指标开发 #

如果需要开发任何内容（除了一个或多个获胜策略），这个内容就是自定义指标。在平台内开发此类内容很容易。

开发要点：

从 Indicator 类（直接或从现有子类）派生一个类；
定义它将包含的 Line；
一个指标至少要有一条线。如果从现有的类派生，线条可能已经定义好了
可选地定义可以改变行为的参数
可选地提供/自定义一些用于合理绘制指标的元素
在 __init__ 中提供一个完全定义的操作，并绑定（分配）到指标的线条，或者提供 next 方法和（可选的）once 方法

如果一个指标可以在初始化期间通过逻辑/算术操作完全定义，且结果分配给线条：完成。如果情况不是这样，至少要提供一个 next 方法，其中指标必须在索引 0 处分配一个值给线条。可以通过提供 once 方法来优化运行一次模式（批处理操作）的计算。

重要说明：幂等性 #

指标为每个接收到的条生成一个输出。不能假设同一个条会被发送多少次。操作必须是幂等的。

其背后的理由：

同一个条（索引-wise）可以多次发送，并且值会变化（即变化的值是收盘价）
这使得可以“重放”一个日内会话，但使用由 5 分钟条组成的日内数据。

这也允许平台从实时数据源获取值。

一个简单（但功能齐全）的指标 #

可以这样：

class DummyInd(bt.Indicator):
    lines = ('dummyline',)

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

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

完成！

该指标将始终输出相同的值：要么是 0.0，要么是 self.params.value（如果它恰好大于 0.0）。

使用 next 方法的相同指标：

class DummyInd(bt.Indicator):
    lines = ('dummyline',)

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

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

完成！相同行为。

注意： 请注意在 __init__ 版本中，使用 bt.Max 将值分配给线条对象 self.lines.dummyline。 bt.Max 返回一个线条对象，它会为传递给指标的每个条自动迭代。如果使用 max，赋值将毫无意义，因为指标将有一个固定值的成员变量，而不是线条。在 next 期间，直接使用浮点值进行工作，可以使用标准的 max 内置函数。

回顾一下，self.lines.dummyline 是长表示法，可以缩短为：

self.l.dummyline

甚至可以缩短为：

self.dummyline

只有在代码没有用成员属性遮蔽这个变量时，后者才有可能。

第三个也是最后一个版本提供了一个额外的 once 方法来优化计算：

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 range(start, end):
            dummy_array[i] = max(0.0, self.params.value)

更有效，但开发 once 方法迫使深入研究。实际上，已经深入到内部。

__init__ 版本无论如何都是最好的：

所有内容都限制在初始化期间
自动提供 next 和 once（都已优化，因为 bt.Max 已经有它们），无需处理索引和/或公式

如果需要开发，指标也可以覆盖与 next 和 once 相关的方法：

prenext 和 nextstart
preonce 和 oncestart

手动/自动最小周期 #

如果可能，平台将计算它，但可能需要手动操作。

以下是一个简单移动平均线的实现：

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

虽然看起来合理，但平台不知道最小周期是什么，即使参数被命名为“period”（名称可能具有误导性，一些指标接收多个“period”，它们有不同的用途）。

在这种情况下，next 将在第一个条已经进入系统时被调用，并且所有事情都会爆炸，因为 get 不能返回所需的 self.p.period。

在解决情况前，需要考虑：

传递给指标的数据源可能已经携带最小周期。示例 SimpleMovingAverage 可以在以下情况下进行：

常规数据源：默认最小周期为 1（只等待进入系统的第一个条）。
另一个移动平均线：它已经有一个周期。如果是 20，再次我们的示例移动平均线也是 20，我们最终得到的最小周期是 40 条。

实际上，内部计算说是 39……因为一旦第一个移动平均线生成了一个条，这个条将计入下一个移动平均线，这就创建了一个重叠条，因此需要 39。其他指标/对象也携带周期。

缓解情况如下：

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条，无论现有的最小周期是什么。有时这完全不需要，如果所有计算都使用已经向系统传达其周期需求的对象。

一个快速的 MACD 实现带有直方图：

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

完成！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）已经声明了它的需求。指标的命名线条“macd”和“signal”被分配了已经携带声明（幕后）的周期的对象。

macd 从操作“me1 - me2”中获取周期，而 me1 和 me2 都是具有不同周期的指数移动平均线。signal 直接从 macd 上的指数移动平均线获取周期。这个 EMA 也考虑到现有的 macd 周期和计算自身所需的样本量（period_signal）。histo 获取两个操作数“signal - macd”的最大值。一旦两者准备好，histo 也可以生成一个值

一个完整的自定义指标 #

让我们开发一个简单的自定义指标，它“指示”一个移动平均线（可以通过参数修改）是否在给定数据之上：

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)

完成！

如果平均线在数据之上，指标将具有值“1”；如果在数据之下，则为“-1”。如果数据是常规数据源，则比较收盘价将生成 1 和 -1。

虽然在绘图部分可以看到更多内容，为了在绘图世界中有一个良好和漂亮的公民，可以添加一些内容：

import backtrader as bt
import backtrader.indicators as btind

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

    plotinfo = dict(


        # 在 1 和 -1 之上和之下添加额外的边距
        plotymargin=0.15,

        # 绘制参考水平线在 1.0 和 -1.0
        plothlines=[1.0, -1.0],

        # 简化 y 轴刻度为 1.0 和 -1.0
        plotyticks=[1.0, -1.0])

    # 使用虚线样式绘制 "overunder" 线（唯一的一个）
    # ls 代表线条样式，并直接传递给 matplotlib
    plotlines = dict(overunder=dict(ls='--'))

    def _plotlabel(self):
        # 此方法返回将在绘图上显示的标签列表
        # 在指标名称之后

        # 周期必须始终存在
        plabels = [self.p.period]

        # 如果不是默认移动平均线，只放移动平均线
        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)

完成！

这个指标将具有 1 和 -1 的值，并且在绘图中有良好的表现。