使用次数越多， backtrader 必须面对的想法和意外场景的混合就越多。对于每个新平台，一个挑战是要看看平台是否能够达到开发开始时设置的期望，灵活性和易用性是目标，Python被选为基石。
工单#76 提出了一个问题，即是否可以完成具有不同交易日历的同步市场。直接尝试这样做失败了，问题创建者想知道为什么不 backtrader 查看日期。
在给出任何答案之前，必须考虑以下几点：
- 未对齐的天数的指示器的行为
对后者的回答是：
- 该平台尽可能地
date和time不可知论，不会查看字段的内容来评估这些概念
考虑到股票市场价格是datetime 串行的事实，上述可以保持 true 达到一定的限度。对于多个数据，以下设计注意事项适用：
-
添加到
cerebro的第 1个数据是datamaster -
所有其他数据必须在时间上对齐/同步，它永远无法超越（就
datetime而言）datamaster
将上面的3个项目符号放在一起，可以提供问题创建者所经历的组合。场景：
-
历年：
2012 -
数据0：
^GSPC（或朋友的标准普尔500指数） -
数据1：
^GDAXI（或朋友的Dax指数）
通过以下方式运行自订文稿以查看数据是如何同步的backtrader：
$ ./weekdaysaligner.py --online --data1 '^GSPC' --data0 '^GDAXI'
输出：
0001, True, data0, 2012-01-03T23:59:59, 2012-01-03T23:59:59, data1 0002, True, data0, 2012-01-04T23:59:59, 2012-01-04T23:59:59, data1 0003, True, data0, 2012-01-05T23:59:59, 2012-01-05T23:59:59, data1 0004, True, data0, 2012-01-06T23:59:59, 2012-01-06T23:59:59, data1 0005, True, data0, 2012-01-09T23:59:59, 2012-01-09T23:59:59, data1 0006, True, data0, 2012-01-10T23:59:59, 2012-01-10T23:59:59, data1 0007, True, data0, 2012-01-11T23:59:59, 2012-01-11T23:59:59, data1 0008, True, data0, 2012-01-12T23:59:59, 2012-01-12T23:59:59, data1 0009, True, data0, 2012-01-13T23:59:59, 2012-01-13T23:59:59, data1 0010, False, data0, 2012-01-17T23:59:59, 2012-01-16T23:59:59, data1 0011, False, data0, 2012-01-18T23:59:59, 2012-01-17T23:59:59, data1 ...
一旦2012-01-16 交易日历发散。这是 data0 datamaster （^GSPC），即使 data1 （^GDAXI）会有一个柱线来兑现 2012-01-16，这不是标准普尔500指数 的交易日 。
最好的是，backtrader 当下一个交易日 ^GSPC 进来时，可以对上述设计限制做些什么， 2012-01-17 交付下一个尚未处理的日期 ^GDAXI 是 2012-01-16.
同步问题随着每个发散日而累积。在它的末尾2012 如下所示：
... 0249, False, data0, 2012-12-28T23:59:59, 2012-12-19T23:59:59, data1 0250, False, data0, 2012-12-31T23:59:59, 2012-12-20T23:59:59, data1
原因应该很明显：欧洲人比美国人交易的天数更多。
在票证 #76https://github.com/mementum/backtrader/issues/76 中，海报显示了什么 zipline 。让我们来看看 2012-01-13 - 2012-01-17 难题：
0009 : True : 2012-01-13 : close 1289.09 - 2012-01-13 : close 6143.08 0010 : False : 2012-01-13 : close 1289.09 - 2012-01-16 : close 6220.01 0011 : True : 2012-01-17 : close 1293.67 - 2012-01-17 : close 6332.93
起泡的藤壶！2012-01-13 的数据只是简单地 拷贝， 而没有明显要求用户许可。恕我直言，这不应该是因为平台的最终用户无法撤消此自发添加。
注意
除了简要介绍zipline之外，作者不知道这是否是脚本开发人员配置的标准行为，以及是否可以撤消
一旦我们看到其他人，让我们再次backtrader尝试使用积累的智能：欧洲人比美国人更频繁地交易。让我们反转 和 ^GDAXI 的角色^GSPC，看看结果：
$ ./weekdaysaligner.py --online --data1 '^GSPC' --data0 '^GDAXI'
输出（跳到2012-01-13 直接）：
... 0009, True, data0, 2012-01-13T23:59:59, 2012-01-13T23:59:59, data1 0010, False, data0, 2012-01-16T23:59:59, 2012-01-13T23:59:59, data1 0011, True, data0, 2012-01-17T23:59:59, 2012-01-17T23:59:59, data1 ...
再次起泡藤壶！backtrader还拷贝了 2012-01-13 （在本例^GSPC中 ） 的值data1作为 （现在 ^GDAXI） 交付的2012-01-16匹配data0项。
甚至更好：
- 在下一个日期实现同步：
2012-01-17
同样的重新同步很快就会再次出现：
... 0034, True, data0, 2012-02-17T23:59:59, 2012-02-17T23:59:59, data1 0035, False, data0, 2012-02-20T23:59:59, 2012-02-17T23:59:59, data1 0036, True, data0, 2012-02-21T23:59:59, 2012-02-21T23:59:59, data1 ...
