Skip to content
TheChatArchiveThe Chat Archive
gpt-3.5-turbo-0301· OpenAIAi2 WildChat-4.8M (AI2)

请举个在backtrader中,自定义指标的一个例子,在策略回测中引用并能改变它的值

  1. User

    请举个在backtrader中,自定义指标的一个例子,在策略回测中引用并能改变它的值

  2. Assistant

    一个自定义指标的例子可以是计算移动平均线的简单函数。下面是一个Python代码示例:

    from backtrader import Indicator
    
    class MovingAverage(Indicator):
        lines = ('sma',)
        
        def __init__(self, period):
            self.params.period = period
            
        def next(self):
            self.lines.sma[0] = sum(self.data.close[-self.params.period:]) / self.params.period
    

    在上面的代码中,我们定义了一个名为MovingAverage的指标。该指标继承自backtrader中的Indicator类,并定义了一个名为"lines"的元组,仅包含单个名为"sma"的元素,这是指标输出的名称。在init()方法中,我们接受一个整数参数"period",该参数用于计算移动平均线的时间窗口。在next()方法中,我们使用self.data.close数组的最后period个元素计算移动平均值,并将结果赋值给self.lines.sma[0]。

    要在backtrader策略中使用自定义指标,请在策略init()方法中实例化该指标,并将其添加到cerebro引擎中:

    from backtrader import cerebro
    
    cerebro = cerebro()
    my_indicator = MovingAverage(period=10)
    cerebro.adddata(data)
    cerebro.addindicator(my_indicator)
    cerebro.addstrategy(MyStrategy, my_indicator=my_indicator)
    

    我们实例化了一个名为my_indicator的MovingAverage指标实例,并将其添加到cerebro引擎中。另外,我们在handle_data()方法中将该指标(作为dict的关键字参数)传递给MyStrategy类的实例。然后我们可以在MyStrategy类中访问该指标:

    from backtrader import Strategy
    
    class MyStrategy(Strategy):
    
        def __init__(self, my_indicator):
            self.my_indicator = my_indicator
            
        def next(self):
            # 访问自定义指标
            ma_value = self.my_indicator.lines.sma[0]
            # 执行策略逻辑
            ...
    

    现在我们已经可以在策略中访问该指标并使用它来执行任意逻辑了。如果我们想更改指标的参数(例如period),我们只需在代码的某个位置调用my_indicator.params.period = new_period,并且指标将在下一个批次计算时使用新的参数。

  3. User

    class MyDrawingIndicator(Indicator): lines = ('my_indicator_line',) params = (('value', None),) plotinfo = dict(subplot=False, plotlinelabels=False) plotlines = dict(my_indicator_line=dict(marker='o', markersize=10, color='blue', fillstyle='full'))

    def __init__(self):
        if self.p.value is not None:
            self.lines.my_indicator_line = self.p.value如何在实例化时改变它的颜色
    
  4. Assistant

    要在实例化时更改指标线的颜色,可以在实例化指标时传递plotlines参数。例如,我们可以使用以下语法:

    # 实例化指标,并将plotlines参数传递给颜色和线条样式
    my_indicator = MyDrawingIndicator(plotlines=dict(my_indicator_line=dict(color='red', linestyle="-")))
    

    在上面的例子中,我们将my_indicator实例化为MyDrawingIndicator类,并使用plotlines参数将my_indicator_line的color设置为红色,线条样式设置为实线。这将覆盖MyDrawingIndicator类中定义的默认颜色和线条样式。

    现在,当我们在图表上绘制my_indicator_line时,它将使用由plotlines参数指定的颜色和线条样式。要将指标线添加到图表中,请参考backtrader的文档,了解如何将它添加到Matplotlib中。例如,可以使用以下语法在Matplotlib中添加指标线:

    plt.plot(my_indicator.lines.my_indicator_line.array, color='red')
    
  5. User

    除了实例化时,还有别的方法吗?

  6. Assistant

    是的,除了实例化时传递plotlines参数外,还可以在策略中使用addplot()方法添加指标线,并传递颜色参数来更改指标线的颜色。

    例如,我们可以将MyDrawingIndicator类修改成以下形式:

    class MyDrawingIndicator(Indicator):
        lines = ('my_indicator_line',)
        params = (('value', None),)
        plotinfo = dict(subplot=False, plotlinelabels=False)
    
        def __init__(self):
            if self.p.value is not None:
                self.lines.my_indicator_line = self.p.value
    
        def next(self):
            # ...计算指标线的值...
    
        def plot(self, _plot):
            # 调用addplot()方法添加指标线
            p = _plot.plot(self.data.datetime.datetime(), self.lines.my_indicator_line, color='blue')
            # 可以通过p更新指标线的颜色,线宽度,样式等
    

    在上述代码中,我们去掉了plotlines参数,并重写了plot()方法。在plot()方法中,我们使用_plot.plot()方法添加指标线,并传递颜色参数来更改指标线的颜色。我们还将绘制指标线的返回结果p存储在变量中,以便我们可以使用它来更新指标线的属性。

    然后,在我们的策略中,我们可以通过获取指标实例并访问plot()方法来添加指标线:

    my_indicator = MyDrawingIndicator()
    
    def __init__(self):
        self.my_indicator = MyDrawingIndicator()
        self.addindicator(self.my_indicator)
    
    def next(self):
        # ...计算策略逻辑...
    
    def stop(self):
        # 绘制指标线
        p = self.my_indicator.plotinfo.plots['my_indicator_line']
        p.update(color='red', linewidth=2.0)
    

