量化交易学习（三十三）backtrader文档——指标的使用

发表于 分类于

今天这篇是backtrader文档的学习笔记。主要介绍了指标的概念。

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

使用指标

指标可以在平台的两个地方使用：

  • 策略内部
  • 其他指标内部

指标的行为

  1. 指标始终在策略类的__init__中实例化
  2. 指标值（或其派生值）在next方法中被使用/查看

有一个重要的公理需要注意：

  • 任何在__init__期间声明的 Indicator（或其派生类）都将在调用next方法之前预先计算。

init VS next

具体细节如下：

  • 在__init__方法中任何涉及线对象的操作都会生成另一个线对象
  • 在next方法中任何涉及line对象的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__期间运算示例：

1
hilo_diff = self.data.high - self.data.low

变量hilo_diff保存对线对象的引用，该对象在next调用之前预先计算，并且可以使用标准数组表示法通过[]来访问。

显然，它确实包含数据源的每个bar的最高点和最低点之差。

当混合简单的线对象（如 self.data 数据源中的行）和复杂的线对象（如指标）时也适用：

1
2
sma = bt.SimpleMovingAverage(self.data.close)
close_sma_diff = self.data.close - sma

现在close_sma_diff也包含了一个线对象。

使用逻辑运算符：

1
close_over_sma = self.data.close > sma

现在生成的线条对象将包含一个布尔数组。

在next期间

运算示例（逻辑运算符）：

1
close_over_sma = self.data.close > self.sma

使用等效数组（基于索引 0 的表示法）：

1
close_over_sma = self.data.close[0] > self.sma[0]

在这个例子中，close_over_sma产生一个布尔值，它是两个浮点值比较的结果，该值是由[0]操作符应用于self.data.close和self.sma返回的值

__init__与next方法为什么这样实现

逻辑简化（以及易用性）是关键。计算及大多数相关逻辑可以在__init__期间声明，从而在next中精简实际操作逻辑的代码。

实际上还有一个附带的好处：速度（在开头解释过，可以在使用前预先计算）

一个完整的示例，在以__init__期间生成买入信号：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
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：因为Python 的and运算符无法被覆盖，backtrader定义了自己的And. 这同样适用于其他逻辑运算符，如Or和If

显然，在__init__期间的“声明式”方法可以将next方法（实际策略工作发生的地方）中的代码膨胀保持在最低限度。

注意：当逻辑变得非常复杂并涉及多个运算时，通常最好将其封装在Indicator.

一些笔记

在上面的示例中，与其他平台相比，backtrader把两件事做了简化：

  • 声明Indicators既不获取父参数（如创建它们的策略），也不调用任何类型的“注册”方法/函数。

策略将启动Indicators的计算以及由于运算而生成的任何线对象（例如sma - ema）

  • ExponentialMovingAverage被实例化时不需要self.data参数

这是故意这样写的。如果没有传递data参数，则父级的第一个数据（在本例中是正在创建的策略）将在后台自动传递。

指标绘图

首先也是最重要的：

  • 声明的Indicators将自动绘制（如果在主程序中调用了 cerebro.plot的话）

  • 进行运算的线对象不会被绘制（例如close_over_sma = self.data.close > self.sma）

如果需要，有一个辅助类LinePlotterIndicator可以通过以下方法绘制此类运算结果：

1
2
close_over_sma = self.data.close > self.sma
LinePlotterIndicator(close_over_sma, name='Close_over_SMA')

name参数为该指标所持有的单个线提供名称。

控制绘图

在Indicator开发过程中可以添加plotinfo声明。它可以是元组的元组（2 个元素）、dict或OrderedDict。看起来像：

1
2
3
4
5
class MyIndicator(bt.Indicator):

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

稍后可以按如下方式访问（和设置）该值（如果需要）：

1
2
myind = MyIndicator(self.data, someparam=value)
myind.plotinfo.subplot = True

该值甚至可以在实例化期间设置：

1
myind = MyIndicator(self.data, someparams=value, subplot=True)

subplot=True将（在幕后）被传递给指标的实例化成员变量plotinfo。

plotinfo提供以下参数来控制绘图行为：

  • plot（默认：True）是否绘制指标
  • subplot（默认：True）

是否在不同的窗口中绘制指标。对于移动平均线等指标，默认值为False

  • plotname（默认：‘’）

设置要在绘图上显示的绘图名称。为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 标识符不能使用算术运算符等。

像 DI+ 这样的指标将声明如下：

1
2
class DIPlus(bt.Indicator):
    plotinfo=dict(plotname='DI+')

能让作出来的图“更好看”

  • plotabove（默认：False）

指标通常绘制在它们所操作的数据下方（带有subplot=True的）。将其设置为True将使指标绘制在数据上方。

  • plotlinelabels（默认：False）

意思是“指标”上的“指标”。如果有人计算 RSI 的 SimpleMovingAverage，作出的图通常会显示相应绘制线的名称“SimpleMovingAverage”。这是“指标”的名称，而不是绘制的实际线条的名称。

此默认行为是有意义的，因为用户通常希望看到已使用 RSI 创建了 SimpleMovingAverage。

如果该值设置为True则将使用 SimpleMovingAverage 内部的实际线名称。

  • plotymargin（默认：0.0）

指标顶部和底部留出的边缘大小 ( 0.15 表示 15%)。有时，matplotlib绘图距离轴的顶部/底部太远，可能需要留出边距

  • plotyticks（默认：[]）

用于控制绘制的y轴的刻度

如果传递空列表，将自动计算“y 刻度”。对于像随机指标这样的指标，将其设置为众所周知的行业标准可能是有意义的，例如：[20.0, 50.0, 80.0]

一些指标提供类似 upperband 和 lowerband 这样的参数，这些参数实际上用于操纵 y 刻度

  • plothlines（默认：[]）

用于控制沿指示器轴绘制水平线。

如果传递空列表，则不会绘制水平线。

对于像随机指标这样的指标，根据众所周知的行业标准绘制界限可能是有意义的，例如：[20.0, 80.0]

一些指标提供类似 upperband 和 lowerband 的参数，这些参数实际上用于操纵水平线

  • plotyhlines（默认：[]）

用于使用单个参数同时控制绘图刻度和绘图线。

  • plotforce（默认：False）

如果出于某种原因，您认为某个指标应该绘制，但它没有绘制……将此设置为True是最后的手段。

这一篇就到这里啦。欢迎大家点赞、转发、私信。还没有关注我的朋友可以关注 江达小记

江达小记