使用指标

指标可以在平台的两个地方使用：

  • 内部策略
  • 其他指标内部

指标可以在两个地方使用：

  1. 指标总是策略的__init__中实例化
  2. 在策略的next中使用/检查 指标值（或其派生值）

有一个重要的原则需要考虑：

  • 在调用期间声明的任何Indicator（或其派生的值）__init__ 都将在next调用之前预先计算。

让我们来看看操作模式的差异。

__init__对比next

事情如下：

  • 任何涉及线对象的操作都会生成另一个线对象__init__
  • 任何涉及行对象的操作都会产生常规的 Python 类型，如浮点数和布尔值。next

__init__中的操作示例：

hilo_diff = self.data.high - self.data.low

该变量hilo_diff保存对lines对象的引用，该对象在调用之前预先计算next，可以使用标准数组表示法访问[]

它显然包含数据馈送的每个条形图的高点和低点之间的差异。

这也适用于混合简单的线条（如 self.data 数据馈送中的那些）和复杂的线条如指标：

sma = bt.SimpleMovingAverage(self.data.close)
close_sma_diff = self.data.close - sma

现在close_sma_diff再次包含一个线对象。

使用逻辑运算符：

close_over_sma = self.data.close > sma

现在生成的lines对象将包含一个布尔数组。

在next中的操作示例（逻辑运算符）：

close_over_sma = self.data.close > self.sma

在这种情况下close_over_sma，产生一个布尔值，它是比较两个浮点值的结果，[0]运算符返回的值应用于self.data.close和self.sma

__init__与_next比较

逻辑简化（以及易用性）是关键。 计算和大部分相关逻辑可以在 __init__ 期间声明，在 next 期间将实际操作逻辑保持在最低限度。

实际上还有一个附带的好处：速度（由于开头解释的预先计算）

在 __init__期间生成买入信号 的完整示例：

class MyStrategy(bt.Strategy):

    def __init__(self):

        sma1 = btind.SimpleMovingAverage(self.data)
        ema1 = btind.ExponentialMovingAverage()

        close_over_sma = self.data.close > sma1
        close_over_ema = self.data.close > ema1
        sma_ema_diff = sma1 - ema1

        buy_sig = bt.And(close_over_sma, close_over_ema, sma_ema_diff > 0)

    def next(self):

        if buy_sig:
            self.buy()

Python 的and操作符不能被覆盖，迫使平台定义自己的And. 这同样适用于其他结构，如 Or和If。

很明显，__init__ 期间的“声明式”方法将 next（实际策略工作发生的地方）的膨胀降至最低。

（别忘了还有一个加速因素）

当逻辑变得非常复杂并涉及多个操作时，通常将其封装在 Indicator.

一些笔记

backtrader在上面的示例中，与其他平台相比，有两点被简化 ：

  • 声明Indicators的既没有获得父参数（比如创建它们的策略，也没有调用任何类型的“注册”方法/函数。尽管如此，该策略仍会计算由于操作而生成的 Indicators任何行对象（例如sma - ema）
  • ExponentialMovingAverage正在实例化而没有self.data这是故意的。如果没有data传递，则父级的第一个数据 （在这种情况下是正在创建的策略）将在后台自动传递

指标绘图

首先也是最重要的：

  • 声明Indicators自动绘制（如果调用 cerebro.plot）
  • 操作中的线对象不会被绘制（如close_over_sma = self.data.close > self.sma）如果需要，有一个辅助LinePlotterIndicator工具可以使用以下方法绘制此类操作：
close_over_sma = self.data.close > self.sma
LinePlotterIndicator(close_over_sma, name='Close_over_SMA')
  • 该name参数为该指标持有的单行命名。

控制绘图

在开发过程中可以添加Indicator一个声明。plotinfo它可以是元组的元组（2 个元素）、adict或 an OrderedDict。看起来像：

class MyIndicator(bt.Indicator):

    ....
    plotinfo = dict(subplot=False)
    ....

稍后可以按如下方式访问（和设置）该值（如果需要）：

myind = MyIndicator(self.data, someparam=value)
myind.plotinfo.subplot = True

该值甚至可以在实例化期间设置：

myind = MyIndicator(self.data, someparams=value, subplot=True)

将subplot=True传递给指标的（在幕后）实例化成员变量plotinfo。

提供以下plotinfo参数来控制绘图行为：

  • plot（默认True）是否要绘制指标
  • subplot（默认True）是否在不同的窗口中绘制指标。对于移动平均线等指标，默认更改为False
  • plotname（默认''）设置要在绘图上显示的绘图名称。空值表示class.__name__将使用指标 ( ) 的规范名称。这有一些限制，因为 Python 标识符不能使用例如算术运算符。

    像 DI+ 这样的指标将声明如下：

class DIPlus(bt.Indicator):
    plotinfo=dict(plotname='DI+')
  • 让剧情“更精彩”
  • plotabove（默认False）指标通常绘制subplot=True在它们所操作的数据下方（带有 的）。将此设置为True将使指标绘制在数据上方。
  • plotlinelabels（默认False）用于“指标”上的“指标”。如果计算 RSI 的 SimpleMovingAverage，绘图通常会为相应的绘制线显示名称“SimpleMovingAverage”。这是“指标”的名称，而不是实际绘制的线。

    这种默认行为是有意义的，因为用户通常希望看到使用 RSI 创建了 SimpleMovingAverage。

    如果该值设置为TrueSimpleMovingAverage 内的行的实际名称，则将被使用。

  • plotymargin（默认0.0）在指标顶部和底部留下的保证金量 ( 0.15 -> 15%)。有时，matplotlib绘图离轴的顶部/底部太远，可能希望有一个边距
  • plotyticks（默认[]）用于控制绘制的 y 刻度刻度

    如果传递了一个空列表，则会自动计算“y ticks”。对于像随机指标这样的东西，将其设置为众所周知的行业标准可能是有意义的，例如：[20.0, 50.0, 80.0]

    一些指标提供参数，例如upperband和lowerband实际用于操纵 y 刻度

  • plothlines（默认[]）用于控制沿指标轴绘制水平线。

    如果传递一个空列表，则不会绘制水平线。

    对于像随机指标这样的东西，为众所周知的行业标准画线可能是有意义的，例如：[20.0, 80.0]

    一些指标提供参数，例如upperband和lowerband实际用于操纵水平线

  • plotyhlines（默认[]）用于使用单个参数同时控制 plotyticks 和 plothlines。
  • plotforce（默认False）如果由于某种原因您认为某个指标应该在绘图而它没有在绘图……将其设置True为最后的手段。