上画线。分为直线绘制和手绘两个绘图工具。直线工具用于绘制直线，而手绘可以绘制出任意你想要的线条。这项功能无需做任何配置，开箱即用

    • 点击 Straightline Draw Tool （直线绘制）和 Freehand Draw Tool （手绘）这两个工具图标即可启用对应的画线功能
    • 直线绘制启用时，双击鼠标左键并移动鼠标开始绘制，在需要转向时单击鼠标左键。在绘制过程中按 ESC 键或则双击鼠标左键停止绘制
    • 手绘启用时，单击鼠标左键并移动鼠标开始绘制。在绘制过程中按 ESC 键或则单击鼠标左键
    • 无论是直线绘制还是手绘的图形，都可以在该图形上单击鼠标左键选中该图形，当选择动作加上 SHIFT 后可以同时选择多个图形。选中后可以移动该图形或则按 BACKSPACE （退格键）删除该图形

参数列表

先介绍 Backtrader_Bokeh 涉及到需要传入参数几个函数：

  • Live Mode 时 
    cerebro.addanalyzer(...)
  • 常规回测模式时 
    bt.Bokeh(...)
  • 参数优化模式时 
    bt.Bokeh(...)
bt.Opt(...)

本文从如下几个方面介绍 Backtrader_Bokeh 参数配置：

  • 该参数的类型
  • 该参数的用途
  • 该参数适合哪些函数。本文除了特殊说明外，适合 bt.Bokeh() 的参数同样适合 cerebro.addanalyzer()

前置知识

回忆一下 Backtrader 自带的绘图选项：

  • Options affecting the plotting behavior of the entire object：对象的绘图选项，该配置对应 plotinfo。* 比如一个指标就是一个对象，它会自带默认的plotinfo(控制这个指标的整体绘图) 和 plotlines(控制每条 lines 的绘图)
  • Options affecting the plotting behavior of individual lines：该配置对应绘图对象的 plotlines 配置
  • Options affecting the SYSTEM wide plotting options：Backtrader 最上层的配置和某个主题的配置

Backtrader_Bokeh 也是以这样的分类来配置绘图选项的。在继承了大部分 Backtrader 配置的前提下，Backtrader_Bokeh 根据 Bokeh 的需要还增加了大量配置。简言之，Backtrader_Bokeh Options = Backtrader Options + Bokeh Options

“系统”和“主题”的绘图选项

  1. style
    • str
    • 控制主图显示的类型。single 显示收盘价的线条图，bar 或则 candle显示包含了开盘价、收盘价、最高价、最低价的 K 线柱状图。另外，从 v0.07 版本后，还可以分别为每一个数据源定制样式： 
        data = bt.feeds.YahooFinanceCSVData(...)
  data.plotinfo.plotstyle = 'bar'
    • bt.Bokeh(style='bar')
  2. resources
    • str
    • 除非如下显示传入该选项，Backtrader_Bokeh 默认加载当地 Bokeh 的资源文件而不是通过 CDN 网络：
    • bt.Bokeh(resources='cdn')
  3. scheme
    • object
    • 告诉 Backorder_Bokeh 绘图时选择哪个主题：目前有两个主题 Black（深色主题）和 White（浅色主题）。默认是浅色主题
    • bt.Bokeh(scheme=bt.schemes.Black())
  4. filename
    • str
    • 在常规回测时，用指定的文件名代替 Backtrader_Bokeh 默认的临时文件名。 仅适应于生成的静态网页，所以在 “Live Mode” 和“参数优化” 时此选项无效
    • bt.Bokeh(filename='yourfile.html')
  5. output_mode
    • str
    • 在常规回测时:
      save：只保存文件，不打开浏览器
      show：保存文件同时打开浏览器
      memory：不保存文件，但返回模型
  6. use_default_tabs
    • bool
    • 如果设置成 true ，则 Backtrader_Bokeh 默认的网页 tab 会被添加进去
    • bt.Bokeh(use_default_tabs=False)
  7. tabs
    • list
    • 在网页中希望添加的 tab。当 use_default_tabs=False 时生效
    • bt.Bokeh(tabs=[bt.tabs.AnalyzerTab])
  8. show_headline
    • bool
    • 是否显示页面标题
    • bt.Bokeh(show_headline=False)
  9. headline
    • str
    • 改变页面标题。默认是 "Backtrader Results"
    • bt.Bokeh(headline='Your backtrader')
  10. force_plot_legend
    • bool
    • 是否强制显示所有图例(legend)。当遇到有图列不显示时设置成 True。默认值是 True
    • bt.Bokeh(force_plot_legend=True)
  11. hover_tooltip_config
    • str
    • 控制鼠标指向图形时的提示内容。在没有传入该参数时，Backtrader_Bokeh 会默认用该数据类型（Data Feed、Indicators、Observer）的默认方式提示。比如 Data Feed 会显示时间、开盘价、收盘价、最高价、最低价、交易量，但如果想显示额外数据，就需要用到这个选项
    • IND-DATA: 把 Indicators 的数据添加到主图 (Data Feed) 的 tooltip
    • DATA-OBS: 把主图数据添加到 Observer
    • IND-OBS: 把 Indicators 的数据添加到 Observer
    • ……
  12. plotconfig
    • dict
    • 用于控制 局部绘图 的参数配置（具体见局部绘图选项）。Backtrader_Bokeh 的 plotconfig 相当于 Plotting - Backtrader 中的 Object-wide plotting options
    •  plotconfig = {
   'id: sm5': dict(
       subplot=False,
       plotname='sm5 indicator'
   )
 }