其次是不太容易的重新同步：
... 0068, True, data0, 2012-04-05T23:59:59, 2012-04-05T23:59:59, data1 0069, False, data0, 2012-04-10T23:59:59, 2012-04-09T23:59:59, data1 ... 0129, False, data0, 2012-07-04T23:59:59, 2012-07-03T23:59:59, data1 0130, True, data0, 2012-07-05T23:59:59, 2012-07-05T23:59:59, data1 ...
这样的情节不断重复，直到 last 栏^GDAXI 交付：
... 0256, True, data0, 2012-12-31T23:59:59, 2012-12-31T23:59:59, data1 ...
此同步问题backtrader 的原因是不会拷贝数据。
-
datamaster一旦交付了一个新的酒吧，另datas一个就会被要求交付 -
如果没有柱线可以传递电流
datetimedatamaster（例如，因为它将被超越），那么下一个最佳数据就是，可以说，重新传递这是一个已经看到的酒吧
date
正确同步
但并非所有的希望都消失了。backtrader 可以交付。让我们使用 筛检程序。 backtrader 这项技术允许在数据到达平台最深处之前对其进行操作，例如计算指针。
注意
delivering 是一个感知问题，因此交付的 backtrader 可能不是接收者所期望的 delivery
实际代码
from __future__ import (absolute_import, division, print_function,
unicode_literals)
import datetime
class WeekDaysFiller(object):
'''Bar Filler to add missing calendar days to trading days'''
# kickstart value for date comparisons
lastdt = datetime.datetime.max.toordinal()
def __init__(self, data, fillclose=False):
self.fillclose = fillclose
self.voidbar = [float('Nan')] * data.size() # init a void bar
def __call__(self, data):
'''Empty bars (NaN) or with last close price are added for weekdays with no
data
Params:
- data: the data source to filter/process
Returns:
- True (always): bars are removed (even if put back on the stack)
'''
dt = data.datetime.dt() # current date in int format
lastdt = self.lastdt + 1 # move the last seen data once forward
while lastdt < dt: # loop over gap bars
if datetime.date.fromordinal(lastdt).isoweekday() < 6: # Mon-Fri
# Fill in date and add new bar to the stack
if self.fillclose:
self.voidbar = [self.lastclose] * data.size()
self.voidbar[-1] = float(lastdt) + data.sessionend
data._add2stack(self.voidbar[:])
lastdt += 1 # move lastdt forward
self.lastdt = dt # keep a record of the last seen date
self.lastclose = data.close[0]
data._save2stack(erase=True) # dt bar to the stack and out of stream
return True # bars are on the stack (new and original)
测试文稿已经具备了使用它的功能：
$ ./weekdaysaligner.py --online --data0 '^GSPC' --data1 '^GDAXI' --filler
将--filler 添加到 WeekDaysFiller 和 data0 data1中。输出：
0001, True, data0, 2012-01-03T23:59:59, 2012-01-03T23:59:59, data1 ... 0009, True, data0, 2012-01-13T23:59:59, 2012-01-13T23:59:59, data1 0010, True, data0, 2012-01-16T23:59:59, 2012-01-16T23:59:59, data1 0011, True, data0, 2012-01-17T23:59:59, 2012-01-17T23:59:59, data1 ...
第1个 难题 - 2012-01-13 2012-01-17 已经消失了。并且整个集合是同步的：
... 0256, True, data0, 2012-12-25T23:59:59, 2012-12-25T23:59:59, data1 0257, True, data0, 2012-12-26T23:59:59, 2012-12-26T23:59:59, data1 0258, True, data0, 2012-12-27T23:59:59, 2012-12-27T23:59:59, data1 0259, True, data0, 2012-12-28T23:59:59, 2012-12-28T23:59:59, data1 0260, True, data0, 2012-12-31T23:59:59, 2012-12-31T23:59:59, data1
值得注意的事情：
-
正如我们
^GSPClines250（指数交易250日）2012data0 -
data0256我们有^GDAXIlines（指数交易256日）2012 -
随着到位，
WeekDaysFiller两个数据的长度已扩展到260添加
52*2（周末和周末中的几天），我们最终会得到364.在一年中正常365日子之前的剩余日子肯定是星期六或星期日。
筛选器填充NaN 给定数据未进行交易的天数的值。让我们把它画出来：
$ ./weekdaysaligner.py --online --data0 '^GSPC' --data1 '^GDAXI' --filler --plot
充满的日子是显而易见的：
-
柱线之间的间隙就在那里
-
对于 volume 图来说，差距更加明显
第2个图将尝试回答顶部的问题：指针会发生什么？请记住，新柱线的值已指定为 NaN （这就是为什么它们不显示）：
$ ./weekdaysaligner.py --online --data0 '^GSPC' --data1 '^GDAXI' --filler --plot --sma 10
重新起泡藤壶！简单移动平均线打破了时空连续体，在没有连续性解的情况下跳过了一些柱。这当然是用Not a Number（又名NaN）填充的效果：数学运算不再有意义。
如果使用lastNaN看到的收盘价：
$ ./weekdaysaligner.py --online --data0 '^GSPC' --data1 '^GDAXI' --filler --plot --sma 10 --fillclose
在整个260天内，使用常规SMA，该情节看起来要好得多。
结论
将两种工具与不同的交易日历同步是一个决策和妥协的问题。backtrader 需要时间一致的数据来处理多个数据，不同的交易日历无济于事。
使用这里描述的WeekDaysFiller 可以缓解这种情况，但它绝不是普遍的灵丹妙药，因为用哪些值来填补是一个长期和长期考虑的问题。
脚本代码和用法
可作为以下来源backtrader的样品：
$ ./weekdaysaligner.py --help
