即使是次要版本，也有一些有趣的事情可能會為他們提供專門的博客文章。
linealias
Pull-Request #320包括指標RelativeMomentumIndex （或RMI ），根據文獻，它是RSI的演變，其中：
- 考慮回溯大於
1的上升和下降週期
因此，與其讓指標重複RSI的大部分功能，不如做兩件事：
擴展
RSI（以及UpDay和DownDay等子指標，以支持大於 1 的回溯期RMI然後可以實現為具有一些不同默認值的子類。RMI指標線的邏輯名稱是rmi，但RSI已經決定名稱為rsi。這可以通過添加一個名為linealias的新功能來解決
RMI實現如下所示：
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
添加了來自基類的行rsi的別名，名稱為rmi 。如果有人想創建一個子類並使用名稱rmi現在是可能的。
此外， rsi線的繪圖名稱也更改為rmi 。另一種實現是可能的：
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
這裡不再考慮來自RSI的現有層次結構，並且使用lines來定義唯一名為rmi的行。不需要定義繪圖名稱，因為現在唯一的行具有預期的名稱。
但是基類將無法填充這些值，因為它期望名稱為rsi的行就位。因此添加了一個反向別名來讓它找到line 。
盈透證券優化
沒有預見到使用與 Interactive Brokers 的實時連接作為優化的數據源。然而，一位用戶嘗試了它並開始遇到起搏違規行為。原因是盈透證券數據饋送將自己標記為live饋送，從而允許系統繞過某些事情，例如數據預加載。
在沒有預加載的情況下，每個優化實例都會重新嘗試從盈透證券重新下載相同的歷史數據。考慮到這一點，很明顯，Feed 可以查看用戶是否僅請求歷史下載，在這種情況下不報告自己為live ，從而允許平台預加載數據並在優化實例之間共享它。
請參閱社區線程。使用 IBStore 進行優化會導致冗餘連接/下載
Heikin-Ashi 燭台
另一個社區線程正在尋求開發 Heikin-Ashi 燭台作為指標：開發 Heikinashi 指標，面臨遞歸定義的一些問題，因為需要種子值，這可以在指標的prenext階段完成。
作為傳統燭台的一種有趣的顯示替代品，它已作為過濾器實現，它允許修改數據源以真正提供 Heikin-Ashi 燭台。像這樣：
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碼快速比較蠟燭：
data0 = MyDataFeed(dataname='xxx', timeframe=bt.TimeFrame.Days, compression=1) cerebro.adddata(data0) data1 = data0.clone() data1.addfilter(bt.filters.HeikinAshi) cerebro.adddata(data1)
要繪製蠟燭圖，請記住：
cerebro.plot(style='candle')
使用來源中 2005 年和 2006 年的每日樣本數據。
並放大一點以更好地了解差異
允許次要角色重新縮放 y 軸
數據源的軸一直使用主數據源作為比例所有者，因為數據始終是視圖中最重要的部分。例如，如果我們考慮BollingerBands ，則頂部波段可能遠離數據的最大值，並且允許該波段重新縮放圖表，將減少圖表中數據佔用的大小，這將不希望。
現在可以使用plotylimited控制行為，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 ...
在下圖中，底部的數據饋送用plotylimited= False繪製。布林帶並沒有脫離圖表，因為它們有助於縮放並且一切都適合圖表。
社區中也對此進行了評論。如何設置最大 - 最小繪圖邊界？
半對數圖（又名對數）
現在可以使用半對數刻度（y 刻度）繪製單個軸。例如：
... data0 = MyDataFeed(dataname='xxx', timeframe=bt.TimeFrame.Days, compression=1) data0.plotinfo.plotlog = True data0.plotinfo.plotylimited = True cerebro.adddata(data0) ...
這意味著由該數據饋送控制的用於繪圖的軸將使用對數刻度，但其他軸不會，因此
繪製在數據上的移動平均線也將使用該比例繪製
隨機指標（位於不同的軸並具有不同的比例）仍將線性繪製
筆記
請注意，使用了plotylimited= True 。這是為了讓matplotlib正確計算對數圖表的限制（因為刻度是 10 的冪）以將事物放入圖表中。
一個簡單地比較雅虎長期數據的樣本。
允許 plotmaster 指向自己
在同一軸上繪製多個數據饋送已經是可能的，但是一個小麻煩不允許乾淨的循環來設置plotinfo.plotmaster值。之前必須完成以下工作：
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]
現在可以使用這個更清潔的循環：
mydatas = []
for ticker in mytickers:
data = MyDataFeed(dataname=ticker, timeframe=..., compression=...)
mydatafeeds.append(data)
data.plotinfo.plotmaster = mydatas[0]
並且dnames被記錄在案
按名稱引用數據饋送已經可用，但它已跳過將其寫入文檔，因此它是一個隱藏的寶石。策略中的dnames屬性支持點表示法和 [] 表示法（它實際上是一個dict子類）。如果我們首先添加一些數據提要：
mytickers = ['YHOO', 'IBM', 'AAPL'] for t in mytickers: d = bt.feeds.YahooFinanceData(dataname=t, fromdate=..., name=t.lower())
稍後在策略中可以執行以下操作：
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()}
結論
一個帶有小改動的小版本，增加了一些漂亮的功能。