Backtrader樞軸點交叉繪圖

Backtrader   |   2022年7月5日

筆記

由於歷史原因，保留此帖子。指標和示例已在源代碼中更新， PivotPoint現在可以自動耦合，刪除用戶代碼的樣板。

將寫一篇新的帖子來引用這個帖子。同時，請檢查源中的更新示例。

一個有趣的請求出現了：

  • 中心點

這很有趣，因為指標是如何定義的。文獻可以在StockCharts 的 PivotPoint找到。 PivotPoints 使用過去時間框架的close價、 high價和low 。例如對於每日時間範圍：

  • 日線圖的樞軸點使用上個月的數據

這可能看起來很麻煩，因為對於每個時間範圍都需要定義必須使用的其他時間範圍。查看公式會引發另一個問題： 

Pivot Point (P) = (High + Low + Close)/3
Support 1 (S1) = (P x 2) - High
Support 2 (S2) = P  -  (High  -  Low)
Resistance 1 (R1) = (P x 2) - Low
Resistance 2 (R2) = P + (High  -  Low)

即使文本充滿了對前期和過去的引用……這些公式似乎引用了當前時間點。讓我們按照文本的建議，在我們第一次嘗試 PivotPoint 時使用以前的方法。但首先讓我們通過這樣做來解決不同時間框架的問題：

  • 指標無法解決問題

儘管這可能看起來令人困惑，但必須考慮到指標必須盡可能愚蠢並由實際公式組成。問題將解決如下： 

data = btfeeds.ADataFeed(..., timeframe=bt.TimeFrame.Days)
cerebro.adddata(data)
cerebro.resampledata(data, timeframe=bt.TimeFrame.Months)

後來在戰略中： 

class MyStrategy(bt.Strategy):
    def __init__(self):
        self.pp = PivotPoint(self.data1)  # the resampled data

現在很清楚了。系統將擁有數據，以及重新採樣到所需時間範圍的額外輸入。 PivotPoint指標將與重新採樣的數據一起使用，這些數據已經在所需的每月時間範圍內，而原始數據時間範圍是每天。

可以開髮指標。讓我們從遵循文本指示而不是公式開始，然後回顧 1 個句點。 

class PivotPoint1(bt.Indicator):
    lines = ('p', 's1', 's2', 'r1', 'r2',)

    def __init__(self):
        h = self.data.high(-1)  # previous high
        l = self.data.low(-1)  # previous low
        c = self.data.close(-1)  # previous close

        self.lines.p = p = (h + l + c) / 3.0

        p2 = p * 2.0
        self.lines.s1 = p2 - h  # (p x 2) - high
        self.lines.r1 = p2 - l  # (p x 2) - low

        hilo = h - l
        self.lines.s2 = p - hilo  # p - (high - low)
        self.lines.r2 = p + hilo  # p + (high - low)

該策略將查看參數usepp1以使用此PivotPoint1

    def __init__(self):
        if self.p.usepp1:
            self.pp = PivotPoint1(self.data1)
        else:
            self.pp = PivotPoint(self.data1)

並且輸出由一個簡單的next方法控制

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

        print(txt)

讓我們執行： 

./ppsample --usepp1

和輸出： 

0041,0041,0002,2005-02-28,2962.79
0042,0042,0002,2005-03-01,2962.79
...

馬上就清楚了：索引 41 已經屬於第 2個月。這意味著我們已經跳過了 1 個月的指標計算。現在很清楚為什麼 StockCharts 中的文本總是提到計算發生在上個月，但公式似乎引用了當前時刻。

  • 開發人員可能面臨相同的設計決策，其中包含多個時間範圍內的多個數據。

    在當前每日點，只能交付上個月的關閉柱。

這就是為什麼next方法是查看索引[0]的原因。所有這一切都有一個非常簡單的解決方法，那就是編寫公式，就像 StockCharts 記錄它們一樣。 

class PivotPoint(bt.Indicator):
    lines = ('p', 's1', 's2', 'r1', 'r2',)
    plotinfo = dict(subplot=False)

    def __init__(self):
        h = self.data.high  # current high
        l = self.data.low  # current high
        c = self.data.close  # current high

        self.lines.p = p = (h + l + c) / 3.0

        p2 = p * 2.0
        self.lines.s1 = p2 - h  # (p x 2) - high
        self.lines.r1 = p2 - l  # (p x 2) - low

        hilo = h - l
        self.lines.s2 = p - hilo  # p - (high - low)
        self.lines.r2 = p + hilo  # p + (high - low)