 bt.Bokeh(plotconfig=plotconfig)
  13. usercolumns
    • dict
    • 自定义列可以添加到结果列表中，用于显示结果中感兴趣的特殊属性。要使用它，需要传递一个字典，其中键是列的标签，值是一个可调用的值，该值需要一个优化结果来计算属性。该参数只适用于参数优化模式
    • def get_pnl_gross(strats):
   a = strats[0].analyzers.tradeanalyzer.get_analysis()
   return a.pnl.gross.total if 'pnl' in a else 0

 b = bt.Bokeh(style='bar', scheme=bt.schemes.White())
 browser = bt.Opt(b, result, usercolumns=dict(pnl=get_pnl_gross), sortcolumn='pnl', sortasc=False)
 browser.start()
  14. 其他主题参数 
    •    def _set_params(self):
       self.multiple_tabs = False
       self.show_headline = True
       self.headline = ''
       self.hover_tooltip_config = ''

       self.barup_wick = self.barup
       self.bardown_wick = self.bardown

       self.barup_outline = self.barup
       self.bardown_outline = self.bardown

       self.crosshair_line_color = '#999999'

       self.legend_background_color = '#3C3F41'
       self.legend_text_color = 'lightgrey'
       self.legend_location = 'top_left'
       self.legend_orientation = 'vertical'

       self.loc = 'lightgray'
       self.background_fill = '#222222'
       self.body_background_color = 'white'
       self.border_fill = '#3C3F41'
       self.legend_click = 'hide'  # or 'mute'
       self.axis_line_color = 'darkgrey'
       self.tick_line_color = self.axis_line_color
       self.grid_line_color = '#444444'
       self.axis_text_color = 'lightgrey'
       self.plot_title_text_color = 'darkgrey'
       self.axis_label_text_color = 'darkgrey'
       self.tag_pre_background_color = 'lightgrey'
       self.tag_pre_text_color = 'black'

       self.xaxis_pos = 'all'  # 'all' or 'bottom'

       self.table_color_even = '#404040'
       self.table_color_odd = '#333333'
       self.table_header_color = '#7a7a7a'

       # Plot a title above the plot figure
       self.plot_title = True
       # Number of columns on the analyzer tab
       self.analyzer_tab_num_cols = 1
       # Number of columns on the metadata tab
       self.metadata_tab_num_cols = 3
       # Sizing mode for plot figures
       self.plot_sizing_mode = 'scale_width'
       # Aspect ratios for different figure types
       self.data_aspectratio = 2.5
       self.vol_aspectratio = 5.0
       self.obs_aspectratio = 5.0
       self.ind_aspectratio = 5.0
       # output backend mode ("canvas", "svg", "webgl")
       self.output_backend = 'canvas'

       self.toolbar_location = 'right'

       self.tooltip_background_color = '#4C4F51'
       self.tooltip_text_label_color = '#848EFF'
       self.tooltip_text_value_color = '#aaaaaa'

       self.tab_active_background_color = '#333333'
       self.tab_active_color = '#4C4F51'

       self.text_color = 'lightgrey'

       # https://docs.bokeh.org/en/latest/docs/reference/models/formatters.html#bokeh.models.formatters.DatetimeTickFormatter
       self.hovertool_timeformat = '%F %R'

       self.number_format = '0,0[.]00[000000]'
       self.number_format_volume = '0.00 a'

       # https://docs.bokeh.org/en/latest/docs/reference/models/formatters.html
       self.axis_tickformat_days = '%d %b %R'
       self.axis_tickformat_hourmin = '%H:%M:%S'
       self.axis_tickformat_hours = '%d %b %R'
       self.axis_tickformat_minsec = '%H:%M:%S'
       self.axis_tickformat_minutes = '%H:%M'
       self.axis_tickformat_months = '%d/%m/%y'
       self.axis_tickformat_seconds = '%H:%M:%S'
       self.axis_tickformat_years = '%Y %b'

       # used to add padding on the y-axis for all data except volume
       self.y_range_padding = 0.5
       # position of y axis for volume
       self.vol_axis_location = 'right'
    • 主题参数可以直接在 cerebro.addanalyzer() 和 bt.Bokeh()中传入这些参数。或则可以在主题构建函数中传入： 
      • bt.Bokeh(hovertool_timeformat='%F %R:%S')
      • bt.Bokeh(scheme=Black(hovertool_timeformat='%F %R:%S'))

