指针可以在平台的两个地方使用：

• 内部策略

• 其他指针内部

指针在行动

1. 指针总是在策略中的__init__期间实例化

2. next使用/检查指针值（或其派生值）

有一个重要的公理需要考虑：

• 在__init__期间声明的任何Indicator （或其派生值）都将在调用next之前预先计算。

让我们来看看操作模式的差异。

__init__与next

事情如下：

• 在__init__期间任何涉及线对象的操作都会生成另一个线对象

• 在next期间任何涉及行对象的操作都会产生常规的 Python 类型，例如浮点数和布尔值。

在__init__期间

__init__期间的操作示例：

hilo_diff = self.data.high - self.data.low

变量hilo_diff包含对lines对象的引用，该对像在调用next之前预先计算，可以使用标准数组表示法[]访问

它显然包含数据馈送的每个条形图的最高价和最低价之间的差异。

这也适用于混合简单的线条（如 self.data数据馈送中的那些）和复杂的线条如指针：

sma = bt.SimpleMovingAverage(self.data.close)
close_sma_diff = self.data.close - sma

现在close_sma_diff再次包含一个线对象。

使用逻辑运算符：

close_over_sma = self.data.close > sma

现在生成的lines对象将包含一个布尔数组。

next期间

操作示例（逻辑运算符）：

close_over_sma = self.data.close > self.sma

使用等效数组（基于索引 0 的符号）：

close_over_sma = self.data.close[0] > self.sma[0]

在这种情况下， close_over_sma产生一个布尔值，它是比较两个浮点值的结果，由[0]运算符返回的值应用于self.data. close和self.sma

__init__与next为什么

逻辑简化（以及易用性）是关键。计算和大部分相关逻辑可以在__init__期间声明，在next期间将实际操作逻辑保持在最低限度。

实际上还有一个附带的好处：速度（由于开头解释的预先计算）

在__init__期间生成买入信号的完整示例：

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()

很明显， __init__期间的“声明式”方法将next （实际策略工作发生的地方）的膨胀降至最低。

（别忘了还有一个加速因素）

一些笔记

在上面的示例中，与其他平台相比， backtrader简化了两件事：

• 声明的Indicators既没有获得父参数（如创建它们的策略，也没有调用任何类型的“注册”方法/函数。

  尽管如此，该策略将启动Indicators的计算以及由于操作生成的任何线对象（如sma - ema ）

• ExponentialMovingAverage在没有self.data的情况下被实例化

  这是故意的。如果没有data传递，则父级的^第一个数据（在这种情况下是正在创建的策略）将在后台自动传递

指针绘图

首先也是最重要的：

• 声明的Indicators会自动绘制（如果调用cerebro .plot）

• 操作中的线条对像不会被绘制（如close_over_sma = self.data. close > self.sma ）

  如果需要，有一个辅助LinePlotterIndicator可以使用以下方法绘制此类操作：

  close_over_sma = self.data.close > self.sma
  LinePlotterIndicator(close_over_sma, name='Close_over_SMA')
  

  name参数为该指针持有的单行提供名称。

控制绘图

在开发Indicator期间，可以添加plotinfo声明。它可以是元组的元组（2 个元素）、 dict或OrderedDict 。看起来像：

class MyIndicator(bt.Indicator):

    ....
    plotinfo = dict(subplot=False)
    ....

稍后可以按如下方式访问（和设置）该值（如果需要）：

myind = MyIndicator(self.data, someparam=value)
myind.plotinfo.subplot = True

该值甚至可以在实例化期间设置：

myind = MyIndicator(self.data, someparams=value, subplot=True)

subplot= True将传递给指针的（在幕后）实例化成员变量plotinfo 。

plotinfo提供以下参数来控制绘图行为：

• plot （默认值： True ）

  是否要绘制指针

• subplot （默认值： True ）

  是否在不同的窗口中绘制指针。对于移动平均线等指针，默认值更改为False

• plotname （默认值： '' ）

  设置要在绘图上显示的绘图名称。空值意味着将使用指针的规范名称 ( class.__name__ )。这有一些限制，因为 Python 标识符不能使用例如算术运算符。

  像 DI+ 这样的指针将声明如下：

  class DIPlus(bt.Indicator):
      plotinfo=dict(plotname='DI+')
  

  让剧情“更精彩”

• plotabove （默认值： False ）

  指针通常绘制在他们操作的数据下方（那些subplot= True ）。将此设置为True将使指针绘制在数据上方。

• plotlinelabels （默认值： False ）

  用于“指针”上的“指针”。如果计算 RSI 的 SimpleMovingAverage，绘图通常会显示相应绘制线的名称“SimpleMovingAverage”。这是“指针”的名称，而不是实际绘制的线。

  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 SimpleMovingAverage。

  如果该值设置为True ，则将使用 SimpleMovingAverage中行的实际名称。

• plotymargin （默认值： 0.0 ）

  在指针顶部和底部留下的保证金量 ( 0.15 -> 15%)。有时matplotlib绘图离轴的顶部/底部太远，可能希望留出余量

• plotyticks （默认值： [] ）

  用于控制绘制的 y 刻度刻度

  如果传递了一个空列表，则会自动计算“y ticks”。对于像随机指针这样的东西，将其设置为众所周知的行业标准可能是有意义的，例如： [20.0, 50.0, 80.0]

  一些指针提供了实际用于操纵 y 刻度的参数，例如upperband和lowerband

• plothlines （默认值： [] ）

  用于控制沿指针轴绘制水平线。

  如果传递一个空列表，则不会绘制水平线。

  对于像随机指针这样的东西，为众所周知的行业标准画线可能是有意义的，例如： [20.0, 80.0]

  一些指针提供实际用于操纵水平线的参数， upperband和lowerband

• plotyhlines （默认值： [] ）

  用于使用单个参数同时控制 plotyticks 和 plothlines。

• plotforce （默认值： False ）

  如果由于某种原因您认为某个指针应该在绘图而它没有在绘图……作为最后的手段，将其设置为True 。