BackTrader 中文文档（五）(3)

BackTrader 中文文档（五）(2)https://developer.aliyun.com/article/1489255

策略参考

原文：www.backtrader.com/docu/strategy-reference/

内置策略的参考

MA_CrossOver

别名：

* SMA_CrossOver

这是一个仅限开多头的策略，基于移动平均线交叉

注意：

* Although the default

买入逻辑：

* No position is open on the data
* The `fast` moving averagecrosses over the `slow` strategy to the
  upside.

卖出逻辑：

* A position exists on the data
* The `fast` moving average crosses over the `slow` strategy to the
  downside

订单执行类型：

* Market

线：

* datetime

参数：

* fast (10)
* slow (30)
* _movav (<class ‘backtrader.indicators.sma.SMA’>)

SignalStrategy

这个Strategy的子类旨在使用信号自动运行。

信号通常是指标，预期输出值为：

• > 0是一个long指示
  
• < 0是一个short指示
  

有 5 种信号类型，分为 2 组。

主要组：

• LONGSHORT：此信号的long和short指示都会被采纳
  
• LONG：

• long指示被认为是开多头
  
• short指示被认为是用于关闭多头仓位。但是：
  
• 如果系统中存在LONGEXIT（见下文）信号，则会用于退出多头
  
• 如果有SHORT信号可用且没有LONGEXIT可用，则会用于在开启short之前关闭long
  

• SHORT：

• short指示被认为是开空头
  
• long指示被认为是用于关闭空头仓位。但是：
  
• 如果系统中存在SHORTEXIT（见下文）信号，则会用于退出空头
  
• 如果有LONG信号可用且没有SHORTEXIT可用，则会用于在开启long之前关闭short
  

退出组：

这两个信号旨在覆盖其他信号并提供退出long/short仓位的标准。

• LONGEXIT：short指示被认为是用于退出long仓位
  
• SHORTEXIT：long指示被认为是用于退出short仓位
  

订单发出

订单执行类型为Market，有效性为None（直到取消为止）

参数：

• signals（默认：[]）：一个列表/元组的列表/元组，允许实例化信号并分配到正确的类型
  预计通过cerebro.add_signal来管理此参数
  
• _accumulate（默认：False）：允许进入市场（多头/空头），即使已经在市场中
  
• _concurrent（默认：False）：允许即使有订单正在等待执行，也可以发出订单
  
• _data（默认：None）：如果系统中存在多个数据，这是订单的目标。这可以是

• None：系统中的第一个数据将被使用
  
• 一个int：表示在该位置插入的数据
  
• 一个str：在创建数据时给定的名称（参数name）或在使用cerebro.adddata(..., name=)将其添加到 cerebro 时给定的名称
  
• 一个data实例
  

线：

* datetime

参数：

* signals ([])
* _accumulate (False)
* _concurrent (False)
* _data (None)

指标

使用指标

原文：www.backtrader.com/docu/induse/

在平台中，指标可以在两个地方使用：

• 在策略内部
  
• 在其他指标内部
  

指标的作用

1. Indicators始终在Strategy中的__init__期间实例化
   
2. 在next期间使用/检查指标值（或其派生的值）
   

有一个重要的公理需要考虑：

• 在__init__期间声明的任何Indicator（或派生值）将在调用next之前预先计算。

让我们来看一下差异和操作模式。

__init__与next

事情的工作方式如下：

• 在__init__期间涉及lines对象的任何操作都会生成另一个lines对象
  
• 在next期间涉及lines对象的任何操作都会产生常规的 Python 类型，如浮点数和布尔值。
  

在__init__期间

在__init__期间操作的示例：

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

变量hilo_diff保存对在调用next之前预先计算的lines对象的引用，并且可以使用标准数组表示法[]访问

很明显，对于数据源的每个条数据，它包含了高低之间的差异。

这也适用于将简单的lines（如 self.data 数据源中的 lines）与复杂的指标混合使用时：

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

现在close_sma_diff再次包含一个line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（索引从 0 开始的表示法）：

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，该值是通过将self.data.close和self.sma应用到[0]运算符返回的两个浮点值进行比较的结果

__init__与next为什么

逻辑简化（以及随之的易用性）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最小化。

实际上还有一个附加好处：速度（由于在开头解释的预计算）

一个完整的示例，在__init__期间生成一个buy信号：

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()