“局部绘图”选项

在 前置知识 中已经说过 局部选项 就是针对每个对象（比如某个指标）的 plotinfo 和 plotlines 的设置。在 Backtrader 配置此选项有 三种方式：

  1. 通过继承类： 
    class MY_SMA(bt.indicators.SMA):
   params = (('barplot', True), ('bardist', 0.02))
   plotinfo = dict(
     plotname = "MySMA"
   )
   plotlines = dict(
		...
  )
class MyStrategy(bt.Strategy):
  def __init__(self):
    self.sma5 = MY_SMA(period=15)
  ....
  
cerebro.addstrategy(MyStrategy)
  2. 传参修改： 
    class MyStrategy(bt.Strategy):
  def __init__(self):
		self.sma5 = bt.indicators.SMA(period=15, plotname = "MySMA")
  ....
  
cerebro.addstrategy(MyStrategy)
    class MyStrategy(bt.Strategy):
  def __init__(self):
		self.sma5 = bt.indicators.SMA(period=15)
		self.sma5.plotinfo.plotname = "MySMA"
  ....
  
cerebro.addstrategy(MyStrategy)
  3. Backtrader_Bokeh 多了一种可以在一个地方处理所有对象绘图参数的方法： 
    class MyStrategy(bt.Strategy):
  def __init__(self):
     self.sma5 = bt.indicators.SMA(period=15)
     self.sma5.plotinfo.plotid='sm5'
  ....
plotconfig = {
    'id:sm5': dict(
        plotname='MySMA'
    )
}  
cerebro.addstrategy(MyStrategy)
b = bt.Bokeh(plotconfig=plotconfig)
cerebro.plot(b)

局部绘图的部分选项 * 只列举 plotinfo，关于 plotlines 的配置请自行查阅Backtrader：

  1. plot
    • bool
    • 是否绘制此图
    • plot=True
  2. subplot
    • bool
    • 是否绘制成子图，否则将在主图中统一显示
    • subplot=True
  3. plotmaster
    • object
    • 用哪个绘图对象作为自己的主图。比如默认情况下，indicators 是和 主图（股价、交易量）绘制在一起。通过如下代码可以把 indicators 单独绘制
    • class MyStrategy(bt.Strategy):
    def __init__(self):
        self.sma5 = bt.indicators.SMA(period=5, subplot=True)
        self.sma10 = bt.indicators.SMA(period=10, plotmaster=sma5)
  4. plotname
    • str
    • 图例名字
    • plotname='somename'
  5. plotorder
    • int
    • 各绘图对象在页面上的绘图顺序。数字越小则越在上面。默认所有为0。 下面代码会让 Observer 绘制在 Data Feed (股价、交易量等的主图)
    • class MyBroker(bt.observers.Broker):
    def __init__(self):
        self.plotinfo.plotorder = 5
        
cerebro.addobserver(MyBroker)
  6. 其他局部绘图选项 
    • plotinfo = dict(plot=True, # 是否绘制该对象
                subplot=True, # 是否绘制成子图
                plotname='', # 图形对象名称
                plotorder=0, # 各子图绘制的顺序
                plotlinelabels=False, # 主图上曲线的名称
                plotlinevalues=True, # 是否显示曲线最后一个时间点上的值
                plotvaluetags=True, # 是否以卡片形式在曲线末尾展示最后一个时间点上的值
                plotymargin=0.0, # 用于设置子图 y 轴的边界
                plothlines=[a,b,...], # 用于绘制取值为 a,b,... 的水平线
                plotyticks=[], # 用于绘制取值为 a,b,... y轴刻度
                plotyhlines=[a,b,...], # 优先级高于plothlines、plotyticks，是这两者的结合
                plotforce=False, # 是否强制绘图
                plotmaster=None, # 用于指定主图绘制的主数据源
                plotylimited=True,
                # 用于设置主图的 y 轴边界，
                # 如果True，边界只由主数据 data feeds决定，无法完整显示超出界限的辅助指标；
                # 如果False, 边界由主数据 data feeds和指标共同决定，能确保所有数据都能完整展示
)
    • 请自行尝试不同配置

“浏览器”的配置

  1. autostart
    • bool
    • 是否自动打开浏览器。适合“参数优化模式” 和 “Live Mode”，因为该两种模式都不会自动打开浏览器。默认值是 True
    • bt.Opt(autostart=True)(参数优化模式) 和 cerebro.addanalyzer(autostart=True)(Live Mode)
  2. address
    • str
    • 网页地址。如果是当地运行 Backtrader_Bokeh，则配置如下
    • bt.Opt(address='localhost', port=8889 (参数优化模式) 和 cerebro.addanalyzer(address='localhost', port=9889) (Live Mode)
  3. port
    • int
    • 网页端口。默认是 80 端口，如果被占用可自行设置其他端口
    • bt.Opt(address='localhost', port=8889 (参数优化模式) 和 cerebro.addanalyzer(address='localhost', port=9889) (Live Mode)