BackTrader 中文文档（二十四）（2）https://developer.aliyun.com/article/1505446
脚本代码和用法
在backtrader源代码中作为示例提供。用法：
$ ./memory-savings.py --help usage: memory-savings.py [-h] [--data DATA] [--save SAVE] [--datalines] [--lendetails] [--plot] Check Memory Savings optional arguments: -h, --help show this help message and exit --data DATA Data to be read in (default: ../../datas/yhoo-1996-2015.txt) --save SAVE Memory saving level [1, 0, -1, -2] (default: 0) --datalines Print data lines (default: False) --lendetails Print individual items memory usage (default: False) --plot Plot the result (default: False)
代码：
from __future__ import (absolute_import, division, print_function, unicode_literals) import argparse import sys import backtrader as bt import backtrader.feeds as btfeeds import backtrader.indicators as btind import backtrader.utils.flushfile class TestInd(bt.Indicator): lines = ('a', 'b') def __init__(self): self.lines.a = b = self.data.close - self.data.high self.lines.b = btind.SMA(b, period=20) class St(bt.Strategy): params = ( ('datalines', False), ('lendetails', False), ) def __init__(self): btind.SMA() btind.Stochastic() btind.RSI() btind.MACD() btind.CCI() TestInd().plotinfo.plot = False def next(self): if self.p.datalines: txt = ','.join( ['%04d' % len(self), '%04d' % len(self.data0), self.data.datetime.date(0).isoformat()] ) print(txt) def loglendetails(self, msg): if self.p.lendetails: print(msg) def stop(self): super(St, self).stop() tlen = 0 self.loglendetails('-- Evaluating Datas') for i, data in enumerate(self.datas): tdata = 0 for line in data.lines: tdata += len(line.array) tline = len(line.array) tlen += tdata logtxt = '---- Data {} Total Cells {} - Cells per Line {}' self.loglendetails(logtxt.format(i, tdata, tline)) self.loglendetails('-- Evaluating Indicators') for i, ind in enumerate(self.getindicators()): tlen += self.rindicator(ind, i, 0) self.loglendetails('-- Evaluating Observers') for i, obs in enumerate(self.getobservers()): tobs = 0 for line in obs.lines: tobs += len(line.array) tline = len(line.array) tlen += tdata logtxt = '---- Observer {} Total Cells {} - Cells per Line {}' self.loglendetails(logtxt.format(i, tobs, tline)) print('Total memory cells used: {}'.format(tlen)) def rindicator(self, ind, i, deep): tind = 0 for line in ind.lines: tind += len(line.array) tline = len(line.array) thisind = tind tsub = 0 for j, sind in enumerate(ind.getindicators()): tsub += self.rindicator(sind, j, deep + 1) iname = ind.__class__.__name__.split('.')[-1] logtxt = '---- Indicator {}.{} {} Total Cells {} - Cells per line {}' self.loglendetails(logtxt.format(deep, i, iname, tind, tline)) logtxt = '---- SubIndicators Total Cells {}' self.loglendetails(logtxt.format(deep, i, iname, tsub)) return tind + tsub def runstrat(): args = parse_args() cerebro = bt.Cerebro() data = btfeeds.YahooFinanceCSVData(dataname=args.data) cerebro.adddata(data) cerebro.addstrategy( St, datalines=args.datalines, lendetails=args.lendetails) cerebro.run(runonce=False, exactbars=args.save) if args.plot: cerebro.plot(style='bar') def parse_args(): parser = argparse.ArgumentParser( formatter_class=argparse.ArgumentDefaultsHelpFormatter, description='Check