1.3.0.92版本帶來了混合來自不同時間幀的數據（來自 data feeds 和/或指標）的可能性。
到版本：https://github.com/mementum/backtrader/發佈/標籤/1.3.0.92
背景：指示器是智慧啞物件。
-
他們很聰明，因為他們可以進行複雜的計算。
-
他們是愚蠢的，因為他們不知道哪些來源為計算提供數據。
因此：
- 如果提供這些值的數據源具有不同的時間幀，引擎內部
Cerebro的長度也不同，則指標將中斷。
計算範例，其中data0 的時間範圍為天， data1 時間範圍為 months：
pivotpoint = btind.PivotPoint(self.data1) sellsignal = self.data0.close < pivotpoint.s1
這裡，當close低於s1line（1st支撐位）時，尋求賣出信號
注意
PivotPoint 根據定義，在更大的時間範圍內工作
這將在過去出現以下錯誤：
return self.array[self.idx + ago] IndexError: array index out of range
並且有充分的理由：self.data.close從第1個瞬間開始提供值，但是PivotPoint（因此s1line）只會在整整一個月過去一次時才提供值，這大致相當於22個值self.data0.close。在此 22 關閉期間，尚無 值s1，並且嘗試從基礎陣列中獲取它失敗。
Lines 物件支援() 運算符（__call__ Python中的特殊方法）來提供自身的延遲版本：
close1 = self.data.close(-1)
在此示例中，物件close1（噹通過 [0]訪問時）始終包含 由 close傳遞的先前值 （-1）。該語法已被重用以適應適應時間範圍。讓我們重寫上面的pivotpoint片段：
pivotpoint = btind.PivotPoint(self.data1) sellsignal = self.data0.close < pivotpoint.s1()
()瞭解如何在沒有參數的情況下執行 （在後台提供 aNone）。正在發生以下情況：
pivotpoint.s1() 返回一個內部 LinesCoupler 物件，該物件遵循較大範圍的嚴格程度。該耦合器用實數 s1 中最新傳遞的值填充自身（從預設值 NaN開始）
但是需要一些額外的東西來使魔術起作用。Cerebro 必須使用以下命令建立：
cerebro = bt.Cerebro(runonce=False)
或通過以下方式執行：
cerebro.run(runonce=False)
在此模式下，指標和後期評估的自動 lines 物件是逐步執行的，而不是在緊密迴圈中執行的。這使得整個操作變慢，但它使它成為可能
底部的示例腳本正在上面斷開，現在運行：
$ ./mixing-timeframes.py
帶輸出：
0021,0021,0001,2005-01-31,2984.75,2935.96,0.00 0022,0022,0001,2005-02-01,3008.85,2935.96,0.00 ... 0073,0073,0003,2005-04-15,3013.89,3010.76,0.00 0074,0074,0003,2005-04-18,2947.79,3010.76,1.00 ...
在交易 74 時，第 1 個 實例 close < s1 的 take palce。
該腳本還提供了對其他可能性的見解：耦合指標的所有 lines 。在我們之前：
self.sellsignal = self.data0.close < pp.s1()
作為替代方案：
pp1 = pp() self.sellsignal = self.data0.close < pp1.s1
現在整個PivotPoint指標已經耦合，並且可以訪問其任何lines（即p， ， r1， r2s1， ） s2。該腳本只對以下內容感興趣s1，並且訪問是直接的：
$ ./mixing-timeframes.py --multi
輸出：
0021,0021,0001,2005-01-31,2984.75,2935.96,0.00 0022,0022,0001,2005-02-01,3008.85,2935.96,0.00 ... 0073,0073,0003,2005-04-15,3013.89,3010.76,0.00 0074,0074,0003,2005-04-18,2947.79,3010.76,1.00 ...
這裡沒有驚喜。和以前一樣。甚至可以繪製「耦合」物件：
$ ./mixing-timeframes.py --multi --plot
完整耦合語法
對於具有多個lineslines物件（例如，指標如下PivotPoint）：
-
obj(clockref=None, line=-1)clockref如果clockref是None，則周圍的物件（在示例aStrategy中）將是使較大的時間幀（例如：Months）適應更小/更快的時間幀（例如：Days）的引用
如果需要，可以使用其他引用
line- If the default `-1` is given, all *lines* are coupled. - If another integer (for example, `0` or `1`) a single line will be coupled and fetched by index (from `obj.lines[x]`) - If a string is passed, the line will be fetched by name. In the sample the following could have been done: ``` coupled_s1 = pp(line='s1') ```
對於具有單個line的lines物件（例如，指標中的PivotPointlines1）：
obj(clockref=None)（見上文clockref）
結論
集成在常規() 語法中，來自不同時間幀的數據可以混合在指標中，同時始終考慮 cerebro 需要使用 runonce=False實例化或創建的數據。
腳本代碼和用法
可作為樣品在源。backtrader用法：
$ ./mixing-timeframes.py --help usage: mixing-timeframes.py [-h] [--data DATA] [--multi] [--plot] Sample for pivot point and cross plotting optional arguments: -h, --help show this help message and exit --data DATA Data to be read in (default: ../../datas/2005-2006-day-001.txt) --multi Couple all lines of the indicator (default: False) --plot Plot the result (default: False)
代碼：
from __future__ import (absolute_import, division, print_function,
unicode_literals)
import argparse
import backtrader as bt
import backtrader.feeds as btfeeds
import backtrader.indicators as btind
import backtrader.utils.flushfile
class St(bt.Strategy):
params = dict(multi=True)
def __init__(self):
self.pp = pp = btind.PivotPoint(self.data1)
pp.plotinfo.plot = False # deactivate plotting
if self.p.multi:
pp1 = pp() # couple the entire indicators
self.sellsignal = self.data0.close < pp1.s1
else:
self.sellsignal = self.data0.close < pp.s1()
def next(self):
txt = ','.join(
['%04d' % len(self),
'%04d' % len(self.data0),
'%04d' % len(self.data1),
self.data.datetime.date(0).isoformat(),
'%.2f' % self.data0.close[0],
'%.2f' % self.pp.s1[0],
'%.2f' % self.sellsignal[0]])
print(txt)
def runstrat():
args = parse_args()
cerebro = bt.Cerebro()
data = btfeeds.BacktraderCSVData(dataname=args.data)
cerebro.adddata(data)
cerebro.resampledata(data, timeframe=bt.TimeFrame.Months)
cerebro.addstrategy(St, multi=args.multi)
cerebro.run(stdstats=False, runonce=False)
if args.plot:
cerebro.plot(style='bar')
def parse_args():
parser = argparse.ArgumentParser(
formatter_class=argparse.ArgumentDefaultsHelpFormatter,
description='Sample for pivot point and cross plotting')
parser.add_argument('--data', required=False,
default='../../datas/2005-2006-day-001.txt',
help='Data to be read in')
parser.add_argument('--multi', required=False, action='store_true',
help='Couple all lines of the indicator')
parser.add_argument('--plot', required=False, action='store_true',
help=('Plot the result'))
return parser.parse_args()
if __name__ == '__main__':
runstrat()