过滤器

这个功能是 backtrader 中相对较晚添加的，并且必须适应已有的内部结构。这使得它不像希望的那样灵活和功能完善，但在许多情况下仍然可以达到目的。

尽管实现尝试允许插入和播放过滤器链，但是已有的内部结构使得难以确保始终可以实现。因此，有些过滤器可以链接，而其他一些则不能。

目的 *** ** **

• 将 数据源 提供的值转换为不同的 数据源

这个实现的目的是简化通过 cerebro API直接使用的两个显而易见的过滤器的实现。它们分别是：

• 重采样 ( cerebro.resampledata )

  在这里，过滤器会转换 数据源 的 时间框架 和 压缩率 。例如:

  (秒, 1) -> (天, 1)
  

  这意味着原始的数据源是以 1秒*为分辨率提供的条形图。 重采样 过滤器截取数据并将其缓冲，直到它可以提供 1天 的条形图。当看到来自第二天的 1秒 条形图时，就会发生这种情况。 - * 回放 ( cerebro.replaydata )

  对于上述的相同时间段，该过滤器将使用 1秒*分辨率的柱状图重新构建 1天*柱状图。

  这意味着 1天*柱状图会根据看到的 1秒*柱状图的次数进行更新，以包含最新的信息。

  这样可以模拟实际交易日的发展过程。

  备注

  只要 day 没有改变，数据的长度 len(data) 和策略的长度都不会发生变化。

工作中的过滤器 *** ** ** ** ** ** **

在使用现有的数据源进行数据提供时，您可以使用数据提供的 addfilter 方法:

data = MyDataFeed(dataname=myname)
data.addfilter(filter, *args, **kwargs)
cerebro.addata(data)

即使它与 重新采样/回放 过滤器是兼容的，也可以进行以下操作:

data = MyDataFeed(dataname=myname)
data.addfilter(filter, *args, **kwargs)
cerebro.replaydata(data)过滤器接口

*** ** ** ** ** ** **

一个 “filter” 必须符合以下给定的接口：

• 一个可调用对象，接受以下签名函数:

  callable(data, *args, **kwargs)
  

或者

• 一个能够被 实例化 和 调用 的类

  • 实例化过程中， __init__ 方法必须支持以下签名函数:

    def __init__(self, data, *args, **kwargs)
    

  • __call__ 方法具有以下签名函数:

    def __call__(self, data, *args, **kwargs)每当有新的输入值来自* 数据喂养 *，该实例将被调用。 ``* args`` 和 ``*kwargs`` 是传递给 ``__init__`` 的参数。
    

返回值 :

• True : 数据喂养的内部数据获取循环必须重试从喂养中获取数据，因为流的长度被篡改了。

• False : 即使数据可能已被编辑（例如：更改 close 价格），流的长度仍保持不变。

对于基于类的过滤器，可以实现两个附加方法

• last ，具有以下签名:

  def last(self, data, *args, **kwargs)
  

  当 数据喂养 结束时，将调用此方法，允许过滤器传递其可能缓冲的数据。典型情况是 重新取样 ，因为在看到下一个时间段的数据之前，柱形图将被缓冲。当数据喂养结束时，就没有新的数据来推动缓冲区的数据。

  last 提供了将缓冲区的数据推出的机会。

注意

如果 过滤器 根本不支持任何参数，并且将被添加而没有参数，则签名可以简化为：一个示例过滤器

---

一个非常简单的过滤器实现:

class SessionFilter(object):
    def __init__(self, data):
        pass

    def __call__(self, data):
        if data.p.sessionstart <= data.datetime.time() <= data.p.sessionend:
            # bar在会话时间内
            return False  # 告诉外部数据循环可以处理该bar

        # bar在常规会话时间之外
        data.backwards()  # 从数据堆栈中移除bar
        return True  # 告诉外部数据循环需要获取新的bar

该过滤器:

• 使用 data.p.sessionstart 和 data.p.sessionend （标准数据源参数）来决定bar是否在会话时间内。

• 如果 在会话时间内 ，返回值为 False 表示没有进行任何操作，当前的bar可以继续处理。

• 如果 不在会话时间内 ，将bar从流中移除，并返回 True 表示需要获取新的bar。.. 注意:: data.backwards() 方法使用了 LineBuffer 接口。这深入了解了 backtrader 的内部机制。

对于这个过滤器的使用：

• 一些数据源包含了 非正常交易时间 的数据，这些数据对交易者可能没有兴趣。使用这个过滤器将只考虑 交易时间内 的数据。

过滤器的数据伪-API *** ** ** ** ** ** ** ** ** ** ** ** **

在上面的示例中，展示了如何通过调用 data.backwards() 方法从流中移除当前的条。数据源对象提供了一组用于过滤器的 伪-API ：

• data.backwards(size=1, force=False) ：将数据流中的 size 个条移除（默认为 1 ），通过将逻辑指针向后移动。如果 force=True ，则也会删除物理存储。

  删除物理存储是一项非常敏感的操作，仅用于内部操作的hack。

• data.forward(value=float('NaN'), size=1) ：将存储向前移动 size 个条，如有必要则增加物理存储，并使用 value 进行填充。

