量化交易学习（三十四）backtrader文档——指标的开发

发表于 分类于

今天这篇是backtrader文档的学习笔记。主要介绍了怎样开发指标。

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

指标开发

如果必须开发任何东西（除了一个或多个获胜策略之外），那么这个东西就是自定义指标。

自定义指标的开发要做以下事情：

  • 从 Indicator 派生的类（直接派生或从现有子类派生）

  • 定义它将持有的线对象

指标必须至少有 1 条线。如果从现有线对象派生，则线对象可能已经定义

  • 可以选择定义改变指标行为的参数

  • 可选择提供/定制一些能够合理绘制指标的元素

  • 在__init__中完全定义一个绑定（赋值）了指标类中行对象的运算，或者定义next及once（可选）方法

如果指标可以在初始化期间用逻辑/算术运算完全定义，并将结果分配给线对象。

如果不是这种情况，则必须定义一个next方法，给线对象索引为 0 处赋值

通过定义once方法可以实现runonce模式（批量操作）计算的优化。

重要注意事项：幂等性

指标为它们收到的每个柱数据产生一个输出。无需假设同一个柱数据将被发送多少次。操作必须是幂等的。

这背后的理由：

  • 同一个柱（按索引）可以多次发送，并且值不断变化（即变化的值是收盘价）

例如，这使得能够“重放”每日走势，但可使用由 5 分钟柱线组成的日内数据。

它还可以让平台从实时数据源中获取数据。

模拟的（作为演示的）指标

那么是否可以是：

1
2
3
4
5
6
7
class DummyInd(bt.Indicator):
    lines = ('dummyline',)

    params = (('value', 5),)

    def __init__(self):
        self.lines.dummyline = bt.Max(0.0, self.params.value)

完毕！该指标将始终输出相同的值：如果恰好大于 0.0，则为self.params.value否则为 0.0。

相同的指标通过next方法实现：

1
2
3
4
5
6
7
class DummyInd(bt.Indicator):
    lines = ('dummyline',)

    params = (('value', 5),)

    def next(self):
        self.lines.dummyline[0] = max(0.0, self.params.value)

完毕！它们能实现同样的操作。

注意：请注意在__init__版本中如何将bt.Max赋值给 Line 对象self.lines.dummyline。

bt.Max返回一个线对象，该对象会自动迭代传递给指标的每个bar。

如果改为使用python标准的max函数，则赋值将毫无意义，因为指标将具有一个具有固定值的成员变量，而不是一条线。

在next方法执行期间直接使用python标准内置的max函数比较浮点值

让我们回想一下，self.lines.dummyline是一个很长的符号，它可以缩短为：

  • self.l.dummyline
    甚至：
  • self.dummyline

仅当代码未使用成员属性掩盖时，后者才可能实现。

第三个也是最后一个版本提供了一种额外的once方法来优化计算：

1
2
3
4
5
6
7
8
9
10
11
12
13
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)

这样写更有效，但开发once方法不得不触及底层细节。

无论如何，__init__版本是最好的：

  • 一切都在初始化函数中完成
  • next和once（都经过优化，因为bt.Max已经有了它们）自动提供，无需使用索引和/或式子

如果开发需要，该指标还可以重写与next和once相关的方法：

  • prenext和nexstart
  • preonce和oncestart

手动/自动最短周期

如果可能，平台会计算它，但可能需要手动操作。

这是简单移动平均线的潜在实现：

1
2
3
4
5
6
7
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

虽然听起来不错，但即使参数被命名为“period”，平台也不知道最小周期是多少（该名称可能会产生误导，并且某些指标会收到多个具有不同用途的“period”）

在这种情况下，第一个bar之后会调用next方法，并且所有事情都无法正常开展，因为 get 无法返回所需的self.p.period。

在解决问题之前，必须考虑一些事情：

  • 传递给指标的数据馈送可能已经带有最小周期

SimpleMovingAverage可以这样实现：

  • 一个有规律的数据源

默认最小周期为 1（只需等待第一个柱进入系统）

  • 另一个移动平均线…而这又已经有一个周期

如果它的周期是 20，并且我们的例子中移动平均线周期也是 20，那么我们最终得到的最小周期为 40 个柱

实际上，内部计算显示为 39……因为一旦第一个移动平均线生成了一根柱线，它就计入下一个移动平均线，从而创建了一个重叠的柱线，因此需要 39 个bar。

  • 其他的指标/对象也会带有周期。

缓解这种情况的方法如下：

1
2
3
4
5
6
7
8
9
10
class SimpleMovingAverage1(Indicator):
    lines = ('sma',)
    params = (('period', 20),)

