Backtrader 文档学习- Plotting

虽然回测是一个基于数学计算的自动化过程，还是希望实际通过可视化验证。无论是使用现有算法回测，还是观察数据驱动的指标（内置或自定义）。

凡事都要有人完成，绘制数据加载、指标、操作执行、现金和投资组合价值的演变，可以帮助人们更好地了解正在发生的事情，放弃/修改/创造的思考，查看图表的人对可视化信息做处理 。

这就是为什么backtrader使用matplotlib提供内置的图表功能。

1.How to plot

任何回测运行都可以通过调用方法来绘图:

cerebro.plot()

通常是BT程序执行的最后一个命令，就像下面简单的代码一样，它使用了来自backtrader源的样本数据之一。

from __future__ import (absolute_import, division, print_function, unicode_literals) import backtrader as bt class St(bt.Strategy): def __init__(self): self.sma = bt.indicators.SimpleMovingAverage(self.data) data = bt.feeds.BacktraderCSVData(dataname='../../datas/2005-2006-day-001.txt') cerebro = bt.Cerebro() cerebro.adddata(data) cerebro.addstrategy(St) cerebro.run() cerebro.plot() 

图示：

图表包括3个观察者，如果没有任何交易，图示是没有意义的:

• CashValue 现金价值观察者在回测运行期间跟踪现金和组合总价值（包括现金）
• Trade 交易观察者，在交易结束时显示实际利润和损失（PNL）的
  交易的定义是开仓并将头寸归零（直接或从多头转为空头或从空头转为多头）
• BuySell 买卖观察器，它（在价格之上）标出发生买卖操作发生

cerebro = bt.Cerebro(stdstats=False)

或在运行时禁用

cerebro = bt.Cerebro()
…
cerebro.run(stdstats=False)

图示：

2.Plotted Elements

尽管前面的介绍中已经提到了Observers，但它们并不是绘制的唯一素。有三个对象绘图:

• 使用adddata、replaydata和resampledata向Cerebro添加数据加载
• 在策略级别声明的指标（或使用addindicator添加到cerebro中，为了实验目的，并将指标添加到虚拟策略中）
• 观察器直接添加到cerebro
  观察者与策略对象Lines 同步运行，可以访问整个生态系统，能够跟踪现金和价值等变化。

3.Plotting Options

Indicators 和Observers 有几个选项可以控制在图表上的绘制方式。有3大组:

• 影响整个对象的绘图行为的选项
• 影响个别Lines 的绘图行为的选项
• 影响系统范围绘图的选项

4.Object-wide plotting options

控制指标和观察器中数据:

plotinfo = dict(plot=True, subplot=True, plotname='', plotskip=False, plotabove=False, plotlinelabels=False, plotlinevalues=True, plotvaluetags=True, plotymargin=0.0, plotyhlines=[], plotyticks=[], plothlines=[], plotforce=False, plotmaster=None, plotylimited=True, ) 

在类定义中plotinfo为一个字典类型，但backtrader的类机制将其转换为一个可以继承的对象，甚至可以进行多重继承。作用:

• 如果子类将subplot=True之类的值更改为subplot=False，则类层次中更低一级的子类会，将后者作为subplot的默认值 。

参数赋值有两种方法。第一种方法的简单移动平均实例化:

sma = bt.indicators.SimpleMovingAverage(self.data, period=15, plotname='mysma') 

从示例中可以看出，SimpleMovingAverage构造函数未使用的任何kwargs参数都将解析（如果可能的话），做为plotinfo 对象参数值。SimpleMovingAverage定义了参数period。意味着plotname将与plotinfo中的同名参数一致。

第二种方法：

sma = bt.indicators.SimpleMovingAverage(self.data, period=15) sma.plotinfo.plotname = 'mysma' 

