指标(Indicators)的使用
@adenleo
前言
在框架内，指标可以使用在两个地方
策略（Strategies）内另外一个指标（Indicators）内
指标（Indicators）的操作
指标总是在策略的__init__内实例化指标的值或者其派生值在next（）内使用和检查
一个重要的原理需要考虑 在__init__内声明的任何指标（或者派生值）将在被next调用之前预先计算
让我们来看操作模式的差异 __init__ vs next 工作原理如下： 任何涉及lines objects的操作在__init__内都会生成另一个lines objects 任何涉及lines objects的操作在next（）内都会生成Python类型，如floats ，bools 在__init__内 举一个在__init__内操作的例子
hilo_diff = self.data.high - self.data.low
变量hilo_diff引用的是一个lines object，在next（）调用之前计算，并且可以通过标准数组索引读取,他显然包含的是每个data的high-low的差
他可以被当作简单线或者复杂的线,类似指标的使用,
sma = bt.SimpleMovingAverage(self.data.close)
close_sma_diff = self.data.close - sma
close_sma_diff 也是一个lines object.
使用逻辑运算符：
close_over_sma = self.data.close > sma
close_over_sma包含的是一组布尔值
在next()内 举一个在next()内的例子(逻辑操作符)
close_over_sma = self.data.close > self.sma
等效于一个数组(索引从0开始)
close_over_sma = self.data.close[0] > self.sma[0]
在这里close_over_sma是self.data.close[0] 和 self.sma[0]通过[0]索引得到的两个浮点数,经过逻辑计算的结果,一个布尔值
__init__ vs next 逻辑简化(简单易用)是关键,计算和大多数相关的逻辑可以在__init__内声明，在next()保持实际操作逻辑最小化。 实际上有一个附带的好处:速度(由于开始时解释的预计算) 生成购买信号的__init__完整示例:
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()
注释: Python的and操作符不能被重写，迫使平台定义自己的and。这同样适用于其他操作符，如Or和If。很明显，__init__内的“声明性”方法将next()(实际策略发生的地方)的体量保持在最低限度。(别忘了还有一个速度因素)
注释: 当逻辑变得非常复杂并且涉及多个操作时，将其封装在指示器中通常要好得多。
其他注释: 在上面的例子中，与其他平台相比，backtrader简化了两件事: 声明的指示器既不需要父参数(如策略的生成也不是任何形式的“注册”方法/函数然后被调用)。 策略会跳过指标和任何lines object的计算(如 sma-ema) ExponentialMovingAverage没有数据就可以实例化,这是故意的,如果没有传递数据(策略生成期间),则后天会自动传递父数据的第一个
指标（Indicators）的绘图
首先:
如果调用cerebro.plot() 指标会自动绘制,期中:运算得到的lines object不会被绘制(如:close_over_sma =self.data.close > self.sma ),如果需要绘制可以采用LinePlotterIndicator方法:
close_over_sma = self.data.close > self.sma
LinePlotterIndicator(close_over_sma, name='Close_over_SMA')
name参数为该指示符所包含的line object指定名称
其次:
在指示器的开发过程中，可以添加plotinfo声明 他可以是两个元素的元组,字典或者有序字典.比如:
class MyIndicator(bt.Indicator):
....
plotinfo = dict(subplot=False)
....
值可以随后被访问和设置
myind = MyIndicator(self.data, someparam=value)
myind.plotinfo.subplot = True
值也可以在实例化时设置:
myind = MyIndicator(self.data, someparams=value, subplot=True)
subplot=True将传递给(在幕后)指示符的实例化成员变量plotinfo
plotinfo提供了以下参数来控制绘图行为:
属性意义plot (default: True)是否绘制该指标subplot (default: True)是否在子窗口绘制该指标。对于像移动平均线这样的指标，默认值改为Falseplotname (default: ‘’)设置要在绘图中显示的绘图名称。空值表示指标的规范名称(class.name)被使用。这有一些限制，因为Python关键字不能被使用,如算术运算符。plotabove (default: False)指标通常绘制在它们所操作的数据的下方(带有subplot=True的指标)。将其设置为True将使指示器绘制在数据上方。plotlinelabels (default: False)意思是“指标”上的“指标”。如果计算RSI的SimpleMovingAverage，该图通常会显示相应绘制线的名称“SimpleMovingAverage”。这是“指标”的名称，而不是实际绘制的线(line)的名称。这种默认行为是有意义的，因为用户通常希望看到使用RSI创建了一个SimpleMovingAverage。如果将该值设置为True，则将使用SimpleMovingAverage中的实际线(line)的名称。plotymargin (default: 0.0)指示器顶部和底部的空白量(0.15 - 15%)。有时，matplotlib图过于靠近轴的顶部/底部，可能需要一个边距plotyticks (default: [])用于控制绘制的y刻度刻度.如果传递空列表，则会自动计算“y刻度”。对于没有要求的，将其设置为众所周知的行业标准是有意义的，例如:[20.0,50.0,80.0].一些指标提供了诸如upperband和lowerband之类的参数，这些参数实际上用于操纵y刻度plothlines (default: [])用于控制沿指示轴绘制水平线。plotyhlines (default: [])用于同时控制plotyticks and plothlinesplotforce (default: False)如果出于某种理由，你认为一个指标应该绘制，但它没有绘制，那么将此设置为True作为最后的手段。