    def __init__(self):
        self.addminperiod(self.params.period)

    def next(self):
        datasum = math.fsum(self.data.get(size=self.p.period))
        self.lines.sma[0] = datasum / self.p.period

addminperiod方法告诉系统考虑该指标所需的额外周期柱，以考虑可能存在的最小周期。

有时不需要这样做，如果所有计算都是使用已经向系统传达其周期需求的对象完成的。

使用直方图快速实现MACD ：

1
2
3
4
5
6
7
8
9
10
11
12
from backtrader.indicators import EMA

class MACD(Indicator):
    lines = ('macd', 'signal', 'histo',)
    params = (('period_me1', 12), ('period_me2', 26), ('period_signal', 9),)

    def __init__(self):
        me1 = EMA(self.data, period=self.p.period_me1)
        me2 = EMA(self.data, period=self.p.period_me2)
        self.l.macd = me1 - me2
        self.l.signal = EMA(self.l.macd, period=self.p.period_signal)
        self.l.histo = self.l.macd - self.l.signal

完毕！无需考虑最小周期。

  • EMA代表指数移动平均线（平台内置别名）

这个（已经在平台中）已经说明了它需要什么

  • 指标“macd”和“signal”的命名线正在被赋值给已经带有声明的（幕后）周期的对象

    • macd 从“me1 - me2”中获取周期，该操作从 me1 和 me2 的周期中获取最大值（它们都是具有不同周期的指数移动平均线）

    • singal 直接采用 macd 的指数移动平均线的周期。该 EMA 还考虑了已经存在的 macd 周期和计算自身所需的样本量 (period_signal)

    • histo 取两个操作数“signal - macd”中的最大值。一旦两者都准备好了，histo 也可以产生一个值

完整的自定义指标

让我们开发一个简单的自定义指标，它“指示”移动平均线（可以使用参数修改）是否高于给定数据：

1
2
3
4
5
6
7
8
9
10
import backtrader as bt
import backtrader.indicators as btind

class OverUnderMovAv(bt.Indicator):
    lines = ('overunder',)
    params = dict(period=20, movav=btind.MovAv.Simple)

    def __init__(self):
        movav = self.p.movav(self.data, period=self.p.period)
        self.l.overunder = bt.Cmp(movav, self.data)

完毕！如果平均值高于数据，则该指标的值为“1”；如果低于数据，则该指标的值为“-1”。

可以再添加一些画图参数，作图：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
import backtrader as bt
import backtrader.indicators as btind

class OverUnderMovAv(bt.Indicator):
    lines = ('overunder',)
    params = dict(period=20, movav=bt.ind.MovAv.Simple)

    plotinfo = dict(
        # Add extra margins above and below the 1s and -1s
        plotymargin=0.15,

        # Plot a reference horizontal line at 1.0 and -1.0
        plothlines=[1.0, -1.0],

        # Simplify the y scale to 1.0 and -1.0
        plotyticks=[1.0, -1.0])

    # Plot the line "overunder" (the only one) with dash style
    # ls stands for linestyle and is directly passed to matplotlib
    plotlines = dict(overunder=dict(ls='--'))

    def _plotlabel(self):
        # This method returns a list of labels that will be displayed
        # behind the name of the indicator on the plot

        # The period must always be there
        plabels = [self.p.period]

        # Put only the moving average if it's not the default one
        plabels += [self.p.movav] * self.p.notdefault('movav')

        return plabels

    def __init__(self):
        movav = self.p.movav(self.data, period=self.p.period)
        self.l.overunder = bt.Cmp(movav, self.data)

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