指标研究与多周期

哪些地方会用到指标 &＃xff1f;

回顾一下 Backtrader 的主要功能模块和回测流程&＃xff08;见&＃xff1a;Backtrader 来了&＃xff01;&＃xff09;可以发现&＃xff0c;只有在编写策略Strategy 时才会涉及到指标的计算和使用&＃xff0c;而且是 Strategy 中的 __init__() 和 next() 方法涉及的最多。

建议在 __init__() 中提前计算指标

Strategy 中的 __init__() 函数在回测过程中只会在最开始的时候调用一次&＃xff0c;
而 next() 会每个交易日依次循环调用多次&＃xff0c;所以为了提高回测效率&＃xff0c;建议先在 __init__() 中一次性计算好指标&＃xff08;甚至是交易信号&＃xff09;&＃xff0c;
然后在 next() 中调用已经算好的指标&＃xff0c;这样能有效避免指标的重复计算&＃xff0c;提高回测运行速度。建议遵循“__init__() 负责指标计算&＃xff0c;next() 负责指标调用”的原则。

import backtrader.indicators as btind # 导入策略分析模块class MyStrategy(bt.Strategy):# 先在 __init__ 中提前算好指标def __init__(self):sma1 &＃61; btind.SimpleMovingAverage(self.data)ema1 &＃61; btind.ExponentialMovingAverage()close_over_sma &＃61; self.data.close > sma1close_over_ema &＃61; self.data.close > ema1sma_ema_diff &＃61; sma1 - ema1# 生成交易信号buy_sig &＃61; bt.And(close_over_sma, close_over_ema, sma_ema_diff > 0)# 在 next 中直接调用计算好的指标def next(self):if buy_sig:self.buy()

计算指标时的各种简写形式

class TestStrategy(bt.Strategy):def __init__(self):# 最简方式&＃xff1a;直接省略指向的数据集self.sma1 &＃61; btind.SimpleMovingAverage(period&＃61;5)# 只指定第一个数据表格self.sma2 &＃61; btind.SMA(self.data, period&＃61;5)# 指定第一个数据表格的close 线self.sma3 &＃61; btind.SMA(self.data.close, period&＃61;5)# 完整写法self.sma4 &＃61; btind.SMA(self.datas[0].lines[0], period&＃61;5)# 指标函数也支持简写 SimpleMovingAverage → SMAdef next(self):# 提取当前时间点print(&＃39;datetime&＃39;, self.datas[0].datetime.date(0))# 打印当日、昨日、前日的均线print(&＃39;sma1&＃39;,self.sma1.get(ago&＃61;0, size&＃61;3))print(&＃39;sma2&＃39;,self.sma2.get(ago&＃61;0, size&＃61;3))print(&＃39;sma3&＃39;,self.sma3.get(ago&＃61;0, size&＃61;3))print(&＃39;sma4&＃39;,self.sma4.get(ago&＃61;0, size&＃61;3))cerebro &＃61; bt.Cerebro()
st_date &＃61; datetime.datetime(2019,1,2)
end_date &＃61; datetime.datetime(2021,1,28)
datafeed1 &＃61; bt.feeds.PandasData(dataname&＃61;data1, fromdate&＃61;st_date, todate&＃61;end_date)
cerebro.adddata(datafeed1, name&＃61;&＃39;600466.SH&＃39;)
datafeed2 &＃61; bt.feeds.PandasData(dataname&＃61;data2, fromdate&＃61;st_date, todate&＃61;end_date)
cerebro.adddata(datafeed2, name&＃61;&＃39;603228.SH&＃39;)
cerebro.addstrategy(TestStrategy)
rasult &＃61; cerebro.run()

调用指标时的各种简写形式
调用指标时会涉及 line 的索引和切片操作&＃xff0c;为了使操作更加简便&＃xff0c;
在 next() 中调用当前时刻指标值时&＃xff0c;可以省略索引 [0] &＃xff1a;即在 next() 中&＃xff0c;self.sma5[0] ↔ self.sma5、self.data.close[0] ↔ self.data.close 等都是等价的&＃xff0c;
省略了 [0] 的简写形式 self.sma5 、 self.data.close 等都默认指向当前值&＃xff0c;自动索引当前值
 

class TestStrategy(bt.Strategy):def __init__(self):self.sma5 &＃61; btind.SimpleMovingAverage(period&＃61;5) # 5日均线self.sma10 &＃61; btind.SimpleMovingAverage(period&＃61;10) # 10日均线self.buy_sig &＃61; self.sma5 > self.sma10 # 5日均线上穿10日均线def next(self):# 提取当前时间点print(&＃39;datetime&＃39;, self.datas[0].datetime.date(0))# 打印当前值print(&＃39;close&＃39;, self.data.close[0], self.data.close)print(&＃39;sma5&＃39;, self.sma5[0], self.sma5)print(&＃39;sma10&＃39;, self.sma10[0], self.sma10)print(&＃39;buy_sig&＃39;, self.buy_sig[0], self.buy_sig)# 比较收盘价与均线的大小if self.data.close > self.sma5:print(&＃39;------收盘价上穿5日均线------&＃39;)if self.data.close[0] > self.sma10:print(&＃39;------收盘价上穿10日均线------&＃39;)if self.buy_sig:print(&＃39;------ buy ------&＃39;)cerebro &＃61; bt.Cerebro()
st_date &＃61; datetime.datetime(2019,1,2)
end_date &＃61; datetime.datetime(2021,1,28)
datafeed1 &＃61; bt.feeds.PandasData(dataname&＃61;data1, fromdate&＃61;st_date, todate&＃61;end_date)
cerebro.adddata(datafeed1, name&＃61;&＃39;600466.SH&＃39;)
cerebro.addstrategy(TestStrategy)
rasult &＃61; cerebro.run()