绘图选项：

• plot: 是否绘制对象
• subplot: 是否在数据上绘制或在独立的子图中绘制。移动平均线是在数据上绘制的示例。随机指标和相对强弱指标是在不同比例尺上的子图中绘制的示例。
• plotname: 在图表上使用的名称，而不是类名称。例如，上面的示例中使用mysma而不是SimpleMovingAverage
• plotskip(已弃用):plot的旧别名
• plotabove: 是否在数据上方绘制。否则在下方绘制。这仅在subplot=True时有效
• plotlinelabels: 是否在图表上的图例中绘制单个线的名称
  示例：布林带有3条线，但指标是在数据上绘制的。将只显示单个名称BollingerBands，而不是显示3个单独线的名称（mid，top，bot），这似乎是合理的。
  这种情况的用例是BuySell观察器，对于它来说，显示2条线和其标记的名称是有意义的：Buy和Sell，以便最终用户清楚地知道是什么。
• plotymargin: 添加到图表上各个子图的顶部和底部的边距
  它是一个百分比，但基于1。例如：0.05-> 5％
• plothlines: 包含在比例尺内的值（在比例尺内）的可迭代对象，在这些值处必须绘制水平线。
  这有助于经典指标的超买，超卖区域，例如通常在RSI上绘制的线通常在70和30处绘制
• plotyticks: 包含在比例尺内的值（在比例尺内）的可迭代对象，在这些值处必须在比例尺上特别放置值刻度
  例如，强制比例尺具有50以标识比例尺的中点。尽管这似乎很明显，但指标使用自动缩放机制，如果具有0-100比例尺的指标在30-95之间定期移动，则50可能不明显位于中心。
• plotyhlines: 包含在比例尺内的值（在比例尺内）的可迭代对象，在这些值处必须绘制水平线。
  这可以接管plothlines和plotyticks。
  如果没有定义上述任何一个，则水平线和刻度线的放置位置将完全由此值控制
  如果定义了其中任何一个，则它们优先于此选项中存在的值
• plotforce : 有时，由于匹配数据提要到指标等复杂过程，自定义指标可能无法绘制。这是一种最后的手段机制，尝试强制绘图。
  如果所有其他方法都失败，请使用它
• plotmaster : Indicator/Observer有一个主人，即正在使用的数据。在某些情况下，可能希望需要使用不同的主人来绘制它。
  一个用例是PivotPoint 指标，它是在月度数据上计算的，但是适用于每日数据。它只有在每日数据上绘制才有意义，这是指标有意义的地方。

5.Line specific plotting options

Indicators/Observers 具有线，如何绘制这些线可以通过plotlines 对象进行设置。大多数在plotlines 中指定的选项都是直接传递给matplotlib 进行绘制的。因此，文档依赖于已完成的事情的示例。
重要提示： 选项是按Lines指定的。
其中一些选项由backtrader直接控制。这些都以下划线（ _ ）开头：

• _plotskip （布尔值），如果设置为True ，则表示
• _plotskip （布尔值），如果设置为True ，则表示
• _plotvalue （布尔值）控制图例是否包含最后一个绘制的值（默认为True）
• _plotvaluetag （布尔值）控制是否在右侧绘制一个带有最后一个值的标签（默认为True）
• _name （字符串）更改特定线的绘图名称
• _skipnan （布尔值，默认值：False）：在绘制时跳过NaN值，允许例如在指标生成的两个远离的点之间绘制一条线，其中所有中间值都为NaN（新创建的数据点的默认值）
• _samecolor （布尔值）这将强制下一行具有与上一行相同的颜色，避免matplotlib默认机制循环遍历每个新绘制的素的颜色映射
• _method （字符串）选择matplotlib将用于素的绘图方法。如果未指定，则选择最基本的绘图方法。
  例如来自MACDHisto。这里的histo线以行业事实标准的条形图形式绘制。可以在MACDHisto的定义中找到以下定义：

lines = ('histo',) plotlines = dict(histo=dict(_method='bar', alpha=0.50, width=1.0)) 

