量化投资之⼯具篇⼀：Backtrader从⼊门到精通（7）-Indicator类源代码解读
（2）
接上⼀篇继续。
系统内置Indicator的介绍
Backtrader提供了很多内置的Indicator，了解这些Indicator对我们⾃定义指标、理解现有指标以及制定策略具有重要作⽤。 基本操作类
Backtrader提供了很多基本操作类，作为定义其他指标的基准。
先看PeriodN，这个类是所有需要使⽤周期进⾏计算指标（例如移动平均）的基类： class PeriodN(Indicator):
'''
Base class for indicators which take a period (__init__ has to be called
dst指数either via super or explicitly)
This class has no defined lines
'''
params =(('period',1),)
def__init__(self):
super(PeriodN, self).__init__()
self.addminperiod(self.p.period)
PeriodN没有lines，只是定义了参数period，并且⾃动增加最⼩周期。所以只要基于这个类的指标，都⾃动计算最⼩周期。那么如何对指标进⾏ 计算了，Backtrader定义了OperationN：
class OperationN(PeriodN):
'''
Calculates "func" for a given period
Serves as a base for classes that work with a period and can express the
logic in a callable object
Note:
Base classes must provide a "func" attribute which is a callable
Formula:
- line = func(data, period)
'''
def next(self):
self.line[0]= self.func((size=self.p.period))
def once(self, start, end):
dst = self.line.array
src = self.data.array
period = self.p.period
func = self.func
for i in range(start, end):
dst[i]= func(src[i - period +1: i +1])
在这⾥可以看到，可以调⽤回调函数func对数据进⾏处理，其它需要对数据进⾏处理的类可以直接继承，只需要定义要使⽤的回调即可。⽽且要特别注意，这⾥只针对line[0]进⾏计算，如果有多条line，第⼆条及其后续均不会计算。下⾯看看如何提供计算，以求⼀段时间的最⼤值为例：
Calculates the highest value for the data in a given period
Uses the built-in ``max`` for the calculation
Formula:
- highest = max(data, period)
'''
alias =('MaxN',)
lines =('highest',)
func =max
关键点：
这⾥定义了highest Line，该line中保存周期内的最⼤值。这⾥解释下什么叫周期内，周期指的是从当前（包括）值往前推n个数据。
缺省值是1，也就是只有⼀个值（当前值）。
然后定义函数为max，那么highest line⾥⾯的保存的是周期类的最⼤值。具体操作请看OperationN next函数，将其中的self.func替代为max。
相同的还有如下计算类指标：
Lowest：周期内最⼩值。
SumN：周期内求和。
AnyN：周期内任意值不等于0，则返回1.
AllN：周期类所有值不等股0，则返回1.
Reduce：可以定义回调函数对周期内的值进⾏累加，直接参见python内置的duce处理。
FindFirstIndexHighest：到周期内最⼤值的索引，注意这个是往前数，0是当前值，1是前⼀个值。
FindFirstIndexLowest：⾛到周期内最⼩值的索引，注意这个是往前数，0是当前值，1是前⼀个值。
FindLastIndex：可以定义⼀个回调函数 _evalfunc，返回周期内和回调函数返回值相同的值的索引。