沒有usepp1的執行： 

./ppsample

新的輸出是： 

0021,0021,0001,2005-01-31,2962.79
0022,0022,0001,2005-02-01,2962.79
...

瞧！第 1個月有20個交易日，一旦完成，指標計算值並可以交付。唯一打印的行是p ，如果 2行中的值相同，是因為該值在整個下個月保持不變。引用股票圖表： 

Once Pivot Points are set, they do not change and remain in play throughout ...

該指標已經可以使用。讓我們去繪圖吧。已設置繪圖參數

    plotinfo = dict(subplot=False)

計算值與數據比例一致，就像移動平均線一樣，它可以沿著數據繪製（因此subplot= False ）

使用--plot執行： 

./ppsample --plot

起泡的藤壺再次攻擊。該指標已繪製在月度數據（其來源）上，這在日線圖上沒有提供任何視覺指示，這將非常有用。

但是backtrader支持從一個數據到另一個數據的交叉繪圖。儘管需要在1.2.8.88中進行少量添加以支持對不同時間範圍的數據進行交叉繪圖。

這是通過讓plotmaster說出繪圖目標是什麼來實現的，方法是將其添加到指標的plotinfo屬性中： 

./ppsample --plot --plot-on-daily

視覺反饋現在有助於了解PivotPoint提供的內容。

腳本代碼和用法

在backtrader的來源中作為示例提供： 

$ ./ppsample.py --help
usage: ppsample.py [-h] [--data DATA] [--usepp1] [--plot] [--plot-on-daily]

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)
  --usepp1         Have PivotPoint look 1 period backwards (default: False)
  --plot           Plot the result (default: False)
  --plot-on-daily  Plot the indicator on the daily data (default: False)

PivotPoint的代碼

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

import backtrader as bt


class PivotPoint1(bt.Indicator):
    lines = ('p', 's1', 's2', 'r1', 'r2',)

    def __init__(self):
        h = self.data.high(-1)  # previous high
        l = self.data.low(-1)  # previous low
        c = self.data.close(-1)  # previous close

        self.lines.p = p = (h + l + c) / 3.0

        p2 = p * 2.0
        self.lines.s1 = p2 - h  # (p x 2) - high
        self.lines.r1 = p2 - l  # (p x 2) - low

        hilo = h - l
        self.lines.s2 = p - hilo  # p - (high - low)
        self.lines.r2 = p + hilo  # p + (high - low)


class PivotPoint(bt.Indicator):
    lines = ('p', 's1', 's2', 'r1', 'r2',)
    plotinfo = dict(subplot=False)

    def __init__(self):
        h = self.data.high  # current high
        l = self.data.low  # current high
        c = self.data.close  # current high

        self.lines.p = p = (h + l + c) / 3.0

        p2 = p * 2.0
        self.lines.s1 = p2 - h  # (p x 2) - high
        self.lines.r1 = p2 - l  # (p x 2) - low

        hilo = h - l
        self.lines.s2 = p - hilo  # p - (high - low)
        self.lines.r2 = p + hilo  # p + (high - low)