    在上述代码中,我们实例化MyDrawingIndicator并将其添加到策略中。然后,在策略的stop()方法中,我们通过获取指标实例的plotinfo,然后从中获取我们要更改的指标线的plot对象,最后使用plot对象的update()方法更改指标线的颜色、线宽等属性。

  7. User

    class OrderInstructions(Indicator): lines = ('my_indicator_line',) params = (('value', None),) plotinfo = dict(subplot=False, plotlinelabels=False) plotlines = dict(my_indicator_line=dict(marker='o', markersize=8, color='blue', fillstyle='full'))

    def __init__(self):
        if self.p.value is not None:
            self.lines.my_indicator_line = self.p.value
           如何在实例化之后,改变它取值的同时改变颜色
    
  8. Assistant

    要在实例化之后同时改变指标线的颜色和取值,可以在策略运行时通过访问指标线对象的属性进行更改。

    例如,我们可以使用以下代码修改OrderInstructions类,包括添加一个新方法来更新指标线的颜色和值:

    class OrderInstructions(Indicator):
        lines = ('my_indicator_line',)
        params = (('value', None),)
        plotinfo = dict(subplot=False, plotlinelabels=False)
    
        def __init__(self):
            if self.p.value is not None:
                self.lines.my_indicator_line = self.p.value
            self.plotlines.my_indicator_line.color = 'blue'
    
        def next(self):
            # 计算指标线值
            self.lines.my_indicator_line[0] = ...
    
        def update(self, value, color):
            # 更新指标线的值和颜色
            self.lines.my_indicator_line[0] = value
            self.plotlines.my_indicator_line.color = color
    

    在上面的代码中,我们添加了一个名为update()的新方法,该方法接受两个参数:value和color。该方法将使用传递的值和颜色参数更新指标线的值和颜色。我们还将在__init__()方法中将指标线的初始颜色设置为蓝色。

    要在策略运行时更改指标线的值和颜色,我们只需要获取指标实例并调用其update()方法。例如,我们可以执行以下代码:

    # 实例化指标
    my_indicator = OrderInstructions()
    
    def __init__(self):
        self.my_indicator = OrderInstructions()
        self.addindicator(self.my_indicator)
    
    def next(self):
        # ...执行策略逻辑...
        # 更新指标线的值和颜色
        self.my_indicator.update(value=new_value, color='red')
    

    在上面的代码中,我们实例化OrderInstructions指标,并将其添加到策略中。在策略的next()方法中,我们可以获取指标实例并使用update()方法更改指标线的值和颜色。这将导致图表上显示的指标线颜色和值同时更改。

  9. User

    若不改变类呢,有没直接的方法

  10. Assistant

    不改变类的情况下,我们可以通过访问指标线对象和指标线的plotlines属性来更改指标线的颜色,以及使用线对象的方法来更改指标线的值。

    例如,我们可以执行以下代码将一个名为my_indicator的指标的颜色更改为红色,并将其值更改为10.0:

    # 获取指标线对象
    my_indicator_line = my_indicator.lines.my_indicator_line
    
    # 更改颜色和样式
    my_indicator_line.plotinfo.plot["color"] = "red"
    my_indicator_line.plotinfo.plot["linestyle"] = "--"
    
    # 更改指标线的值
    my_indicator_line[0] = 10.0
    

    在上面的代码中,我们从my_indicator指标的lines属性中获取my_indicator_line对象。然后,我们使用指标线对象的plot属性访问其颜色和线条样式,以更改其颜色为红色和样式为虚线。最后,我们使用指标线对象的索引在0位置修改其值为10.0。

    我们也可以使用以下代码更新指标线的颜色和值:

    my_indicator.plotlines.my_indicator_line.color = "red"
    my_indicator.plotlines.my_indicator_line.linestyle = "-."
    my_indicator.lines.my_indicator_line[0] = 10.0
    

    在这个例子中,我们通过访问my_indicator的plotlines属性来更改my_indicator_line的颜色为红色和线条样式为点划线。然后,我们使用my_indicator.lines属性访问my_indicator_line对象,并使用其索引在0位置更改其值为10.0。

    无论是哪种方法,都可以在策略回测运行期间直接更改指标线的值和颜色。

  11. User

    我的意思是,如何 在回测的策略里改

  12. Assistant

    在回测的策略中,我们可以通过以下方法来更改指标线的颜色和值:

    class MyStrategy(Strategy):
        def __init__(self):
            self.my_indicator = MyDrawingIndicator()
    
        def next(self):
            # ...执行策略逻辑...
            # 更改指标线的颜色和值
            self.my_indicator.plotlines.my_indicator_line.color = 'red'
            self.my_indicator.lines.my_indicator_line[0] = 10.0
    

    在上面的代码中,我们实例化了一个名为MyDrawingIndicator()的指标并将其添加到策略中。在策略的next()方法中,我们可以获取指标实例并使用其plotlines属性来访问my_indicator_line指标线的颜色属性,并将其设置为红色。我们还可以使用指标实例的lines属性来访问my_indicator_line指标线对象,使用其索引在0位置更改其值为10.0。

    请注意,在此示例中,我们假定指标线已经绘制在图表中。如果指标尚未绘制,则需要在策略中添加绘图指令,以便指标线能够在Matplotlib中绘制。

    例如,可以使用以下语法将指标线添加到绘图中:

    # 在策略的__init__()方法中
    self.plot(self.data.datetime, self.my_indicator.lines.my_indicator_line, color='blue')
    

    在上面的代码中,我们使用self.plot()方法将my_indicator_line指标线添加到图表中,传递颜色参数为蓝色。现在,指标线已经添加到了Matplotlib中,我们就可以在策略的运行过程中更改其颜色和值了。