使用指标 #

指标可以在平台中的两个地方使用：

• 策略内部
• 其他指标内部

指标在操作中的使用 #

在策略中，指标总是在 __init__ 中实例化。在 next 中使用/检查指标值（或派生值）。有一个重要的公理需要考虑：在 __init__ 中声明的任何指标（或派生值）将在调用 next 之前预先计算。

让我们了解操作模式的差异。

__init__ vs next #

在 __init__ 中涉及到线条对象的任何操作都会生成另一个线条对象。在 next 中涉及到线条对象的任何操作都会生成常规的 Python 类型，如浮点数和布尔值。

如 __init__ 中的一个操作：

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

变量 hilo_diff 持有一个线条对象的引用，该对象在调用 next 之前预先计算，可以使用标准数组表示法 [] 访问。

它显然包含了数据源中每个条的高低差值。

这在混合简单线条（如 self.data 数据源中的线条）和复杂线条（如指标）时也有效：

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

现在 close_sma_diff 再次包含一个线条对象。

使用逻辑运算符：

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 中，一个操作（逻辑运算符）：

close_over_sma = self.data.close > self.sma

使用等效数组（基于索引 0 的表示法）：

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

在这种情况下，close_over_sma 生成一个布尔值，这是比较两个浮点值的结果，这些值由应用于 self.data.close 和 self.sma 的 [0] 运算符返回。

为什么选择 __init__ vs next #

逻辑简化（以及易用性）是关键。可以在 __init__ 中声明计算和大部分相关逻辑，将实际操作逻辑保持在 next 中的最小化。

实际上还有一个附带好处：速度（由于开始时的预计算）。

一个完整的示例，在 __init__ 中生成一个买入信号：

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： Python 的 and 运算符无法被重载，迫使平台定义其自己的 And。同样适用于其他构造如 Or 和 If。

显然，“声明式”方法在 __init__ 期间保持 next（实际策略工作发生的地方）的膨胀最小化。不要忘记，这也有一个加速因素。

注意： 当逻辑变得非常复杂并涉及多个操作时，通常最好将其封装在一个指标内。

一些注意事项 #

在上述示例中，与其他平台相比，backtrader 已简化了两件事：

声明的指标既不获取父参数（如它们被创建的策略），也没有调用任何类型的“注册”方法/函数。尽管如此，策略会触发指标和任何因操作生成的线条对象的计算（如 sma - ema）。

ExponentialMovingAverage 实例化时没有传入 self.data。这是故意的。如果没有传入数据，父（在本例中是创建它的策略）的第一个数据将在后台自动传递。

指标绘图 #

首先也是最重要的：声明的指标会自动绘制（如果调用了 cerebro.plot）。操作生成的线条对象不会绘制（如 close_over_sma = self.data.close > self.sma）。

有一个辅助的 LinePlotterIndicator 可以绘制这些操作，如果需要可以使用以下方法：

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

name 参数为此指标持有的单行命名。

控制绘图 #

在开发指标期间，可以添加一个 plotinfo 声明。它可以是一个包含两元素的元组的元组、一个字典或一个有序字典。看起来像这样：

class MyIndicator(bt.Indicator):
    ...
    plotinfo = dict(subplot=False)
    ...

稍后可以访问（并设置）该值（如果需要）：

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

甚至可以在实例化期间设置该值：

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

subplot=True 将传递给指标的（在幕后实例化的）成员变量 plotinfo。

plotinfo 提供以下参数来控制绘图行为：