线 Line 类#

在 Backtrader 中，许多对象都会生成 Line 对象，而每个 Line 代表的是一个时间序列数据，可以是价格、指标或其他数据。策略逻辑基本都离不开操作 Line 对象。

`Line` 的访问#

数据源中的 `Line`#

数据源中包含了多个 Line，如 close、open、high、low ，通过 self.data.lines 访问它们。

class MyStrategy(bt.Strategy):
   def __init__(self):
       self.close_line = self.data.lines.close  # 访问收盘价线

指标中的 `Line`#

指标同样会生成 Line，如 SimpleMovingAverage 的 sma，通过 self.movav.lines.sma 访问。

class MyStrategy(bt.Strategy):
   def __init__(self):
       self.movav = btind.SimpleMovingAverage(self.data, period=20)

   def next(self):
       if self.movav.lines.sma[0] > self.data.lines.close[0]:
           print('移动平均大于收盘价')

访问线的快捷方式#

前面的语法和我们平时使用的不一样，因为我们平时都是通过简写访问，如 self.data.close 实际上是 self.data.lines.close 的快捷方式。

Backtrader 提供了多种简化访问 Line 的方式：

xxx.lines 可简写 xxx.l；
xxx.lines.name 可简写 xxx.lines_name；
xxx.lines[0] 可简写为 xxx
xxx.lines[X] 可简写为 xxx.lineX；

还有如：

self.data_name 等同于 self.data.lines.name；
对于有编号的 data，如 self.data1_name，等同于 self.data1.lines.name。
还有 self.dataX_Y 等同于 self.data[X].lines[Y]；

一些常用的简化写法，通过属性访问这些 Line：

self.data.close 或 self.data_close 直接访问 close 数据行。
self.movav.sma 或 self.movav_sma 直接访问 sma 数据行。
self.movav 也可直接访问 sma 数据行；

这种访问方式很简洁，但不如原始方法清晰，特别是在区分访问的是否 Line 时。

线的声明#

在 Backtrader 中，Line 是指标和策略中非常重要的部分。每个自定义指标都要声明自己的线，以便在策略中使用。

如何声明线#

如何在自定义指标中声明线？

当你创建一个自定义指标时，需要通过 lines 属性声明该指标会输出的线。通常使用元组声明，元组中的每个元素表示一个线的名称。

如在 SimpleMovingAverage 指标中，我们声明了一个名为 sma 的线：

class SimpleMovingAverage(bt.Indicator):
   lines = ('sma',)  # 声明一个名为 sma 的线
   
   def __init__(self):
       self.lines.sma = self.data.close(-1)  # 计算并赋值给 sma 线

如你想声明多条线，如一个包含两条均线的指标，只需在 lines 中列出多个元素：

class MyIndicator(bt.Indicator):
   lines = ('sma1', 'sma2')  # 声明两个线：sma1 和 sma2
   
   def __init__(self):
       self.lines.sma1 = btind.SimpleMovingAverage(self.data, period=20)
       self.lines.sma2 = btind.SimpleMovingAverage(self.data, period=50)

注意事项：当声明 Line 时，确保使用元组声明，即使只有一条线也要加上逗号：('sma',)。

现在，指标的计算结果会被保存在 Line 中，策略可以直接访问这些 Line 计算交易逻辑。

`Line` 的长度#

在 Backtrader 中，每条线都包含一个动态增长的点集合。你可以随时获取线的长度，以了解当前的数据处理情况。

如何获取线的长度：#

使用 len() 函数：使用标准 Python len() 函数即可获取 Line 的长度，这会返回已处理的数据点数。

class MyStrategy(bt.Strategy):
   def next(self):
       length = len(self.data)
       print(f"数据源的线长: {length}")

使用 buflen 属性：buflen 返回数据源可用的总数据条数，也就是数据源在加载时的总长度。

class MyStrategy(bt.Strategy):
   def next(self):
       buflen = self.data.buflen
       print(f"数据源的总长度: {buflen}")

实盘交易时，对于实时数据源很有用，因为它能让我们显示数据源的实际可用数量。

len() 和 buflen 的区别：

len() 返回已处理的数据条数，即实际运行到当前时间点的数据长度。
buflen 返回的是数据源加载的总条数，即加载的所有数据的长度。

如果两者的值相同，说明所有数据都已经处理完毕。

`Line` 的继承#

Backtrader 支持 Line 的继承，我们可以在子类中继承父类的线，且可以在子类中修改。

示例代码：

class BaseIndicator(bt.Indicator):
    lines = ('sma',)

class MyIndicator(BaseIndicator):
    lines = ('sma', 'ema')  # 在子类中继承并扩展线

如果多个父类定义了相同名称的线，子类只会继承一个版本的线，因此要避免同名的线定义冲突。

`Line` 耦合#

Backtrader 允许你在多个时间框架下使用数据源，并支持将它们的线进行耦合。线耦合是指将不同时间周期的数据结合起来，以便在策略中进行跨时间框架的计算和分析。

如何使用线耦合：#

你可以在策略中同时使用多个数据源，每个数据源可能有不同的时间周期。例如，一个数据源是日线数据，另一个是周线数据：

class MyStrategy(bt.Strategy):
    def __init__(self):
        self.sma_daily = btind.SimpleMovingAverage(self.data0, period=20)  # 日线数据
        self.sma_weekly = btind.SimpleMovingAverage(self.data1, period=5)   # 周线数据

Backtrader 提供了 () 运算符来将不同时间框架的数据线耦合在一起。

例如：

class MyStrategy(bt.Strategy):
    def __init__(self):
        sma0 = btind.SMA(self.data0, period=15)  # 15 天的简单移动平均线
        sma1 = btind.SMA(self.data1, period=5)   # 5 周的简单移动平均线

        self.buysig = sma0 > sma1()  # 通过运算符将两个时间框架的线耦合

上面的例子中，sma0 和 sma1 分别是基于日线和周线数据计算的简单移动平均线。sma1() 用于将周线数据转换成日线数据的长度，从而进行跨时间框架的计算。

Line 耦合使得我们能更灵活地在策略中使用多个时间框架的数据，进行更复杂的分析和决策。

线 Line 类#

Line 的访问#

数据源中的 Line#

指标中的 Line#