alpha 和width是matplotlib的选项

• _fill_gt / _fill_lt 允许在给定线和以下线或数字值之间进行填充：
  • 另一条线
  • 数字值

参数是一个包含2个素的可迭代对象，其中：

• 第一个参数
  是参考线的名称（字符串）或数字值
  填充将在自身值和线或数字值的值之间进行
• 第二个参数是：
  带有颜色名称（matplotlib兼容）或十六进制规范的字符串（请参见matloplit示例）
  或
  一个可迭代对象，其中第一个素是颜色的字符串/十六进制值，第二个素是指定alpha透明度的数字值（默认值：0.20，由绘图方案中的fillalpha控制）
  示例：

# Fill for myline when above other_line with colour red plotlines = dict( myline=dict(_fill_gt('other_line', 'red')) ) # Fill for myline when above 50 with colour red plotlines = dict( myline=dict(_fill_gt(50, 'red)) ) # Fill for myline when above other_line with colour red and 50% # transparency (1.0 means "no transparency") plotlines = dict( myline=dict(_fill_gt('other_line', ('red', 0.50))) ) 

6.Passing options to a not yet known line

使用名称_X，其中X代表从零开始的索引中的数字。这意味着选项适用于第X行

• 来自OscillatorMixIn的用例：

plotlines = dict(_0=dict(_name='osc')) 

7.Some plotlines examples

BuySell 观察者具有以下内容：

plotlines = dict( buy=dict(marker='^', markersize=8.0, color='lime', fillstyle='full'), sell=dict(marker='v', markersize=8.0, color='red', fillstyle='full') ) 

... lines = ('pnlplus', 'pnlminus') ... plotlines = dict( pnlplus=dict(_name='Positive', marker='o', color='blue', markersize=8.0, fillstyle='full'), pnlminus=dict(_name='Negative', marker='o', color='red', markersize=8.0, fillstyle='full') ) 

lines = ('drawdown', 'maxdrawdown',) ... plotlines = dict(maxdrawdown=dict(_plotskip='True',)) 

plotlines = dict( mid=dict(ls='--'), top=dict(_samecolor=True), bot=dict(_samecolor=True), ) 

lines = ('percK', 'percD',) ... plotlines = dict(percD=dict(_name='%D', ls='--'), percK=dict(_name='%K')) 

较慢的线percD 以虚线样式绘制。和名字的线被更改以包括花式％ 符号（ ％K 和％D ），这不能在Python中使用名称定义

8.Methods controlling plotting

当处理指标和观察者时，支持以下方法以进一步控制绘图：

• _plotlabel (self)
  应返回一个列表，其中包含将放置在指标或观察者名称括号中的标签的内容
  来自RSI指标的示例：

def _plotlabel(self): plabels = [self.p.period] plabels += [self.p.movav] * self.p.notdefault('movav') return plabels 

此方法返回：

• 一个int，表示为RSI配置的周期，如果默认移动平均线已更改，则为特定类
  在后台，两者都将转换为字符串。在类的情况下，将输出类的名称，而不是完整的module.name组合。
• _plotinit (self)
  在绘图开始时调用，以执行指标可能需要的任何特定初始化。再次，来自RSI的示例：

def _plotinit(self): self.plotinfo.plotyhlines = [self.p.upperband, self.p.lowerband] 

9.System-wide plotting options

首先是cerebro中plot 的signature：

def plot(self, plotter=None, numfigs=1, iplot=True, kwargs): 

意味着：
plotter ：包含控制系统范围绘图的选项的对象/类
如果传递None ，则将实例化默认的PlotScheme 对象（请参见下文）
numfigs ：独立图表中将绘图分解的数量
有时图表包含太多bar，如果在单个图中打包，将不容易阅读。这要求将它分解为尽可能多的独立图
iplot ：如果在Jupyter Notebook 中运行，则自动绘制内联
kwargs ：args将用于更改属性的值plotter ，或如果没有对象传递plotter 则创建默认的PlotScheme 。