Memory Savings') parser.add_argument('--data', required=False, default='../../datas/yhoo-1996-2015.txt', help='Data to be read in') parser.add_argument('--save', required=False, type=int, default=0, help=('Memory saving level [1, 0, -1, -2]')) parser.add_argument('--datalines', required=False, action='store_true', help=('Print data lines')) parser.add_argument('--lendetails', required=False, action='store_true', help=('Print individual items memory usage')) parser.add_argument('--plot', required=False, action='store_true', help=('Plot the result')) return parser.parse_args() if __name__ == '__main__': runstrat()
在指标中混合时间框架
原文：
www.backtrader.com/blog/posts/2016-05-05-indicators-mixing-timeframes/indicators-mixing-timeframes/
发布版本 1.3.0.92 带来了一个新的可能性，可以将来自不同时间框架（数据源和/或指标）的数据混合在一起。
发布版本：github.com/mementum/backtrader/releases/tag/1.3.0.92
背景：指标是聪明的愚蠢对象。
- 它们很聪明，因为它们可以进行复杂的计算。
- 它们很笨，因为它们在不知道为计算提供数据的来源的情况下运行
如下所示：
- 如果提供值的数据源具有不同的时间框架，在
Cerebro引擎中长度不同，那么指标将会破裂。
一个计算的例子，在这个例子中data0的时间框架是天，而data1的时间框架是月：
pivotpoint = btind.PivotPoint(self.data1) sellsignal = self.data0.close < pivotpoint.s1
这里寻找卖出信号，当收盘价低于s1线（第一个支撑位）时
注意
根据定义，PivotPoint在较大的时间框架中运行
这将在过去出现以下错误：
return self.array[self.idx + ago] IndexError: array index out of range
出于一个很好的原因：self.data.close从第一个瞬间提供值，但PivotPoint（因此s1线）只有在整个月份过去后才会提供值，这大约相当于self.data0.close的 22 个值。在这 22 个closes中，还没有s1的值，并且从底层数组中获取它的尝试会失败。
线对象支持()操作符（Python中的__call__特殊方法）以提供其自身的延迟版本：
close1 = self.data.close(-1)
在此示例中，通过[0]访问close1对象始终包含close提供的先前值（-1）。语法已经被重用以适应不同的时间框架。让我们重写上述的pivotpoint片段：
pivotpoint = btind.PivotPoint(self.data1) sellsignal = self.data0.close < pivotpoint.s1()
见如何在不带参数的情况下执行()（在后台提供一个None）。以下是发生的情况：
pivotpoint.s1()返回一个内部的LinesCoupler对象，该对象遵循更大范围的节奏。这个连接器会用来自实际s1的最新值填充自身（从NaN的默认值开始）
但是还需要一些额外的东西来使魔法生效。Cerebro必须使用以下内容创建：
cerebro = bt.Cerebro(runonce=False)
或者使用以下内容执行：
cerebro.run(runonce=False)
在此模式下，指标和延迟评估的自动线对象是逐步执行的，而不是在紧密循环中。这使整个操作变慢，但它使其可能
之前破解的底部示例脚本现在可以运行：
$ ./mixing-timeframes.py
输出为：
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 处，第 1 次发生close < s1。
该脚本还提供了另一个可能性的见解：将指标的所有线连接起来。之前我们有：
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指标已经耦合，并且可以访问其任何线条（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 ...
这里没有什么意外。与以前相同。甚至可以绘制“耦合”对象：
$ ./mixing-timeframes.py --multi --plot
完整的耦合语法
对于具有多个线条的lines对象（例如Indicators如PivotPoint）：
obj(clockref=None, line=-1)
- 如果
clockref为None，则周围的对象（在示例中为Strategy）将是调整较大时间框架（例如：Months）到较小/更快时间框架（例如：Days）的参考
- 如果愿意，可以使用另一个参考。
line
- 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lines对象只有一条线（例如指标PivotPoint的线条s1）：
obj(clockref=None)（参见上面的clockref）
结论
在常规的()语法中，不同时间段的数据可以在指标中混合，始终考虑到需要使用runonce=False来实例化或创建cerebro。
脚本代码和用法
在backtrader的源代码中可用作示例。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)
代码：
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()
枢轴点和交叉绘图
原文：
www.backtrader.com/blog/posts/2016-04-28-pivot-point-cross-plotting/pivotpoint-crossplotting/
注意
这篇文章因历史原因而保留。 该指标和示例已在源中进行了更新，PivotPoint 现在可以自动连接自身，从而为用户代码删除了样板。
一个新的帖子将引用此帖子。 与此同时，请检查来源中的更新示例。
收到了一个有趣的请求：
- PivotPoint
它之所以有趣，是因为指标的定义方式。 文献可在 StockCharts 的 PivotPoint 中找到。 PivotPoints 使用过去时间段的 close、high 和 low 价格。 例如，对于每日时间段：