Accum：周期类数据值的累计。和SumN的差异这个类是可以设定⼀个参数seed，从这个值开始累加。
CointN：协整检验。特别注意下，Backtrader使⽤了python的statsmodels，这个模块提供了许多不同统计模型估计的类和函数，并且可以进⾏统计测试和统计数据的探索。所以如果要进⾏各种统计分析，这个模块必不可少。另外，要了解如何使⽤该模块进⾏指标的定义，可以参见这个类的代码。
OLS_BetaN：简单线性回归，这个也是直接使⽤Pandas的ols函数的指标，主要⽤于预测。
OLS_TransformationN：同上。
OLS_Slope_InterceptN：同上，都是使⽤python函数计算的指标。
均值Indicator基础
学过技术指标的应该都知道均值的作⽤，下⾯介绍均值Indicator使⽤的基本类：
Averages a given data arithmetically over a period
Formula:
- av = data(period) / period
See also:
- /wiki/Arithmetic_mean
'''
alias =('ArithmeticMean','Mean',)
lines =('av',)
def next(self):
self.line[0]= \
math.fsum((size=self.p.period))/ self.p.period
def once(self, start, end):
src = self.data.array
dst = self.line.array
period = self.p.period
for i in range(start, end):
dst[i]= math.fsum(src[i - period +1:i +1])/ period
代码展⽰了典型的Indicator设计⽅法，可以作为范例：
初始化⼀个名为av的Line，然后在next中采⽤fsum计算周期内的所有值之和除以值的个数（period），就得到算数平均值。
或者在once中批量计算这个平均值。
Indicator的代码基本都遵循这个范例，后续我们不再讲解代码，具体的⼤家可以在backtrader\indicators⽬录下看看代码。代码看多了，⾃然可以⾃⼰写。下⾯我们重点介绍各个指标的含义以及⽤途。
⼏种常⽤的移动均线
移动平均值是⼀种简单也很使⽤的技术分析⼯具，通常被计算为确定股票的趋势⽅向或确定其⽀撑和阻⼒⽔平。它是⼀个趋势跟踪或滞后的指标，因为它基于过去的价格。 移动平均的时间越长，则滞后越⼤。因此，⼀个250天的移动平均值将⽐20天的MA滞后的程度⼤得多，因为它包含过去250天的价格。20天和250天的股票移动平均数是重要的交易信号，通常称之为⽉均线和年均线。
移动平均值是⼀个完全可定制的指标，这意味着我们可以在计算平均值时⾃由选择想要的时间范围。移动平均数中最常见的时段为15、20、30、50、100和250天。⽤于创建平均值的时间范围越短，对价格变化就越敏感。时间跨越长，平均的敏感度就越低。
我们可以选择不同长度的不同时段，根据其交易⽬标计算移动平均值。较短的移动平均线通常⽤于短期交易，⽽较长的移动平均线更适合长期投资者。 移动平均也可作为其他技术分析指标的基础，如移动平均收敛度（MACD），通常⽤来监测两个移动平均之间的关系。具体⽅法从12天指数移动平均值减去26天指数移动平均值。
当MACD为值⼤于0的时候，短期平均线（也叫快速均线）位于长期平均线（也叫慢速均线）以上。这是上升势头的迹象。当短期均线低于长期均线时，就表明其发展势头正在下降。零以上是购买的信号，零以下的交叉是卖出的信号。有点熟悉吧，就是咱们之前实现的双均线策略。当然MACD的使⽤是⼀门很⼤的学问，有很多⽂章和书籍，⼤家可以参考。
Backtrader提供的通⽤的移动平均包括如下种类：
MovingAverageSimple（简单移动平均）
移动平均线的最简单形式称为简单移动平均线（SMA），其计算⽅法是取周期内给定值的算术平均值。
换句话说，⼀组数字（⽐如close价格）被加在⼀起，然后除以集合中的价格数。直接参见Average类的实现。
WeightedMovingAverage（权重移动平均）
加权平均是⼀种计算⽅法，它考虑到数据集中数字的不同重要程度。在计算加权平均值时，在进⾏最终计算之前，将数据集中的每个数字乘以预定的权重。权重的赋值原则是近期的数据更⼤的权重。指数移动平均线也是权重移动均线的⼀种。
ExponentialMovingAverage（指数移动平均线）