注意

Python 的and运算符不能被重载，迫使平台定义自己的And。其他构造也是如此，比如Or和If

显然，__init__期间的“声明式”方法将next的膨胀（其中实际策略工作发生）最小化。

（不要忘记还有一个加速因素）

注意

当逻辑变得非常复杂并涉及多个操作时，通常更好的做法是将其封装在一个Indicator内部。

一些注意事项

在上面的示例中，与其他平台相比，backtrader中已经简化了两件事情：

• 声明的Indicators既不会得到一个parent参数（就像它们被创建的策略一样），也不会调用任何类型的“register”方法/函数。
  尽管如此，策略仍将触发 Indicators 的计算和因操作而生成的任何 lines 对象（如 sma - ema）
  
• ExponentialMovingAverage 在没有 self.data 的情况下被实例化
  这是故意的。如果没有传递 data，则将自动传递父级的第一个数据（在本例中，正在创建的策略）
  

指标绘图

首先和最重要的是：

• 声明的 Indicators 将自动绘制（如果调用了 cerebro.plot）
  
• 来自操作的 lines 对象不会被绘制（如 close_over_sma = self.data.close > self.sma）
  如果需要，有一个辅助的 LinePlotterIndicator，它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')` 

• name 参数为此指标持有的 单个 线条命名。

控制绘图

在开发 Indicator 时，可以添加一个 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)
    ....

该值稍后可以按如下方式访问（和设置）（如果需要的话）：

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 将传递给（幕后）实例化的成员变量 plotinfo，用于指标。

plotinfo 提供以下参数来控制绘图行为：

• plot（默认值：True）
  指标是否要绘制或不绘制
  
• subplot（默认值：True）
  是否在不同窗口中绘制指标。对于像移动平均这样的指标，默认值更改为 False
  
• plotname（默认值：''）
  将绘图名称设置为显示在图表上。空值意味着将使用指标的规范名称（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。
  像 DI+ 这样的指标将声明如下：

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

• 使图表“更美观”
• plotabove（默认值：False）
  通常将指标绘制在它们操作的数据下方（那些 subplot=True 的指标）。将此设置为 True 将使指标绘制在数据之上。
  
• plotlinelabels（默认值：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制线的名称“SimpleMovingAverage”。这是“Indicator”的名称，而不是实际绘制的线的名称。
  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。
  如果将值设置为 True，则将使用 SimpleMovingAverage 中线的实际名称。
  
• plotymargin（默认值：0.0）
  要在指标的顶部和底部留下的边距量（0.15 -> 15%）。有时 matplotlib 绘图会延伸到轴的顶部/底部，可能希望有一些边距
  
• plotyticks（默认值：[]）
  用于控制绘制的 y 轴刻度
  如果传递了一个空列表，“y ticks”将自动计算。对于像随机指标这样的指标，将其设置为已知的行业标准可能是有意义的，例如：[20.0, 50.0, 80.0]。
  一些指标提供诸如upperband和lowerband之类的参数，实际上用于操作 y ticks。
  
• plothlines（默认值：[]）
  用于控制沿指标轴绘制水平线。
  如果传递了一个空列表，将不会绘制任何水平线。
  对于像随机指标这样的指标，绘制已知的行业标准线可能是有意义的，例如：[20.0, 80.0]。
  一些指标提供诸如upperband和lowerband之类的参数，实际上用于操作水平线。
  
• plotyhlines（默认值：[]）
  用于同时使用单个参数控制 plotyticks 和 plothlines。
  
• plotforce（默认值：False）
  如果由于某种原因你认为某个指标应该绘制但却没有绘制……将此设置为True作为最后的手段。
  

指标开发

原文：www.backtrader.com/docu/inddev/

如果除了一个或多个获胜策略之外，还必须开发其他内容，则此内容是自定义指标。

根据作者的说法，平台内的这种开发是简单的。

需要以下内容：

• 从指标派生的类（直接或从已经存在的子类）
  
• 定义它将保持的线条
  指标必须至少有一条线。如果是从现有指标派生的，则可能已经定义了线条（们）
  
• 可选地定义可以更改行为的参数
  
• 可选地提供/自定义一些元素，以便合理地绘制指标
  
• 在__init__中提供完全定义的操作，并将其绑定（分配）到指标的线条（们）上，否则提供next和（可选）once方法
  如果可以在初始化期间使用逻辑/算术运算完全定义指标，并将结果分配给线条：完成
  如果不是这种情况，至少必须提供一个next，在该方法中指标必须将一个值分配给索引为 0 的线条（们）
  可以通过提供once方法来实现对runonce模式（批量操作）的计算优化。
  