• data._addtostack(bar, stash=False) ：将 bar 添加到一个堆栈中，以供稍后处理。 bar 是一个可迭代对象，包含与数据源的 lines 相同数量的值。

  如果 stash=False ，则添加到堆栈中的条将立即被系统在下一次迭代的开始时消耗。如果 stash=True ，则 bar 将经历整个循环处理过程，包括可能被过滤器重新解析。

• data._save2stack(erase=False, force=False) ：将当前数据 bar 保存到堆栈中以供以后处理。如果 erase=True ，那么将调用 data.backwards ，并且将接收参数 force 。

• data._updatebar(bar, forward=False, ago=0) ：使用可迭代对象 bar 中的值覆盖数据流 ago 位置上的值。默认情况下，使用 ago=0 来更新当前 bar 。使用 -1 ，则是更新上一个 bar 。

另一个示例：Pinkfish 过滤器

这是一个可以链接的过滤器的示例，主要用于另一个过滤器，即“replay filter”。 Pinkfish 这个名字来自于描述这个概念的库的主页：使用每日数据执行只有使用分钟级数据才可能实现的操作。

为了达到该效果：

• 将每日 bar 分成两个部分： OHL 和 C 。

• 这两个部分通过 replay 进行链接，以在流中发生以下情况：

  对于长度为 X -> OHL 对于长度为 X -> OHLC 对于长度为 X + 1 -> OHL 对于长度为 X + 1 -> OHLC 对于长度为 X + 2 -> OHL 对于长度为 X + 2 -> OHLC …

逻辑:- 当接收到一个 OHLC 条时，它会被复制到一个可迭代对象，并进行分解，得到以下内容：

• 一个 OHL 条。因为这个概念实际上并不存在，所以 收盘*价格被替换为 开盘*价格，真正形成了一个 OHLO 条。

• 一个 C 条也并不存在。现实情况是它将被传送如一个 CCCC 。

• 成交量被分配到这两部分之间。

• 当前条从流中移除。

• OHLO 部分被放入堆栈中以供立即处理。

• CCCC 部分被放入存储区以供下一轮处理。

• 因为堆栈中有内容要进行立即处理，过滤器可以返回 False 表示完成处理。

此过滤器与以下内容一起工作：

• replay 过滤器将 OHLO 和 CCCC 部分合并以最终提供一个 OHLC 条。使用案例：

• 查看今天的最高价格是否是过去20个交易日中的最高价格，如果是，则发出一个以第二个tick执行的“Close”订单。

代码：

class DaySplitter_Close(bt.with_metaclass(bt.MetaParams, object)):

‘’’ 将每日的K线分为两部分，模拟2个tick，用于回放数据：

• 第一个tick： OHLX

  将“Close”价格替换为“Open”，“High”和“Low”的 平均值

  此tick使用的是开盘时间

和

• 第二个tick： CCCC

  使用“Close”价格作为价格的四个组成部分的值这个滤波器用于将交易量分配给2个ticks，使用以下参数：

• closevol （默认值： 0.5 ）该值表示百分比，绝对数值从0.0到1.0，给予 closing tick。其余部分将给予 OHLX tick。

此滤波器旨在与 cerebro.replaydata 一起使用

‘’’(代码注释：回放中为True)

```python params = (

(‘closevol’, 0.5), # 在close中保留的交易量的百分比（0至1）

)

# replaying = True

def __init__(self, data):

self.lastdt = None

def __call__(self, data):

# 复制新的K线并从流中移除它 datadt = data.datetime.date() # 保留日期信息

if self.lastdt == datadt:

return False # 跳过已经在滤波器中出现过的K线

self.lastdt = datadt # 保留对最后一个K线的引用

closebar = ohlbar[:] # 复制 close

# 用开盘、最高、最低价格平均值替换收盘价 ohlprice = ohlbar[data.Open] + ohlbar[data.High] + ohlbar[data.Low] ohlbar[data.Close] = ohlprice / 3.0

vol = ohlbar[data.Volume] # 调整交易量 ohlbar[data.Volume] = vohl = int(vol * (1.0 - self.p.closevol))

oi = ohlbar[data.OpenInterest] # 调整未平仓合约 ohlbar[data.OpenInterest] = 0

# 调整时间 dt = datetime.datetime.combine(datadt, data.p.sessionstart) ohlbar[data.DateTime] = data.date2num(dt)

# 调整 closebar，生成单个 tick -> 收盘价 closebar[data.Open] = cprice = closebar[data.Close] closebar[data.High] = cprice closebar[data.Low] = cprice closebar[data.Volume] = vol - vohl ohlbar[data.OpenInterest] = oi

# 调整时间 dt = datetime.datetime.combine(datadt, data.p.sessionend) closebar[data.DateTime] = data.date2num(dt)

# 更新流 data.backwards(force=True) # 从流中删除复制的条 data._add2stack(ohlbar) # 将 ohlbar 添加到堆栈 # 将第二部分添加到stash，延迟到下一轮处理 data._add2stack(closebar, stash=True)

return False # 初始 tick 可以继续从堆栈中处理 ```