Skip to content

使用指标

原文： https://www.backtrader.com/docu/induse/

指示器可在平台的两个位置使用：

  • 内部战略

  • 内部其他指标

行动中的指标

  1. 指标总是在策略的__init__期间实例化

  2. 在next期间使用/检查指标值（或其衍生值）

有一个重要的公理需要考虑：

  • 在__init__期间声明的任何Indicator（或其派生值）将在调用next之前进行预计算。

让我们来看看不同的操作模式。

__init__vsnext

事情是这样的：

  • 在__init__期间涉及行对象的任何操作都会生成另一个行对象

  • 在next期间，任何涉及行对象的操作都会生成常规 Python 类型，如 float 和 bools。

在__init__期间

__init__期间的操作示例：

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

变量hilo_diff保存对行对象的引用，该对象在调用next之前已预先计算，可以使用标准数组符号[]访问

它显然包含了每个数据条的高电平和低电平之间的差异。

当混合使用简单的行（如 self.data 提要中的行）和复杂的行行（如指示器：

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

现在close_sma_diff再次包含一个行对象。

使用逻辑运算符：

close_over_sma = self.data.close > sma

现在生成的行对象将包含一个布尔数组。

在next期间

操作示例（逻辑运算符）：

close_over_sma = self.data.close > self.sma

使用等效数组（基于索引 0 的表示法）：

close_over_sma = self.data.close[0] > self.sma[0]

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__对next为什么

逻辑简化（及其易用性）是关键。可以在__init__期间声明计算和大部分相关逻辑，并在next期间将实际操作逻辑保持在最小值。

实际上还有一个副作用：速度（由于前面解释的预计算）

在__init__期间生成购买信号的完整示例：

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()

笔记

Python 的and操作符不能被重写，迫使平台定义自己的And。这同样适用于其他构造，如Or和If

显然，在__init__期间的“声明式”方法将next（实际策略工作发生的地方）的膨胀保持在最低限度。

（别忘了还有一个加速因素）

笔记

当逻辑变得非常复杂并涉及多个操作时，通常最好将其封装在Indicator中。

一些注释

在上述示例中，与其他平台相比，backtrader中简化了两件事：

  • 声明的Indicators既没有得到父参数（如创建它们的策略），也没有调用任何类型的“寄存器”方法/函数。

    尽管如此，该策略仍会触发对Indicators和任何行对象（如sma - ema等）的计算

  • ExponentialMovingAverage正在实例化，没有self.data

    这是故意的。如果没有通过data，则父（本例中为正在创建的策略）的 1st数据将在后台自动传递

指示标绘

首先，也是最重要的：

  • 已声明的Indicators自动绘制（如果调用了脑波图）

  • 操作中的行对象不会被打印（如close_over_sma = self.data.close > self.sma）

    有一个辅助LinePlotterIndicator，如果需要，可通过以下方法绘制此类操作：

    py close_over_sma = self.data.close > self.sma LinePlotterIndicator(close_over_sma, name='Close_over_SMA')

    name参数为该指示器持有的单行命名。

控制标绘

在Indicator的开发过程中，可以添加plotinfo声明。它可以是元组的元组（2 个元素）、一个dict或一个OrderedDict。它看起来像：

class MyIndicator(bt.Indicator):

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

以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)

subplot=True将被传递到指示器的（幕后）指定成员变量plotinfo。

plotinfo提供以下参数来控制打印行为：

  • plot（默认为True）

    是否绘制指示器

  • subplot（默认为True）

    是否在其他窗口中绘制指示器。对于移动平均线等指标，默认值更改为False

  • plotname（默认为''）

    设置要在打印上显示的打印名称。空值表示将使用指示符的规范名称（class.__name__。这有一些限制，因为 Python 标识符不能使用例如算术运算符。

    类似 DI+的指标将声明如下：

    py class DIPlus(bt.Indicator): plotinfo=dict(plotname='DI+')

    让情节“更美好”

  • plotabove（默认为False）

    指标通常在其操作数据下方绘制（带有subplot=True的指标）。将此设置为True将使指示器标绘在数据上方。

  • plotlinelabels（默认为False）

    用于“指标”上的“指标”。如果计算 RSI 的 SimpleMovingAverage，则绘图通常会显示相应绘图线的名称“SimpleMovingAverage”。这是“指示器”的名称，而不是正在绘制的实际线。

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

    如果该值设置为True，则将使用 SimpleMovingAverage 内的行的实际名称。

  • plotymargin（默认为0.0）

    指标顶部和底部留下的保证金金额（0.15->15%）。有时matplotlib图太过靠近轴的顶部/底部，可能需要留一个边距

  • plotyticks（默认为[]）

    用于控制绘制的 y 比例记号

    如果传递的是空列表，“y 记号”将自动计算。对于随机变量，将其设置为众所周知的行业标准（如：[20.0, 50.0, 80.0]可能是有意义的

    一些指示器提供了upperband和lowerband等参数，这些参数实际上用于操纵 y 记号

  • plothlines（默认为[]）

    用于控制沿指示器轴绘制水平线。

    如果传递空列表，则不会绘制水平线。

    对于像随机变量这样的东西，为众所周知的行业标准划一条线可能是有意义的，比如：[20.0, 80.0]

    一些指示器提供了upperband和lowerband等参数，实际用于操纵水平线

  • plotyhlines（默认为[]）

    用于使用单个参数同时控制 PlotyTrack 和 Plothline。

  • plotforce（默认为False）

    如果出于某种原因，您认为某个指示器应该正在绘制，但它没有绘制……将其设置为True作为最后手段。

我们一直在努力

apachecn/AiLearning

【布客】中文翻译组