使用次數越多， backtrader 必須面對的想法和意外場景的混合就越多。對於每個新平臺，一個挑戰是要看看平臺是否能夠達到開發開始時設定的期望，靈活性和易用性是目標，Python被選為基石。
工單#76 提出了一個問題，即是否可以完成具有不同交易日曆的同步市場。直接嘗試這樣做失敗了，問題建立者想知道為什麼不 backtrader 查看日期。
在給出任何答案之前，必須考慮以下幾點：
- 未對齊的天數的指示器的行為
對後者的回答是：
- 該平台盡可能地
date和time不可知論，不會查看字段的內容來評估這些概念
考慮到股票市場價格是datetime 序列的事實，上述可以保持 true 達到一定的限度。對於多個數據，以下設計注意事項適用：
-
添加到
cerebro的第 1個數據是datamaster -
所有其他數據必須在時間上對齊/同步，它永遠無法超越（就
datetime而言）datamaster
將上面的3個項目符號放在一起，可以提供問題創建者所經歷的組合。場景：
-
歷年：
2012 -
數據0：
^GSPC（或朋友的標準普爾500指數） -
資料1：
^GDAXI（或朋友的Dax指數）
透過以下方式執行自訂文稿以檢視資料是如何同步的backtrader：
$ ./weekdaysaligner.py --online --data1 '^GSPC' --data0 '^GDAXI'
輸出：
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 交易日曆發散。這是 data0 datamaster （^GSPC），即使 data1 （^GDAXI）會有一個柱線來兌現 2012-01-16，這不是標準普爾500指數 的交易日 。
最好的是，backtrader 當下一個交易日 ^GSPC 進來時，可以對上述設計限制做些什麼， 2012-01-17 交付下一個尚未處理的日期 ^GDAXI 是 2012-01-16.
同步問題隨著每個發散日而累積。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
原因應該很明顯：歐洲人比美國人交易的天數更多。
在票證 #76https://github.com/mementum/backtrader/issues/76 中，海報顯示了什麼 zipline 。讓我們來看看 2012-01-13 - 2012-01-17 難題：
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
起泡的藤壺！2012-01-13 的數據只是簡單地 複製， 而沒有明顯要求用戶許可。恕我直言，這不應該是因為平臺的最終用戶無法撤消此自發添加。
注意
除了簡要介紹zipline之外，作者不知道這是否是腳本開發人員配置的標準行為，以及是否可以撤消
一旦我們看到其他人，讓我們再次backtrader嘗試使用積累的智慧：歐洲人比美國人更頻繁地交易。讓我們反轉 和 ^GDAXI 的角色^GSPC，看看結果：
$ ./weekdaysaligner.py --online --data1 '^GSPC' --data0 '^GDAXI'
輸出（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 ...
再次起泡藤壺！backtrader還複製了 2012-01-13 （在本例^GSPC中 ） 的值data1作為 （現在 ^GDAXI） 交付的2012-01-16匹配data0項。
甚至更好：
- 在下一個日期實現同步：
2012-01-17
同樣的重新同步很快就會再次出現：
... 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 ...
這樣的情節不斷重複，直到 last 欄^GDAXI 交付：
... 0256, True, data0, 2012-12-31T23:59:59, 2012-12-31T23:59:59, data1 ...
此同步問題backtrader 的原因是不會複製數據。
-
datamaster一旦交付了一個新的酒吧，另datas一個就會被要求交付 -
如果沒有柱線可以傳遞電流
datetimedatamaster（例如，因為它將被超越），那麼下一個最佳數據就是，可以說，重新傳遞這是一個已經看到的酒吧
date
正確同步
但並非所有的希望都消失了。backtrader 可以交付。讓我們使用 篩檢程式。 backtrader 這項技術允許在數據到達平臺最深處之前對其進行操作，例如計算指標。
注意
delivering 是一個感知問題，因此交付的 backtrader 可能不是接收者所期望的 delivery
實際代碼
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)
測試文稿已經具備了使用它的功能：
$ ./weekdaysaligner.py --online --data0 '^GSPC' --data1 '^GDAXI' --filler
將--filler 添加到 WeekDaysFiller 和 data0 data1中。輸出：
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個 難題 - 2012-01-13 2012-01-17 已經消失了。並且整個集合是同步的：
... 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：
-
正如我們
^GSPClines250（指數交易250日）2012data0 -
data0256我們有^GDAXIlines（指數交易256日）2012 -
隨著到位，
WeekDaysFiller兩個數據的長度已擴展到260添加
52*2（週末和週末中的幾天），我們最終會得到364.在一年中正常365日子之前的剩餘日子肯定是星期六或星期日。
篩選器填充NaN 給定數據未進行交易的天數的值。讓我們把它畫出來：
$ ./weekdaysaligner.py --online --data0 '^GSPC' --data1 '^GDAXI' --filler --plot
充滿的日子是顯而易見的：
-
柱線之間的間隙就在那裡
-
對於 volume 圖來說，差距更加明顯
第2個圖將嘗試回答頂部的問題：指標會發生什麼？請記住，新柱線的值已指定為 NaN （這就是為什麼它們不顯示）：
$ ./weekdaysaligner.py --online --data0 '^GSPC' --data1 '^GDAXI' --filler --plot --sma 10
重新起泡藤壺！簡單移動平均線打破了時空連續體，在沒有連續性解的情況下跳過了一些柱。這當然是用Not a Number（又名NaN）填充的效果：數學運算不再有意義。
如果使用lastNaN看到的收盤價：
$ ./weekdaysaligner.py --online --data0 '^GSPC' --data1 '^GDAXI' --filler --plot --sma 10 --fillclose
在整個260天內，使用常規SMA，該情節看起來要好得多。
結論
將兩種工具與不同的交易日歷同步是一個決策和妥協的問題。backtrader 需要時間一致的數據來處理多個數據，不同的交易日歷無濟於事。
使用這裡描述的WeekDaysFiller 可以緩解這種情況，但它絕不是普遍的靈丹妙藥，因為用哪些值來填補是一個長期和長期考慮的問題。
腳本代碼和用法
可作為以下來源backtrader的樣品：
$ ./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)
代碼：
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()