在指标中混合时间框架

原文： https://www.backtrader.com/blog/posts/2016-05-05-indicators-mixing-timeframes/indicators-mixing-timeframes/

1.3.0.92 版提出了将来自不同时间段的数据（来自数据源和/或指标）混合的可能性。

发布日期：https://github.com/mementum/backtrader/releases/tag/1.3.0.92

背景：指示器是智能哑对象。

• 他们很聪明，因为他们可以进行复杂的计算。

• 他们之所以愚蠢，是因为他们不知道是什么来源为计算提供了数据

像这样的：

• 如果提供数值的数据源在Cerebro引擎内具有不同的时间段、不同的长度，则指示器将断开。

计算示例，其中data0的时间段为天，data1的时间段为months：

pivotpoint = btind.PivotPoint(self.data1)
sellsignal = self.data0.close < pivotpoint.s1 

在这里，当收盘价低于s1线（1^st支撑时，寻求卖出信号

笔记

根据定义，PivotPoint在更大的时间范围内工作

这将在过去导致以下错误：

return self.array[self.idx + ago]
IndexError: array index out of range 

还有一个很好的理由：self.data.close提供了从^st瞬间开始的值，但PivotPoint（以及s1行）只会在整月过去后提供一次值，大约相当于self.data0.close的 22 个值。在此 22关闭期间，s1还没有一个值，尝试从基础阵列获取它失败。

行对象支持()操作符（Python中的__call__特殊方法）来传递自身的延迟版本：

close1 = self.data.close(-1) 

在本例中，对象close1（通过[0]访问时）始终包含close传递的先前值（-1。该语法已被重用，以适应适应时间范围。让我们重写上面的pivotpoint片段：

pivotpoint = btind.PivotPoint(self.data1)
sellsignal = self.data0.close < pivotpoint.s1() 

查看如何在没有参数的情况下执行()（在后台提供了一个None）。发生了以下情况：

pivotpoint.s1()正在返回一个内部LinesCoupler对象，该对象遵循较大范围的规则。此耦合器使用实际s1的最新传递值填充自身（从默认值NaN开始）

但是需要一些额外的东西才能让魔法发挥作用。Cerebro必须通过以下方式创建：

cerebro = bt.Cerebro(runonce=False) 

或通过以下方式执行：

cerebro.run(runonce=False) 

在该模式下，指示器和后期评估的自动行对象是逐步执行的，而不是紧密循环。这使整个操作变慢，但它使成为可能

底部的示例脚本在上面中断，现在运行：

$ ./mixing-timeframes.py 

输出：

0021,0021,0001,2005-01-31,2984.75,2935.96,0.00
0022,0022,0001,2005-02-01,3008.85,2935.96,0.00
...
0073,0073,0003,2005-04-15,3013.89,3010.76,0.00
0074,0074,0003,2005-04-18,2947.79,3010.76,1.00
... 

在交易 74 时，close < s1的第 1^个实例起作用。

该脚本还提供了对附加可能性的深入了解：耦合指示器的所有行。在我们之前：

self.sellsignal = self.data0.close < pp.s1() 

作为替代方案：

pp1 = pp()
self.sellsignal = self.data0.close < pp1.s1 

现在整个PivotPoint指示器已经耦合，可以访问其任何线路（即p、r1、r2、s1、s2）。脚本只对s1感兴趣，访问是直接的：

$ ./mixing-timeframes.py --multi 

输出：

0021,0021,0001,2005-01-31,2984.75,2935.96,0.00
0022,0022,0001,2005-02-01,3008.85,2935.96,0.00
...
0073,0073,0003,2005-04-15,3013.89,3010.76,0.00
0074,0074,0003,2005-04-18,2947.79,3010.76,1.00
... 

这一点也不奇怪。和以前一样。甚至可以绘制“耦合”对象：

$ ./mixing-timeframes.py --multi --plot 

全耦合语法

对于具有多行的行对象（例如指示器如PivotPoint：

• obj(clockref=None, line=-1)

  • clockref如果clockref是None，则周围对象（在示例 aStrategy中）将作为参考，以适应较大的时间段（例如：Months）以适应较小/较快的时间段（例如：Days）

  如果愿意，可以使用另一个参考

  line

  ``py - If the default-1` is given, all lines are coupled.

  • If another integer (for example, 0 or 1) a single line will be coupled and fetched by index (from obj.lines[x])

  • If a string is passed, the line will be fetched by name.

  In the sample the following could have been done:

  coupled_s1 = pp(line='s1')py ```

对于具有单行的行对象（例如来自指示器PivotPoint的s1行）：

• obj(clockref=None)（见上文clockref）

结论

在常规的()语法中，来自不同时间段的数据可以混合在指标中，始终考虑cerebro需要实例化或使用runonce=False创建。

脚本代码和用法

在backtrader的来源中作为样品提供。用法：

$ ./mixing-timeframes.py --help
usage: mixing-timeframes.py [-h] [--data DATA] [--multi] [--plot]

Sample for pivot point and cross plotting

optional arguments:
  -h, --help   show this help message and exit
  --data DATA  Data to be read in (default: ../../datas/2005-2006-day-001.txt)
  --multi      Couple all lines of the indicator (default: False)
  --plot       Plot the result (default: False) 

守则：

from __future__ import (absolute_import, division, print_function,
                        unicode_literals)

import argparse

import backtrader as bt
import backtrader.feeds as btfeeds
import backtrader.indicators as btind
import backtrader.utils.flushfile

class St(bt.Strategy):
    params = dict(multi=True)

    def __init__(self):
        self.pp = pp = btind.PivotPoint(self.data1)
        pp.plotinfo.plot = False  # deactivate plotting

        if self.p.multi:
            pp1 = pp()  # couple the entire indicators
            self.sellsignal = self.data0.close < pp1.s1
        else:
            self.sellsignal = self.data0.close < pp.s1()

    def next(self):
        txt = ','.join(
            ['%04d' % len(self),
             '%04d' % len(self.data0),
             '%04d' % len(self.data1),
             self.data.datetime.date(0).isoformat(),
             '%.2f' % self.data0.close[0],
             '%.2f' % self.pp.s1[0],
             '%.2f' % self.sellsignal[0]])

        print(txt)

def runstrat():
    args = parse_args()

    cerebro = bt.Cerebro()
    data = btfeeds.BacktraderCSVData(dataname=args.data)
    cerebro.adddata(data)
    cerebro.resampledata(data, timeframe=bt.TimeFrame.Months)

    cerebro.addstrategy(St, multi=args.multi)

    cerebro.run(stdstats=False, runonce=False)
    if args.plot:
        cerebro.plot(style='bar')

def parse_args():
    parser = argparse.ArgumentParser(
        formatter_class=argparse.ArgumentDefaultsHelpFormatter,
        description='Sample for pivot point and cross plotting')

    parser.add_argument('--data', required=False,
                        default='../../datas/2005-2006-day-001.txt',
                        help='Data to be read in')

    parser.add_argument('--multi', required=False, action='store_true',
                        help='Couple all lines of the indicator')

    parser.add_argument('--plot', required=False, action='store_true',
                        help=('Plot the result'))

    return parser.parse_args()

if __name__ == '__main__':
    runstrat() 

---

我们一直在努力

apachecn/AiLearning

---