腳本的代碼。 

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

import argparse

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

from pivotpoint import PivotPoint, PivotPoint1


class St(bt.Strategy):
    params = (('usepp1', False),
              ('plot_on_daily', False))

    def __init__(self):
        if self.p.usepp1:
            self.pp = PivotPoint1(self.data1)
        else:
            self.pp = PivotPoint(self.data1)

        if self.p.plot_on_daily:
            self.pp.plotinfo.plotmaster = self.data0

    def next(self):
        txt = ','.join(
            ['%04d' % len(self),
             '%04d' % len(self.data0),
             '%04d' % len(self.data1),
             self.data.datetime.date(0).isoformat(),
             '%.2f' % self.pp[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,
                        usepp1=args.usepp1,
                        plot_on_daily=args.plot_on_daily)
    cerebro.run()
    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('--usepp1', required=False, action='store_true',
                        help='Have PivotPoint look 1 period backwards')

    parser.add_argument('--plot', required=False, action='store_true',
                        help=('Plot the result'))

    parser.add_argument('--plot-on-daily', required=False, action='store_true',
                        help=('Plot the indicator on the daily data'))

    return parser.parse_args()


if __name__ == '__main__':
    runstrat()

推薦閱讀

相關文章

Backtrader教程：分析儀

無論是回溯測試還是交易，能夠分析交易系統的性能是瞭解是否不僅獲得了利潤，而且是否在風險太大的情況下實現了利潤，或者與參考資產（或無風險資產）相比，是否真的值得付出努力的關鍵。 這就是物件家族的用武之Analyzer 地：提供對所發生事件甚至實際發生的事情的分析。

Backtrader 教程：訂單 - OCO

版本1.9.34.116將OCO （又名 One Cancel Others）添加到回測庫中。筆記這僅在回測中實現，還沒有針對實時經紀人的實現筆記更新為1.9.36.116版本。盈透證券支持StopTrail 、 StopTrailLimit和OCO 。

Backtrader對逐筆報價數據重新取樣

backtrader 已經可以從分鐘數據中重新採樣。接受價格變動數據不是問題，只需將 4 個常用欄位（open、 high、 low、 close）設置為價格變動值。 但是傳遞要重新採樣的逐筆報價數據再次生成相同的數據。作為或版本 1.1.11.88，情況已不再如此。

Backtrader教程：數據饋送 - 展期交割

並非每個供應商都為可以交易的工具提供連續的未來。有時提供的數據是仍然有效的到期日期的數據，即：仍在交易的日期 這在回溯測試方面並不是很有幫助，因為數據分散在幾個不同的儀器上，這些儀器另外...時間重疊。 能夠正確地將這些儀器的數據從過去連接到連續的流中，可以減輕疼痛。

Backtrader Python隐藏的细节

只有當遇到 backtrader 的真實使用者時，人們才能意識到平臺中使用的抽象和Python功能是否有意義。 在不撇開python的座右銘的情況下， backtrader 試圖為使用者提供盡可能多的控制權，同時通過將Python提供的隱藏功能付諸行動來簡化使用。 第一個示例是系列文章的第一篇。

Backtrader 教程：數據饋送 - 開發 - CSV

backtrader已經提供了通用 CSV數據提要和一些特定的 CSV數據提要。

Backtrader 教程：Cerebro - 例外

設計目標之一是儘早退出，讓用戶完全了解錯誤發生的情況。目的是強迫自己擁有會因異常而中斷的代碼並強制重新訪問受影響的部分。但是時機已經成熟，一些例外可能會慢慢添加到平台中。

Backtrader教程：數據饋送 - 熊貓

注意 pandas 並且必須安裝其依賴項 支援Pandas Dataframes似乎受到很多人的關注，他們依賴於已經可用的解析代碼來分析不同的數據源（包括CSV）和Pandas提供的其他功能。 數據饋送的重要聲明。 注意 這些只是 聲明。不要盲目複製此代碼。

Backtrader多數據策略

因為世界上沒有任何事物是孤立存在的，購買資產的觸發因素很可能實際上是另一種資產。使用不同的分析技術，可能已經在兩個不同的數據之間發現了相關性。 backtrader支持同時使用不同的數據源，因此它可以在大多數情況下用於此目的。

Backtrader開發指標

經過 backtrader 微調（因為它已經運行了一段時間），我決定不僅通過GitHub分享它，還告訴世界它在那裡，並在“Reddit”中發佈它的存在。 在評論了為什麼交易/演算法交易平臺會彈出，以及關於支持許多同時交易的即時交易的平臺的私人問題之後，我得出的結論是，我自己的孩子應該擁有自己的博客。 我們來了。