量化交易学习（十一）backtrader基本概念5

发表于 分类于

今天这篇是backtrader文档的学习笔记。主要介绍了backtrader线的概念。

官方文档链接：https://www.backtrader.com/docu/concepts

例子中的代码都需要导入以下库：

1
2
3
4
5
6
# 导入backtrader
import backtrader as bt
# 导入指标库
import backtrader.indicators as btind
# 导入数据源库
import backtrader.feeds as btfeeds

线（Lines）的延迟索引

[]操作符用于在next回调中获取数据值。线（Lines）对象还支持在init阶段通过延迟索引的线对象来获取数据。

现在想象这样一个策略逻辑，我们想把前一天的收盘价与均线的实际值作比较。我们不用每次在next函数中手工计算，直接生成一个预先准备好的线对象就可以了：

1
2
3
4
5
6
7
8
9
10
11
class MyStrategy(bt.Strategy):
    params = dict(period=20)

    def __init__(self):

        self.movav = btind.SimpleMovingAverage(self.data, period=self.p.period)
        self.cmpval = self.data.close(-1) > self.sma

    def next(self):
        if self.cmpval[0]:
            print('Previous close is higher than the moving average')

在__init__函数中，线（Lines）对象使用(delay)的写法生成延迟索引的线对象副本：

  • self.data.close(-1)创建了一个close线延迟一天的副本
  • 在比较self.data.close(-1) > self.sma时又生成了另一个返回布尔值的线对象

线的耦合

()操作符可以像上面那样通过delay值生成一个延迟版本的线对象。如果在使用()操作符时不提供delay值，将返回一个LinesCoupler线对象。这用于建立起与操作不同时间范围数据指标的耦合关系。

不同时间范围的数据源有着不同的长度，对它们操作的指标会复制数据的长度。例如：

  • 日k线数据源一年有250根
  • 周k线数据源一年有52根

假如要比较两条以上面两个数据源为基础均线，直接进行比较就会失败，因为不知道如何将日线与周线数据进行匹配。

对于用户来说，可以通过想象进行日期比较以找出日与周的对应关系，但是：

  • 指标(Indicators)仅仅是数学公式，它不包含日期信息
  • 指标在计算时并不关心环境信息，只要有足够的数据就会进行计算

而()操作符可以解决这个问题：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
class MyStrategy(bt.Strategy):
    params = dict(period=20)

    def __init__(self):

        # data0是日线数据源
        sma0 = btind.SMA(self.data0, period=15)  # 15 days sma
        # data1是周线数据源
        sma1 = btind.SMA(self.data1, period=5)  # 5 weeks sma

        self.buysig = sma0 > sma1()

    def next(self):
        if self.buysig[0]:
            print('daily sma is greater than weekly sma1')

这里较大的时间范围指标 sma1 通过 sma1() 与日线耦合。 这将复制 sma1 生成的值并返回一个与 sma0 兼容的对象，有效地将 52 个周线柱分散到 250 个日柱线中

江达小记