即使是次要版本，也有一些有趣的事情可能会为他们提供专门的博客文章。
linealias
Pull-Request #320包括指针RelativeMomentumIndex （或RMI ），根据文献，它是RSI的演变，其中：
- 考虑回溯大于
1的上升和下降周期
因此，与其让指针重复RSI的大部分功能，不如做两件事：
扩展
RSI（以及UpDay和DownDay等子指针，以支持大于 1 的回溯期RMI然后可以实现为具有一些不同默认值的子类。RMI指针线的逻辑名称是rmi，但RSI已经决定名称为rsi。这可以通过添加一个名为linealias的新功能来解决
RMI实现如下所示：
class RelativeMomentumIndex(RSI):
alias = ('RMI', )
linealias = (('rsi', 'rmi',),) # add an alias for this class rmi -> rsi
plotlines = dict(rsi=dict(_name='rmi')) # change line plotting name
添加了来自基类的行rsi的别名，名称为rmi 。如果有人想创建一个子类并使用名称rmi现在是可能的。
此外， rsi线的绘图名称也更改为rmi 。另一种实现是可能的：
class RelativeMomentumIndex(RSI):
alias = ('RMI', )
linesoverrride = True # allow redefinition of the lines hierarcy
lines = ('rmi',) # define the line
linealias = (('rmi', 'rsi',),) # add an alias for base class rsi -> rmi
这里不再考虑来自RSI的现有层次结构，并且使用lines来定义唯一名为rmi的行。不需要定义绘图名称，因为现在唯一的行具有预期的名称。
但是基类将无法填充这些值，因为它期望名称为rsi的行就位。因此添加了一个反向别名来让它找到line 。
盈透证券优化
没有预见到使用与 Interactive Brokers 的实时连接作为优化的数据源。然而，一位用户尝试了它并开始遇到起搏违规行为。原因是盈透证券数据馈送将自己标记为live馈送，从而允许系统绕过某些事情，例如数据预加载。
在没有预加载的情况下，每个优化实例都会重新尝试从盈透证券重新下载相同的历史数据。考虑到这一点，很明显，Feed 可以查看用户是否仅请求历史下载，在这种情况下不报告自己为live ，从而允许平台预加载数据并在优化实例之间共享它。
请参阅社区线程。使用 IBStore 进行优化会导致冗余连接/下载
Heikin-Ashi 烛台
另一个社区线程正在寻求开发 Heikin-Ashi 烛台作为指针：开发 Heikinashi 指针，面临递归定义的一些问题，因为需要种子值，这可以在指针的prenext阶段完成。
作为传统烛台的一种有趣的显示替代品，它已作为过滤器实现，它允许修改数据源以真正提供 Heikin-Ashi 烛台。像这样：
data0 = MyDataFeed(dataname='xxx', timeframe=bt.TimeFrame.Days, compression=1) data0.addfilter(bt.filters.HeikinAshi) cerebro.adddata(data0)
任何人都可以使用以下代码快速比较蜡烛：
data0 = MyDataFeed(dataname='xxx', timeframe=bt.TimeFrame.Days, compression=1) cerebro.adddata(data0) data1 = data0.clone() data1.addfilter(bt.filters.HeikinAshi) cerebro.adddata(data1)
要绘制蜡烛图，请记住：
cerebro.plot(style='candle')
使用来源中 2005 年和 2006 年的每日样本数据。
并放大一点以更好地了解差异
允许次要角色重新缩放 y 轴
数据源的轴一直使用主数据源作为比例所有者，因为数据始终是视图中最重要的部分。例如，如果我们考虑BollingerBands ，则顶部波段可能远离数据的最大值，并且允许该波段重新缩放图表，将减少图表中数据占用的大小，这将不希望。
现在可以使用plotylimited控制行为，如下所示：
... data0 = MyDataFeed(dataname='xxx', timeframe=bt.TimeFrame.Days, compression=1) data0.plotinfo.plotlog = False # allow other actors to resize the axis ...
在下图中，底部的数据馈送用plotylimited= False绘制。布尔带并没有脱离图表，因为它们有助于缩放并且一切都适合图表。
社区中也对此进行了评论。如何设置最大 - 最小绘图边界？
半对数图（又名对数）
现在可以使用半对数刻度（y 刻度）绘制单个轴。例如：
... data0 = MyDataFeed(dataname='xxx', timeframe=bt.TimeFrame.Days, compression=1) data0.plotinfo.plotlog = True data0.plotinfo.plotylimited = True cerebro.adddata(data0) ...
这意味着由该数据馈送控制的用于绘图的轴将使用对数刻度，但其他轴不会，因此
绘制在数据上的移动平均线也将使用该比例绘制
随机指针（位于不同的轴并具有不同的比例）仍将线性绘制
笔记
请注意，使用了plotylimited= True 。这是为了让matplotlib正确计算对数图表的限制（因为刻度是 10 的幂）以将事物放入图表中。
一个简单地比较雅虎长期数据的样本。
允许 plotmaster 指向自己
在同一轴上绘制多个数据馈送已经是可能的，但是一个小麻烦不允许干净的循环来设置plotinfo.plotmaster值。之前必须完成以下工作：
mydatas = []
data = MyDataFeed(dataname=mytickers[0], timeframe=..., compression=...)
mydatafeeds.append(data)
for ticker in mytickers[1:]
data = MyDataFeed(dataname=ticker, timeframe=..., compression=...)
mydatafeeds.append(data)
data.plotinfo.plotmaster = mydatas[0]
现在可以使用这个更清洁的循环：
mydatas = []
for ticker in mytickers:
data = MyDataFeed(dataname=ticker, timeframe=..., compression=...)
mydatafeeds.append(data)
data.plotinfo.plotmaster = mydatas[0]
并且dnames被记录在案
按名称引用数据馈送已经可用，但它已跳过将其写入文档，因此它是一个隐藏的宝石。策略中的dnames属性支持点表示法和 [] 表示法（它实际上是一个dict子类）。如果我们首先添加一些数据提要：
mytickers = ['YHOO', 'IBM', 'AAPL'] for t in mytickers: d = bt.feeds.YahooFinanceData(dataname=t, fromdate=..., name=t.lower())
稍后在策略中可以运行以下操作：
def __init__(self):
yhoosma = bt.ind.SMA(self.dnames.yhoo, period=20)
aaplsma = bt.ind.SMA(self.dnames['aapl'], period=30)
# or even go over the keys/items/values like in a regular dict
# for example with a dictionary comprehension
stocs = {name: bt.ind.Stochastic(data) for name, data in self.dnames.items()}
结论
一个带有小改动的小版本，增加了一些漂亮的功能。