class TestStrategy(bt.Strategy):def __init__(self):self.sma5 &＃61; btind.SimpleMovingAverage(period&＃61;5) # 5日均线self.sma10 &＃61; btind.SimpleMovingAverage(period&＃61;10) # 10日均线# bt.And 中所有条件都满足时返回 1&＃xff1b;有一个条件不满足就返回 0self.And &＃61; bt.And(self.data>self.sma5, self.data>self.sma10, self.sma5>self.sma10)# bt.Or 中有一个条件满足时就返回 1&＃xff1b;所有条件都不满足时返回 0self.Or &＃61; bt.Or(self.data>self.sma5, self.data>self.sma10, self.sma5>self.sma10)# bt.If(a, b, c) 如果满足条件 a&＃xff0c;就返回 b&＃xff0c;否则返回 cself.If &＃61; bt.If(self.data>self.sma5,1000, 5000)# bt.All,同 bt.Andself.All &＃61; bt.All(self.data>self.sma5, self.data>self.sma10, self.sma5>self.sma10)# bt.Any&＃xff0c;同 bt.Orself.Any &＃61; bt.Any(self.data>self.sma5, self.data>self.sma10, self.sma5>self.sma10)# bt.Max&＃xff0c;返回同一时刻所有指标中的最大值self.Max &＃61; bt.Max(self.data, self.sma10, self.sma5)# bt.Min&＃xff0c;返回同一时刻所有指标中的最小值self.Min &＃61; bt.Min(self.data, self.sma10, self.sma5)# bt.Sum&＃xff0c;对同一时刻所有指标进行求和self.Sum &＃61; bt.Sum(self.data, self.sma10, self.sma5)# bt.Cmp(a,b), 如果 a>b &＃xff0c;返回 1&＃xff1b;否则返回 -1self.Cmp &＃61; bt.Cmp(self.data, self.sma5)def next(self):print(&＃39;---------- datetime&＃39;,self.data.datetime.date(0), &＃39;------------------&＃39;)print(&＃39;close:&＃39;, self.data[0], &＃39;ma5:&＃39;, self.sma5[0], &＃39;ma10:&＃39;, self.sma10[0])print(&＃39;close>ma5&＃39;,self.data>self.sma5, &＃39;close>ma10&＃39;,self.data>self.sma10, &＃39;ma5>ma10&＃39;, self.sma5>self.sma10)print(&＃39;self.And&＃39;, self.And[0], self.data>self.sma5 and self.data>self.sma10 and self.sma5>self.sma10)print(&＃39;self.Or&＃39;, self.Or[0], self.data>self.sma5 or self.data>self.sma10 or self.sma5>self.sma10)print(&＃39;self.If&＃39;, self.If[0], 1000 if self.data>self.sma5 else 5000)print(&＃39;self.All&＃39;,self.All[0], self.data>self.sma5 and self.data>self.sma10 and self.sma5>self.sma10)print(&＃39;self.Any&＃39;, self.Any[0], self.data>self.sma5 or self.data>self.sma10 or self.sma5>self.sma10)print(&＃39;self.Max&＃39;,self.Max[0], max([self.data[0], self.sma10[0], self.sma5[0]]))print(&＃39;self.Min&＃39;, self.Min[0], min([self.data[0], self.sma10[0], self.sma5[0]]))print(&＃39;self.Sum&＃39;, self.Sum[0], sum([self.data[0], self.sma10[0], self.sma5[0]]))print(&＃39;self.Cmp&＃39;, self.Cmp[0], 1 if self.data>self.sma5 else -1)cerebro &＃61; bt.Cerebro()
st_date &＃61; datetime.datetime(2019,1,2)
ed_date &＃61; datetime.datetime(2021,1,28)
datafeed1 &＃61; bt.feeds.PandasData(dataname&＃61;data1, fromdate&＃61;st_date, todate&＃61;ed_date)
cerebro.adddata(datafeed1, name&＃61;&＃39;600466.SH&＃39;)
cerebro.addstrategy(TestStrategy)
rasult &＃61; cerebro.run()

如何对齐不同周期的指标

通常情况下&＃xff0c;操作的都是相同周期的数据&＃xff0c;比如日度行情数据计算返回各类日度指标、周度行情数据计算返回各类周度指标、......&＃xff0c;行情数据和指标的周期是一致的&＃xff0c;时间也是对齐的。
但有时候也会遇到操作不同周期数据的情况&＃xff0c;比如拿日度行情与月度指标作比较&＃xff0c;日度行情每天都有数据&＃xff0c;而月度指标每个月只有一个&＃xff0c;2 条数据在时间上是没有对齐的&＃xff0c;如下所示&＃xff1a;

可以使用“ ( ) ”语法操作来对齐不同周期的数据&＃xff0c;对齐的方向是“大周期向小周期对齐”&＃xff0c;
可以选择指标对象中的某条 line 进行对齐&＃xff0c;也可以对整个指标对象进行对齐。
在使用该语法时&＃xff0c;要将 cerebro.run() 中的 runonce 设置为 False&＃xff0c;才能实现对齐操作&＃xff1a;

# self.data0 是日度行情、self.data1 是月度行情
self.month &＃61; btind.xxx(self.data1) # 计算返回的 self.month 指标也是月度的
# 选择指标对象中的第一条 line 进行对齐
self.sellsignal &＃61; self.data0.close # 对齐整个指标对象
self.month_ &＃61; self.month()
self.signal &＃61; self.data0.close