指数移动平均线对最近的价格给予更⼤的权重，使其对新信息更敏感。要计算均线，⾸先计算特定时间段内的简单移动平均线（SMA）。接下来，计算加权EMA的乘数（称为“平滑因⼦”），通常遵循以下公式：[2/（周期+1）]。因此，对于20天移动平均线，乘数应为
[2/（20+1）]=0.0952。然后，使⽤平滑因⼦与前⼀个EMA组合，以获得当前值。因此，EMA对近期价格给予更⾼的权重（所以他也是⼀种权重移动平均），⽽SMA对所有价值给予同等的权重。具体计算就不细讲了，代码也很清楚，有兴趣直接参考代码。
增强的移动均线
AdaptiveMovingAverage（⾃适应移动均线，也称为考夫曼移动均线，KAMA）
那么移动均线的效果如何呢？
罗伯特·爱德华兹（Robert Edwards）和约翰·马吉（John Magee）在第⼀版《股票趋势技术分析》中总结了移动平均线的优缺点，他们说“⽽且，回到1941年，我们很⾼兴地发现了这⼀点（尽管许多其他⼈以前也发现过）通过对⼀定天数内的数据进⾏平均……我们可以得出⼀种⾃动趋势线，它肯定会解释趋势的变化……这似乎太好了，不可能是真的。"
为啥说不可能是真的呢？
⽐如说简单移动均线，我们之前提供的均线策略的简单的应⽤中，交易者在价格⾼于移动平均线时买⼊，在价格超过移动平均线时卖出。这样的⽅法保证了交易在每次重⼤交易中都处于正确的位置。不幸的是，在平滑数据的同时，移动平均线也会落后于市场，⼏乎总是会在交易中回吐⼤部分利润。通过我们的实际测试，效果确实也不好。
于是，分析师花了数年时间试图减少与这种滞后相关的问题。这些创新之⼀是指数移动平均（EMA）。这种⽅法对最近的数据赋予相对较⾼的权重，因此它⽐简单的移动平均线更接近价格⾛势。
虽然指数移动平均线减少了滞后，但它⽆法解决移动平均线的另⼀个问题，即使⽤移动平均线作为交易信号将导致⼤量交易失败。在《技术交易系统的新概念》⼀书中，威尔斯·怀尔德（Welles Wilder）估计，市场只有四分之⼀的时间呈现趋势。⾼达75%的交易⾏为局限于窄区间，当价格快速⾼于或低于移动平均线时，移动平均线买⼊和卖出信号将反复产⽣（震荡情况下，收益不⾼，佣⾦太多）。为了解决这个问题，⼀些分析师建议改变EMA计算的权重因⼦。
解决移动均线缺点的⼀种⽅法是将加权因⼦乘以波动率。这样做意味着，在动荡的市场中，移动平均线将远离当前价格。移动平均线将更接近当前的市场⾛势，理论上，允许交易者保留趋势期间获得的⼤部分收益。佩⾥·考夫曼（Perry Kaufman）在其著作《新交易系统和⽅法》（New Trading Systems and Methods）中建议将EMA公式中的“权重”变量替换为基于效率⽐（ER）的常数。该指标旨在衡量趋势的强度，定义范围为-1.0⾄+1.0。它表⽰的是每单位价格变动能产⽣多少⽅向性变动（或趋势）。ER为+1.0表⽰股票处于完美的上涨趋势-1.0代表了⼀个完美的下降趋势。实际上，很少达到极端。
Backtrader中提供了考夫曼的AdaptiveMovingAverage（KAMA），该均线⽤他的名字命名。它考虑到市场⽅向和波动性，使⽤了连续缩放的平滑因⼦。平滑因⼦由两个指数移动平均平滑因⼦计算得出，⼀个是快速平滑因⼦，⼀个是慢速平滑因⼦。如果市场趋势，价值将趋向于快速均线平滑期。如果市场没有趋势，它将⾛向缓慢的均线平滑期。
KAMA 与收盘价（Close）的偏差可⽤作看涨和看跌趋势的指标：
当价格⾼于其 KAMA 时，表明看涨趋势；
当价格低于其 KAMA 时，表明看跌趋势。
SmoothedMovingAverage（平滑移动平均）
也叫Modified Moving Average或者Running Moving Average ，它也是⼀种EMA，只不过平滑因⼦计算⽅法不⼀样⽽已。技术交易⼤神Wilder在1978年出版的《技术交易新概念》⼀书中使⽤。
DoubleExponentialMovingAverage（双重指数移动平均）
DEMA⾸次引⼊于1994年，由Patrick G.Mulloy在《股票和⼤宗商品技术分析》杂志上发表的⽂章《⽤更快的移动平均线平滑数据》。DEMA 使⽤两个指数移动平均线(EMA) 来消除滞后。DEMA 的使⽤⽅式与传统移动平均线(MA)类似。当价格⾼于平均值时，平均值有助于确认上升趋势，当价格低于平均值时有助于确认下降趋势。当价格越过平均线时，可能预⽰着趋势的变化。注意以下要点：
双指数移动平均线 (DEMA) 是⼀种⽐正常指数移动平均线 (EMA) 对近期价格变化反应更快的平均线。