- 每日图表的枢轴点使用先前月份的数据
这可能看起来很麻烦，因为对于每个时间框架，都需要定义必须使用的其他时间框架。 查看公式会引起另一个问题：
Pivot Point (P) = (High + Low + Close)/3 Support 1 (S1) = (P x 2) - High Support 2 (S2) = P - (High - Low) Resistance 1 (R1) = (P x 2) - Low Resistance 2 (R2) = P + (High - Low)
即使文本充满了对 先前期间 和 过去 … 的引用，但公式似乎是参考当前时刻。 让我们遵循 文本 的建议，在我们首次尝试 PivotPoint 时使用 previous。 但首先，让我们通过这样做来解决不同时间框架的问题：
- 该指标不会解决问题
尽管这可能看起来令人困惑，但必须考虑到 指标 必须尽可能愚蠢，并由实际公式组成。 问题将按以下方式解决：
data = btfeeds.ADataFeed(..., timeframe=bt.TimeFrame.Days) cerebro.adddata(data) cerebro.resampledata(data, timeframe=bt.TimeFrame.Months)
而后在 策略 中：
class MyStrategy(bt.Strategy): def __init__(self): self.pp = PivotPoint(self.data1) # the resampled data
现在清楚了。 该系统将具有数据，再加上额外的输入重采样为所需的时间框架。 PivotPoint 指标将使用已重采样的数据工作，这些数据已处于所需的 每月 时间框架中，以供原始数据时间框架使用，即 每日。
指标可以被开发出来。 让我们从跟随文本指示开始，而不是公式，回望 1 期。
class PivotPoint1(bt.Indicator): lines = ('p', 's1', 's2', 'r1', 'r2',) def __init__(self): h = self.data.high(-1) # previous high l = self.data.low(-1) # previous low c = self.data.close(-1) # previous close self.lines.p = p = (h + l + c) / 3.0 p2 = p * 2.0 self.lines.s1 = p2 - h # (p x 2) - high self.lines.r1 = p2 - l # (p x 2) - low hilo = h - l self.lines.s2 = p - hilo # p - (high - low) self.lines.r2 = p + hilo # p + (high - low)
该策略将查看参数 usepp1 来使用此 PivotPoint1
def __init__(self): if self.p.usepp1: self.pp = PivotPoint1(self.data1) else: self.pp = PivotPoint(self.data1)
输出由一个简单的 next 方法控制
def next(self): txt = ','.join( ['%04d' % len(self), '%04d' % len(self.data0), '%04d' % len(self.data1), self.data.datetime.date(0).isoformat(), '%.2f' % self.pp[0]]) print(txt)
让我们执行：
./ppsample --usepp1
输出如下：
0041,0041,0002,2005-02-28,2962.79 0042,0042,0002,2005-03-01,2962.79 ...
立即清楚的是：索引 41 已经属于第 2 个月。 这意味着我们已经跳过了 1 个月的指标计算。 现在清楚了为什么 StockCharts 中的文本总是提到计算是在前一个 月 进行的，但公式似乎是参考当前时刻。
- 开发人员可能面临相同的设计决策，即多个数据具有多个时间框架。
在当前 每日 点上，只能交付上一个 月 的 关闭 柱。
这就是为什么 next 方法看的是索引 [0]。 所有这些都有一个非常简单的解决方法，那就是按照 StockCharts 记录的方式编写公式。
class PivotPoint(bt.Indicator): lines = ('p', 's1', 's2', 'r1', 'r2',) plotinfo = dict(subplot=False) def __init__(self): h = self.data.high # current high l = self.data.low # current high c = self.data.close # current high self.lines.p = p = (h + l + c) / 3.0 p2 = p * 2.0 self.lines.s1 = p2 - h # (p x 2) - high self.lines.r1 = p2 - l # (p x 2) - low hilo = h - l self.lines.s2 = p - hilo # p - (high - low) self.lines.r2 = p + hilo # p + (high - low)
没有 usepp1 的执行：
./ppsample
新输出如下：
0021,0021,0001,2005-01-31,2962.79 0022,0022,0001,2005-02-01,2962.79 ...
啊哈！第 1 个月有20个交易日，一旦完成，指标就计算出值并可以传送。唯一打印的行是p，如果两行中的值相同，则是因为该值在整个下一个月内保持不变。引用StockCharts：
Once Pivot Points are set, they do not change and remain in play throughout ...
指标已经可以使用。让我们开始绘图吧。绘图参数已经设置好。
plotinfo = dict(subplot=False)
计算出的值与数据比例一致，并且就像移动平均线一样，可以沿着数据绘制（因此subplot=False）
使用--plot进行执行：
./ppsample --plot
惊人的海蜗牛又开始袭击了。该指标已经绘制在月度数据（其源）上，这在日线图上没有任何视觉指示，而在日线图上，它将非常有帮助。
但backtrader支持从一个数据到另一个数据的交叉绘图。虽然需要在1.2.8.88中进行小的添加以支持将数据交叉绘制到不同时间框架的数据上。
这是通过让plotmaster指定绘图目标来实现的，将其添加到指标的plotinfo属性中：
./ppsample --plot --plot-on-daily
现在视觉反馈对于理解PivotPoint正在提供的内容非常有用。
BackTrader 中文文档（二十四）（4）https://developer.aliyun.com/article/1505450