usage: weekdaysaligner.py [-h] [--online] --data0 DATA0 [--data1 DATA1]
[--sma SMA] [--fillclose] [--filler] [--filler0]
[--filler1] [--fromdate FROMDATE] [--todate TODATE]
[--plot]
Sample for aligning with trade
optional arguments:
-h, --help show this help message and exit
--online Fetch data online from Yahoo (default: False)
--data0 DATA0 Data 0 to be read in (default: None)
--data1 DATA1 Data 1 to be read in (default: None)
--sma SMA Add a sma to the datas (default: 0)
--fillclose Fill with Close price instead of NaN (default: False)
--filler Add Filler to Datas 0 and 1 (default: False)
--filler0 Add Filler to Data 0 (default: False)
--filler1 Add Filler to Data 1 (default: False)
--fromdate FROMDATE, -f FROMDATE
Starting date in YYYY-MM-DD format (default:
2012-01-01)
--todate TODATE, -t TODATE
Ending date in YYYY-MM-DD format (default: 2012-12-31)
--plot Do plot (default: False)
代码：
from __future__ import (absolute_import, division, print_function,
unicode_literals)
import argparse
import datetime
import backtrader as bt
import backtrader.feeds as btfeeds
import backtrader.indicators as btind
import backtrader.utils.flushfile
# from wkdaysfiller import WeekDaysFiller
from weekdaysfiller import WeekDaysFiller
class St(bt.Strategy):
params = (('sma', 0),)
def __init__(self):
if self.p.sma:
btind.SMA(self.data0, period=self.p.sma)
btind.SMA(self.data1, period=self.p.sma)
def next(self):
dtequal = (self.data0.datetime.datetime() ==
self.data1.datetime.datetime())
txt = ''
txt += '%04d, %5s' % (len(self), str(dtequal))
txt += ', data0, %s' % self.data0.datetime.datetime().isoformat()
txt += ', %s, data1' % self.data1.datetime.datetime().isoformat()
print(txt)
def runstrat():
args = parse_args()
fromdate = datetime.datetime.strptime(args.fromdate, '%Y-%m-%d')
todate = datetime.datetime.strptime(args.todate, '%Y-%m-%d')
cerebro = bt.Cerebro(stdstats=False)
DataFeed = btfeeds.YahooFinanceCSVData
if args.online:
DataFeed = btfeeds.YahooFinanceData
data0 = DataFeed(dataname=args.data0, fromdate=fromdate, todate=todate)
if args.data1:
data1 = DataFeed(dataname=args.data1, fromdate=fromdate, todate=todate)
else:
data1 = data0.clone()
if args.filler or args.filler0:
data0.addfilter(WeekDaysFiller, fillclose=args.fillclose)
if args.filler or args.filler1:
data1.addfilter(WeekDaysFiller, fillclose=args.fillclose)
cerebro.adddata(data0)
cerebro.adddata(data1)
cerebro.addstrategy(St, sma=args.sma)
cerebro.run(runonce=True, preload=True)
if args.plot:
cerebro.plot(style='bar')
def parse_args():
parser = argparse.ArgumentParser(
formatter_class=argparse.ArgumentDefaultsHelpFormatter,
description='Sample for aligning with trade ')
parser.add_argument('--online', required=False, action='store_true',
help='Fetch data online from Yahoo')
parser.add_argument('--data0', required=True, help='Data 0 to be read in')
parser.add_argument('--data1', required=False, help='Data 1 to be read in')
parser.add_argument('--sma', required=False, default=0, type=int,
help='Add a sma to the datas')
parser.add_argument('--fillclose', required=False, action='store_true',
help='Fill with Close price instead of NaN')
parser.add_argument('--filler', required=False, action='store_true',
help='Add Filler to Datas 0 and 1')
parser.add_argument('--filler0', required=False, action='store_true',
help='Add Filler to Data 0')
parser.add_argument('--filler1', required=False, action='store_true',
help='Add Filler to Data 1')
parser.add_argument('--fromdate', '-f', default='2012-01-01',
help='Starting date in YYYY-MM-DD format')
parser.add_argument('--todate', '-t', default='2012-12-31',
help='Ending date in YYYY-MM-DD format')
parser.add_argument('--plot', required=False, action='store_true',
help='Do plot')
return parser.parse_args()
if __name__ == '__main__':
runstrat()