周期混合

周期混合 #

如果提供值的数据源有不同的时间框架，在 Cerebro 引擎中有不同的长度，指标将会出错。

示例计算中，data0 有天的时间框架，data1 有月的时间框架：

pivotpoint = btind.PivotPoint(self.data1)
sellsignal = self.data0.close < pivotpoint.s1

在这里，当收盘价低于 s1 线（第一个支撑）时，寻求卖出信号。

注意

PivotPoint 定义上在较大的时间框架中工作。

过去，这会导致以下错误：

return self.array[self.idx + ago]
IndexError: array index out of range

原因很简单：self.data.close 从第一个时刻提供值，但 PivotPoint（以及 s1 线）只有在整个月过去后才会提供值，这大约相当于 22 个 self.data0.close 的值。在这 22 个收盘价期间，s1 还没有值，尝试从底层数组获取它会失败。

线条对象支持 (ago) 操作符（Python 中的 __call__ 特殊方法）以提供其延迟版本：

close1 = self.data.close(-1)

在这个例子中，对象 close1（通过 [0] 访问时）始终包含由 close 提供的前一个值（-1）。此语法已被重用以适应时间框架。让我们重写上述的 pivotpoint 代码片段：

pivotpoint = btind.PivotPoint(self.data1)
sellsignal = self.data0.close < pivotpoint.s1()

请注意，() 无参数执行（在后台提供了一个 None）。正在发生以下情况：

pivotpoint.s1() 返回一个内部 LinesCoupler 对象，该对象遵循较大范围的节奏。该耦合器使用来自实际 s1 的最新提供的值填充自身（以 NaN 为默认值开始）。

但为了实现这一魔法，还需要额外的东西。Cerebro 必须这样创建：

cerebro = bt.Cerebro(runonce=False)

或这样执行：

cerebro.run(runonce=False)

在这种模式下，指标和延迟评估的自动线条对象按步执行，而不是在紧密循环中执行。这使整个操作变得更慢，但它使其成为可能。

底部的示例脚本现在可以运行：

$ ./mixing-timeframes.py

输出：

0021,0021,0001,2005-01-31,2984.75,2935.96,0.00
0022,0022,0001,2005-02-01,3008.85,2935.96,0.00
...
0073,0073,0003,2005-04-15,3013.89,3010.76,0.00
0074,0074,0003,2005-04-18,2947.79,3010.76,1.00
...

在第 74 行，第一次出现 close < s1。

脚本还提供了额外的可能性：耦合一个指标的所有线条。之前是：

self.sellsignal = self.data0.close < pp.s1()

替代方法是：

pp1 = pp()
self.sellsignal = self.data0.close < pp1.s1

现在整个 PivotPoint 指标已被耦合，并且可以访问其任何线条（即 p、r1、r2、s1、s2）。脚本只对 s1 感兴趣，访问是直接的：

$ ./mixing-timeframes.py --multi

输出：

0021,0021,0001,2005-01-31,2984.75,2935.96,0.00
0022,0022,0001,2005-02-01,3008.85,2935.96,0.00
...
0073,0073,0003,2005-04-15,3013.89,3010.76,0.00
0074,0074,0003,2005-04-18,2947.79,3010.76,1.00
...

这里没有意外。与之前相同。“耦合”对象甚至可以绘制：

$ ./mixing-timeframes.py --multi --plot

完整耦合语法 #

对于具有多条线的线条对象（例如 PivotPoint 指标）：

obj(clockref=None, line=-1)

clockref：如果 clockref 为 None，则周围对象（例如策略）将作为参考，以适应较大时间框架（例如：月）到较小/更快的时间框架（例如：日）。如果需要，可以使用另一个参考。

line：

  • 如果默认的 -1 被给定，则所有线条都被耦合。
  • 如果是另一个整数（例如 0 或 1），则单条线将被耦合，并通过索引（来自 obj.lines[x]）获取。
  • 如果传递了字符串，则按名称获取线条。

在示例中，可以这样做：

coupled_s1 = pp(line='s1')

对于只有一条线的线条对象（例如来自 PivotPoint 指标的 s1 线）：

obj(clockref=None)（见上文的 `clockref`）

结论 #

在常规的 () 语法中，来自不同时间框架的数据源可以混合在指标中，始终考虑到 cerebro 需要使用 runonce=False 实例化或创建。

脚本代码和用法 #

可以在 backtrader 的源代码中找到示例。用法：

$ ./mixing-timeframes.py --help
usage: mixing-timeframes.py [-h] [--data DATA] [--multi] [--plot]

Sample for pivot point and cross plotting

optional arguments:
  -h, --help   show this help message and exit
  --data DATA  Data to be read in (default: ../../datas/2005-2006-day-001.txt)
  --multi      Couple all lines of the indicator (default: False)
  --plot       Plot the result (default: False)

代码：

from __future__ import (absolute_import, division, print_function,
                        unicode_literals)

import argparse

import backtrader as bt
import backtrader.feeds as btfeeds
import backtrader.indicators as btind
import backtrader.utils.flushfile


class St(bt.Strategy):
    params = dict(multi=True)

    def __init__(self):
        self.pp = pp = btind.PivotPoint(self.data1)
        pp.plotinfo.plot = False  # deactivate plotting

        if self.p.multi:
            pp1 = pp()  # couple the entire indicators
            self.sellsignal = self.data0.close < pp1.s1
        else:
            self.sellsignal = self.data0.close < pp.s1()

    def next(self):
        txt = ','.join(
            ['%04d' % len(self),
             '%04d' % len(self.data0),
             '%04d' % len(self.data1),
             self.data.datetime.date(0).isoformat(),
             '%.2f' % self.data0.close[0],
             '%.2f' % self.pp.s1[0],
             '%.2f' % self.sellsignal[0]])

        print(txt)


def runstrat():
    args = parse_args()

    cerebro = bt.Cerebro()
    data = btfeeds.BacktraderCSVData(dataname=args.data)
    cerebro.adddata(data)
    cerebro.resampledata(data, timeframe=bt.TimeFrame.Months)

    cerebro.addstrategy(St, multi=args.multi)

    cerebro.run(stdstats=False, runonce=False)
    if args.plot:
        cerebro.plot(style='bar')


def parse_args():
    parser = argparse.ArgumentParser(
        formatter_class=argparse.ArgumentDefaultsHelpFormatter,
        description='Sample for pivot point and cross plotting')

    parser.add_argument('--data', required=False,
                        default='../../datas/2005-2006-day-001.txt',
                        help='Data to be read in')

    parser.add_argument('--multi', required=False, action='store_true',
                        help='Couple all lines of the indicator')

    parser.add_argument('--plot', required=False, action='store_true

',
                        help=('Plot the result'))

    return parser.parse_args()


if __name__ == '__main__':
    runstrat()

希望这能帮助你理解如何在 backtrader 中混合不同时间框架的数据！

Calendar Jan 2, 2025
Edit Edit this page