DEMA 可以以与其他移动平均线相同的⽅式使⽤，只要交易者了解指标会更快地做出反应，因为它已经被平滑了两次。
较少的滞后并不总是⼀件好事，因为滞后有助于滤除噪⾳（就是价格的波动）。
那么如何是使⽤DEMA呢？
DEMA 的使⽤⽅式与传统 MA 的使⽤⽅式相同。DEMA 还可⽤于分析价格上升趋势或下降趋势的强度。如果使⽤多个 DEMA（具有不同的周期），交易者可能会观察价格（例如我们经常使⽤的Close）是否与 DEMA 交叉，或者 DEMA 是否会相互交叉。DEMA 也可能提供⽀撑或阻⼒。
交易者观察相对于 DEMA 的价格以评估趋势⽅向和趋势强度。当价格⾼于 DEMA 并且 DEMA 正在上涨时，它有助于确认上升趋势。当价格低于 DEMA 并且 DEMA 正在下降时，这有助于确认下降趋势。
基于上述情况，如果价格从下⽅穿越到 DEMA 上⽅，则可能表明下跌趋势结束并且价格开始上涨。如果价格从上⽅跌破 DEMA，则可能表明上涨趋势已经结束，价格即将下跌。这就是我们提到过的均线策略。
交易者还可以在图表上显⽰两个（或更多）具有不同周期的 DEMA。当这些线交叉时，可以产⽣交易
信号。例如，当 20 周期 DEMA 穿过50 周期 DEMA 时，交易者可能会买⼊。当 20 周期回到 50 周期以下时，他们会卖出。这就是我们之前提到双均线策略。
**TripleExponentialMovingAverage（三重指数移动平均） **
和双重指数移动平均⼀样，三重指数移动平均线 (TEMA) 也是Mulloy提出的，旨在平滑价格波动和减少滞后，⽐双重指数平均的滞后更少，从⽽更容易识别趋势。它通过采⽤原始 EMA 的多个指数移动平均线(EMA) 并减去⼀些滞后来实现。TEMA 像其他 均线⼀样使⽤。它可以帮助识别趋势⽅向，发出潜在的短期趋势变化或回调的信号，并提供⽀撑或阻⼒识别。
TRIX（三重指数平滑移动平均）
和上⼀个指标的差别是这⾥⽤了平滑技术，参见SmoothedMovingAverage的说明。
TRIX（⼜叫三重指数平滑移动平均指标，Triple Exponentially Smoothed Average”）是在 1980 年代初期由《股票和商品技术分析》杂志的编辑 Jack Hutson 开发的。在技术分析中，它被认为是⼀种动量指标。TRIX 显⽰证券收盘价的三次指数平滑移动平均线的百分⽐变化率，以消除与较⼤趋势相⽐⼀些⼩的的价格变动。
TRIX 是⼀种围绕零线振荡的振荡器，⽤于技术分析以识别超卖和超买。正 TRIX 值表⽰超买状态，⽽
负值表⽰超卖市场。TRIX 也可以⽤作动量指标。正值表⽰动量正在增加，⽽负值表⽰动量正在减少。
许多交易者和技术分析师在交易系统中使⽤ TRIX 来⽣成信号。技术分析表明，当 TRIX 在低于零线后穿过零线时会产⽣“买⼊”信号，⽽当 TRIX 向下穿过零线时会产⽣“卖出”信号。
同时，价格和TRIX的背离可以表明市场出现拐点的可能性。通常的做法是绘制⼀条周期较短的移动平均线（“信号线”）以发现 TRIX ⽅向的变化。在这种情况下，TRIX 和“信号线”交叉可⽤作买⼊/卖出信号。
TRIX 相对于移动平均线、MACD的主要优势和其他趋势跟踪指标是其对市场噪⾳的出⾊过滤。通过使⽤三重指数平均计算，TRIX 线消除了较⼩的短期趋势并指⽰市场⽅向的变化。许多交易者将 TRIX 视为最佳趋势反转和动量指标之⼀。当 TRIX 在交易系统中⽤作领先指标时，建议将其与其他市场指标结合使⽤，以最⼤程度地减少错误指⽰并提⾼系统的可靠性。
Backtrader还提供了TrixSignal，该指标在Trix的基础上，增加了信号线。
ZeroLagIndicator（零滞后指标）
前⾯咱们说过，所有的移动平均值都有滞后。滞后是必然的，因为平滑是使⽤过去的数据完成的。有两个哥们（约翰·埃勒斯和⾥克·韦，John Ehlers and Ric Way）写了篇⽂章，提出了零滞后指标，介
绍如何消除滞后。有兴趣的可以看看。
Backtrader中提供如下基于零滞后的指标：
ZeroLagExponentialMovingAverage：根据名字可以知道，它是采⽤零滞后指标对EMA的增强。
HullMovingAverage：这个是由Alan Hull提出的，他解决了⼀个由来已久的难题，即在保持曲线平滑的同时，使移动平均线对当前价格活动更具响应性。事实上，HMA⼏乎完全消除了滞后，同时也改善平滑度。既要平滑，⼜要反应快，额，既要…⼜要…。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议