这个问题或多或少地出现了几次：这样：
- backtrader如何最好/规范地实现这一点或那样？
作为 backtrader 的目标之一，可以灵活地 支持尽可能多的情况和用例，答案很简单：“至少在几种方式上”。针对指针进行汇总，对于这些问题最常发生的情况：
-
方法中
__init__100% 声明性 -
100%逐步
next的方法 -
对于声明性部分无法涵盖所有必需计算的复杂方案，混合上述两者
快速查看 backtrader 中的内置指针可发现所有这些指针都是以声明性方式实现的。原因
-
更容易做到
-
更易于阅读
-
更优雅
-
自动管理矢量化和基于偶数的实现
什么?!?!自动实现的矢量化？？
是的。如果指针完全在方法内部__init_ 实现，那么Python中元类和操作数重载的魔力将提供以下内容
-
矢量化实现（运行回溯测试时的缺省设置）
-
基于事件的实现（例如，用于即时交易）
另一方面，如果在方法中next 实现的指针的任何部分：
-
这是直接用于基于事件的运行的代码。
-
矢量化将通过在每个数据点的
next后台调用方法来模拟注意
这意味着，即使特定指针没有矢量化实现，所有其他拥有它的指针仍将以矢量化方式运行。
资金流量指数：一个例子
社区用户@Rodrigo Brito 发布了一个版本的「资金流量指数」 指针，该指针使用该 next 方法进行实施。
代码
class MFI(bt.Indicator):
lines = ('mfi', 'money_flow_raw', 'typical', 'money_flow_pos', 'money_flow_neg')
plotlines = dict(
money_flow_raw=dict(_plotskip=True),
money_flow_pos=dict(_plotskip=True),
money_flow_neg=dict(_plotskip=True),
typical=dict(_plotskip=True),
)
params = (
('period', 14),
)
def next(self):
typical_price = (self.data.close[0] + self.data.low[0] + self.data.high[0]) / 3
money_flow_raw = typical_price * self.data.volume[0]
self.lines.typical[0] = typical_price
self.lines.money_flow_raw[0] = money_flow_raw
self.lines.money_flow_pos[0] = money_flow_raw if self.lines.typical[0] >= self.lines.typical[-1] else 0
self.lines.money_flow_neg[0] = money_flow_raw if self.lines.typical[0] <= self.lines.typical[-1] else 0
pos_period = math.fsum(self.lines.money_flow_pos.get(size=self.p.period))
neg_period = math.fsum(self.lines.money_flow_neg.get(size=self.p.period))
if neg_period == 0:
self.lines.mfi[0] = 100
return
self.lines.mfi[0] = 100 - 100 / (1 + pos_period / neg_period)
注意
保持原样，包括长 lines ，必须水平滚动
@Rodrigo布里托已经注意到，临时lines的使用（除了mfi）lines除外）可能是承认优化的东西。确实，但以作者*的拙见，实际上一切都承认一些优化。
为了有共同的工作基础，可以使用StockCharts的「资金流量指数」定义，并看到上面的实现是好的。这是链接：
有了这个，指针的快速规范实现MFI
class MFI_Canonical(bt.Indicator):
lines = ('mfi',)
params = dict(period=14)
def __init__(self):
tprice = (self.data.close + self.data.low + self.data.high) / 3.0
mfraw = tprice * self.data.volume
flowpos = bt.ind.SumN(mfraw * (tprice > tprice(-1)), period=self.p.period)
flowneg = bt.ind.SumN(mfraw * (tprice < tprice(-1)), period=self.p.period)
mfiratio = bt.ind.DivByZero(flowpos, flowneg, zero=100.0)
self.l.mfi = 100.0 - 100.0 / (1.0 + mfiratio)
人们应该能够立即注意到
-
定义了单个 line
mfi。没有临时工。 -
事情看起来更干净，不需要
[0]数组索引 -
这里或那里没有单曲
if -
更紧凑，更易读
如果一个人绘制一个图表，两者都针对相同的数据集运行，它看起来像这样
该图表显示，规范版本和非规范版本显示相同的值和发展，除了在开头。
-
非规范版本从一开始就提供价值
-
它传递的是无意义的值（100.0 直到它传递 1 个额外的值，这也是不好的），因为它不能正确传递
相比之下：
-
规范版本在达到最小预热期 后自动开始提供值。
-
不需要人工干预（它必须肯定是「人工智能」或「机器学习」,...双关语 ）
查看受影响区域的 close图片
注意
当然，在非规范版本中，可以通过这样做来缓解这种情况：
- 子类化，其中
bt.ind.PeriodN已经有一个period参数，并且知道如何处理它（并在 期间__init__调用super）
另请注意，规范版本也考虑了公式中可能的零除情况的分步next 代码。
if neg_period == 0:
self.lines.mfi[0] = 100
return
self.lines.mfi[0] = 100 - 100 / (1 + pos_period / neg_period)
而这是另一种方式
mfiratio = bt.ind.DivByZero(flowpos, flowneg, zero=100.0)
self.l.mfi = 100.0 - 100.0 / (1.0 + mfiratio)
没有许多lines，一个return语句和对输出line的不同赋值，有计算的单个声明mfiratio和单个赋值（遵循StockCharts公式）到输出linemfi。
结论
希望这能揭示一些在以规范（即：声明性__init_）或非规范方式（逐步与数组索引） next实现某些内容时的差异。