重要提示：幂等性

指标为它们接收的每个柱状图生成输出。不必假设同一柱状图将被发送多少次。操作必须是幂等的。

其背后的原理是：

• 同一柱状图（索引）可以多次发送，其值会发生变化（即变化的值是收盘价）

这使得例如，“重播”每日会话，但使用可能由 5 分钟柱状图组成的股票数据成为可能。

这也可以使平台从实时数据源获取值。

一个虚拟（但功能性的）指标

所以它可以是：

class DummyInd(bt.Indicator):
    lines = ('dummyline',)
    params = (('value', 5),)
    def __init__(self):
        self.lines.dummyline = bt.Max(0.0, self.params.value)

完成！指标将始终输出相同的值：如果大于 0.0，则为 0.0 或 self.params.value。

相同的指标，但使用了下一个方法：

class DummyInd(bt.Indicator):
    lines = ('dummyline',)
    params = (('value', 5),)
    def next(self):
        self.lines.dummyline[0] = max(0.0, self.params.value)

完成！相同的行为。

注意

注意在__init__版本中如何使用bt.Max将其分配给 Line 对象self.lines.dummyline。

bt.Max返回一个lines对象，该对象会自动为传递给指标的每个柱状图迭代。

如果使用max，则赋值将毫无意义，因为指标将具有具有固定值的成员变量，而不是线条。

在next过程中，直接使用浮点值进行工作，并且可以使用标准的max内置函数

让我们回顾一下self.lines.dummyline是长格式的，可以缩写为：

• self.l.dummyline

甚至可以：

• self.dummyline

后者仅在代码没有将其与成员属性混淆时才可能存在。

第三个版本提供了一个额外的once方法来优化计算：

class DummyInd(bt.Indicator):
    lines = ('dummyline',)
    params = (('value', 5),)
    def next(self):
        self.lines.dummyline[0] = max(0.0, self.params.value)
    def once(self, start, end):
       dummy_array = self.lines.dummyline.array
       for i in xrange(start, end):
           dummy_array[i] = max(0.0, self.params.value)

更有效，但开发once方法已迫使深入挖掘。实际上已经查看了内部情况。

__init__ 版本无论如何都是最好的：

• 一切都限于初始化
  
• next 和 once（都经过优化，因为 bt.Max 已经包含了它们）会自动提供，无需操作索引和/或公式
  

如果需要开发，指标还可以覆盖与 next 和 once 关联的方法：

• prenext 和 nexstart
  
• preonce 和 oncestart
  

手动/自动最小周期

如果可能的话，平台会计算，但可能需要手动操作。

这是一个简单移动平均的潜在实现：

class SimpleMovingAverage1(Indicator):
    lines = ('sma',)
    params = (('period', 20),)
    def next(self):
        datasum = math.fsum(self.data.get(size=self.p.period))
        self.lines.sma[0] = datasum / self.p.period

尽管看起来合理，但平台并不知道最小周期是多少，即使参数被命名为“period”（名称可能会误导，并且一些指标接收到多个具有不同用途的“period”）

在这种情况下，next将被调用，已经为第 1 个柱，一切都将爆炸，因为 get 不能返回所需的 self.p.period。

在解决这种情况之前，必须考虑以下事项：

• 提供给指标的数据源可能已经具有最小周期

例如，可以对样本SimpleMovingAverage进行处理：

• 一个常规数据源
  这有一个默认的最小周期为 1（只需等待进入系统的第 1 个柱形图）
  
• 另一个移动平均……而这又已经有一个周期
  如果这是 20，再次我们的示例移动平均值也是 20，我们最终会得到一个最小周期为 40 个柱的周期
  实际上，内部计算说 39 …… 因为一旦第一个移动平均产生了一个柱，这就计为下一个移动平均，从而创建了一个重叠的柱，因此需要 39 个。
  
• 其他也携带周期的指标/对象
  

BackTrader 中文文档（五）(4)https://developer.aliyun.com/article/1489266