Backtrader 文档学习-Indicators

Backtrader 文档学习-Indicators

Indicators可以在平台中的两个地方使用：

• 策略内
• 指标内

1.指标运行

Indicators在策略中的__init__期间被实例化
Indicators（或派生值）在next中使用
重要的公理需要考虑：
在调用next之前，在__init__中计算声明的任何Indicators(或其派生值)。
下面介绍操作模式的区别。

2. init vs next

工作模式:

• __init__期间涉及lines对象的任何操作都会生成另一个lines对象
• next期间任何涉及lines对象的操作都会产生常规的Python类型，比如floats和bools

3.During init

在__init__的例子：

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

变量hilo_diff保存对lines对象的引用，该对象在调用next之前已预先计算好，可以使用标准数组符号[]来访问 。
hilo_diff包含了数据载入所有bar的高值-低值之间的差异。
当然也可以混合line ，indicator和close混合计算：

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

close_sma_diff 包括line对象 。
使用逻辑操作符：

close_over_sma = self.data.close > sma

生成的lines对象将包含一组布尔值数组。

4.next方法

逻辑操作符：

close_over_sma = self.data.close > self.sma

指定index，等效逻辑数组：

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

close_over_sma产生一个boolen，它是比较两个浮点值的结果，两个浮点值是由应用于self.data.close和self.sma的[0]运算符返回的

5.The init vs next

逻辑简化(以及易用性)是关键。计算和大多数相关的逻辑可以在__init__期间声明，在next期间保持实际的操作逻辑最少。
实际上还有一个好处：速度快(即开头解释的预先计算) ，实际上两者区别就是在init中是一次性计算，在next中，是一个bar一个bar计算。
一个完整buy示例：

class MyStrategy(bt.Strategy):

    def __init__(self):
        sma1 = btind.SimpleMovingAverage(self.data) # indicator对象
        ema1 = btind.ExponentialMovingAverage() # indicator对象

        close_over_sma = self.data.close > sma1 # 逻辑值
        close_over_ema = self.data.close > ema1 #逻辑值
        sma_ema_diff = sma1 - ema1 # 浮点值

        # 三个逻辑值与计算
        buy_sig = bt.And(close_over_sma, close_over_ema, sma_ema_diff > 0)

    def next(self):

        if buy_sig:
            self.buy()

说明：

Python的and运算符不能被重写，BT定义自己的And。同样适用于其他结构，如Or和If

6.说明

在上面的例子中，与其他平台相比，BT简化了两件事:

• 声明的indicator既没有取得父对象参数(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，策略还是会启动indicator计算，任何因为操作而产生的lines对象(比如sma - ema)。
• 正在实例化不带self.data的指数移动平均值 。如果没有传递任何数据，父项的第一个数据(在本例中是正在创建的策略)将在后台自动传递 。

7.indicator绘图

• 默认自动绘制已声明indicator(如果调用了cerebro.plot)
• 操作中的Lines对象不会被打印 ，close_over_SMA 是逻辑对象，非indicator对象。

close_over_SMA = self . data . close > self.SMA)

如果需要绘图，辅助的LinePlotterIndicator方法，绘制非indicator操作:

close_over_sma = self.data.close > self.sma
LinePlotterIndicator(close_over_sma, name=‘Close_over_SMA’)

把close_over_sma转化为name是Close_over_SMA的indicator对象，用于绘图。

8.控制绘图

在开发indicator的过程中，可以添加一个plotinfo声明。它可以是一个元组(2个元素)、dict或OrderDict类型。如下:

class MyIndicator(bt.Indicator):

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

访问和赋值：

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

或者在实例化中赋值：

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

subplot=True将被传递给indicator的实例化成员变量plotinfo。
plotinfo提供了以下参数来控制打印行为:

• plot (default: True) 是否要绘制指示器
• subplot (default: True) 是否在不同的窗口中绘制指标。对于移动平均线之类的指标，默认值被改为False
• plotname (default: ‘’) 设置要在绘图上显示的绘图名称。空值表示指示器的规范名称(类。name)将被使用。有命名限制，因为Python标识符不能使用算术运算符。如命名DI+ ，是不合法的：

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

• plotabove (default: False) indicator通常绘制在它们所操作的数据下方(子图=True的指标)。将此项设置为True将使indicator绘制在数据上方。
• plotlinelabels (default: False)
  意为“指标”上的“指标”。如果计算RSI的SMA，绘图通常会显示相应绘图线的名称SMA。是indicator的名称，而不是实际绘制的线，实际绘制的线是RSI的SMA。
  默认行为的意义是因为用户通常希望看到使用RSI创建了一个SMA。
  如果该值设置为True，将使用SMA中的实际名称。
• plotymargin (default: 0.0)
  indicator顶部和底部的边距量(0.15 -> 15%)。有时matplotlib图离轴的顶部/底部太远，需要控制顶部/底部的边距 。
  -plotyticks (default: [])
  用于控制绘制的y标尺刻度
  如果传递了一个空列表，将自动计算“y刻度”。对于像Stochastic 指标，将其设置为众所周知的行业标准可能是有意义的，比如:[20.0，50.0，80.0]
  指示器提供了参数，如上限和下限，参数实际上用于操作y刻度
• plothlines (default: [])
  用于控制沿indicator轴绘制水平线。
  如果传递的是空列表，则不会绘制水平线。
  对于像随机指标，为众所周知的行业标准画线可能是有意义的，比如:[20.0，80.0]
  indicator提供参数，例如上带和下带，参数实际上用于控制水平线
• plotyhlines (default: [])用于使用单个参数同时控制plotyticks和plothlines。
• plotforce (default: False)如果出于某种原因，需要indicator应该绘图，但它没有绘图，没有设置为真，作为最后的强制绘图手段。