数据源 - 配置与使用 #

本节介绍 backtrader 中数据源的配置与使用，同时也包含了一些数据访问的技巧。

数据配置 #

在 Backtrader 中，数据源 DataFeed 通过 Celebro 配置。

配置代码：

cerebro = bt.Cerebro()

data = btfeeds.MyFeed(...)
cerebro.adddata(data)
cerebro.addstrategy(MyStrategy, period=30)

通过 cerebro.adddata 将 DataFeed 添加到系统中。我们无需关心系统是如何接收 DataFeed 的。

使用方法 #

策略中，我们通过 self.datas 数组即可访问数据。我们看一个简单示例，如我们实现策略。

示例如下：

class MyStrategy(bt.Strategy):
    params = dict(period=20)

    def __init__(self):
        sma = btind.SimpleMovingAverage(self.datas[0], period=self.params.period)

通过 self.datas[0] 即可访问数据。

示例中有两个注意点：

策略的 __init__ 方法无需接收 *args 或 **kwargs；
self.datas 是一个包含 DataFeed 的数组，至少包含一个数据源，否则会出现异常；

一旦数据源被添加到系统中，我们在策略实现就可以按它们添加的顺序访问到每个数据源。

cerebro.adddata(data0)
cerebro.adddata(data1)

在策略类访问：

self.datas[0] # data0
self.datas[1] # data1

快捷访问 #

数据源也可通过快捷方式轻松访问，self.datas 数组中的每个元素都可以通过自动生成的成员变量进行访问：

对应规则：

self.data 对应的是 self.datas[0]
self.dataX 对应的是 self.datas[X]

示例：

class MyStrategy(bt.Strategy):
    params = dict(period=20)

    def __init__(self):
        sma = btind.SimpleMovingAverage(self.data, period=self.params.period)

示例中的 self.data 是 self.datas[0] 的快捷方式，即访问的就是第一个数据源。如果你添加了多个数据源，就可以通过 self.data1 访问 self.datas[1]，self.data2 访问 self.datas[2]，依次类推。

省略数据源 #

上面的示例还可以进一步简化。

在调用 SimpleMovingAverage 时，我们可以完全省略 self.data，backtrader 会自动选择数据源：

class MyStrategy(bt.Strategy):
    params = dict(period=20)

    def __init__(self):
        sma = btind.SimpleMovingAverage(period=self.params.period)

在这个简化版本中，SimpleMovingAverage 没有显式传递 self.data。

如果省略了 self.data，SimpleMovingAverage 会默认选择第一个数据源（即 self.data 或 self.datas[0]）作为输入。

好的，我将按照步骤来简化表达，这样更清晰易懂：

数据延伸 #

在 Backtrader 中，不仅数据源可以作为输入，指标和计算结果也能作为数据提供给策略。

通过一个示例说明吧。

将数据源作为输入计算指标，如：

sma1 = btind.SimpleMovingAverage(self.datas[0], period=self.p.period1)

self.datas[0] 是第一个数据源，它传递给 SimpleMovingAverage 进行计算。

基于计算出的指标生成新的变量，如：

sma2 = btind.SimpleMovingAverage(sma1, period=self.p.period2)

还可以在指标之间进行运算，将操作结果作为新的变量：

 diff = sma2 - sma1 + self.data.close

操作结果可以像数据源一样传递给下一个指标计算函数：

sma3 = btind.SimpleMovingAverage(diff, period=self.p.period3)
greater = sma3 > sma1
sma4 = btind.SimpleMovingAverage(greater, period=self.p.period4)

如上的步骤中，我们不断将计算的中间结果作为新的数据源，传递给后续指标进一步计算。