10.PlotScheme

对象包含控制系统范围绘图的所有选项，所有选项记录在代码中:

class PlotScheme(object): def __init__(self): # to have a tight packing on the chart wether only the x axis or also # the y axis have (see matplotlib) self.ytight = False # y-margin (top/bottom) for the subcharts. This will not overrule the # option plotinfo.plotymargin self.yadjust = 0.0 # Each new line is in z-order below the previous one. change it False # to have lines paint above the previous line self.zdown = True # Rotation of the date labes on the x axis self.tickrotation = 15 # How many "subparts" takes a major chart (datas) in the overall chart # This is proportional to the total number of subcharts self.rowsmajor = 5 # How many "subparts" takes a minor chart (indicators/observers) in the # overall chart. This is proportional to the total number of subcharts # Together with rowsmajor, this defines a proportion ratio betwen data # charts and indicators/observers charts self.rowsminor = 1 # Distance in between subcharts self.plotdist = 0.0 # Have a grid in the background of all charts self.grid = True # Default plotstyle for the OHLC bars which (line -> line on close) # Other options: 'bar' and 'candle' self.style = 'line' # Default color for the 'line on close' plot self.loc = 'black' # Default color for a bullish bar/candle (0.75 -> intensity of gray) self.barup = '0.75' # Default color for a bearish bar/candle self.bardown = 'red' # Level of transparency to apply to bars/cancles (NOT USED) self.bartrans = 1.0 # Wether the candlesticks have to be filled or be transparent self.barupfill = True self.bardownfill = True # Wether the candlesticks have to be filled or be transparent self.fillalpha = 0.20 # Wether to plot volume or not. Note: if the data in question has no # volume values, volume plotting will be skipped even if this is True self.volume = True # Wether to overlay the volume on the data or use a separate subchart self.voloverlay = True # Scaling of the volume to the data when plotting as overlay self.volscaling = 0.33 # Pushing overlay volume up for better visibiliy. Experimentation # needed if the volume and data overlap too much self.volpushup = 0.00 # Default colour for the volume of a bullish day self.volup = '#aaaaaa' # 0.66 of gray # Default colour for the volume of a bearish day self.voldown = '#cc6073' # (204, 96, 115) # Transparency to apply to the volume when overlaying self.voltrans = 0.50 # Transparency for text labels (NOT USED CURRENTLY) self.subtxttrans = 0.66 # Default font text size for labels on the chart self.subtxtsize = 9 # Transparency for the legend (NOT USED CURRENTLY) self.legendtrans = 0.25 # Wether indicators have a leged displaey in their charts self.legendind = True # Location of the legend for indicators (see matplotlib) self.legendindloc = 'upper left' # Plot the last value of a line after the Object name self.linevalues = True # Plot a tag at the end of each line with the last value self.valuetags = True # Default color for horizontal lines (see plotinfo.plothlines) self.hlinescolor = '0.66' # shade of gray # Default style for horizontal lines self.hlinesstyle = '--' # Default width for horizontal lines self.hlineswidth = 1.0 # Default color scheme: Tableau 10 self.lcolors = tableau10 # strftime Format string for the display of ticks on the x axis self.fmt_x_ticks = None # strftime Format string for the display of data points values self.fmt_x_data = None 

11.Colors in PlotScheme

PlotScheme 类定义了一个可以在子类中覆盖的方法，该方法返回要使用的下一个颜色：

def color(self, idx) 

其中idx 是正在绘制的行的当前索引单个子图上。例如， MACD 绘制3条线，因此idx 变量只有以下值： 0 ， 1 和2 。下一个图表
（可能是另一个指标）将在0 处重新开始计数。
backtrader中使用的默认颜色方案使用（如上所示）, Tableau 10 Color Palette ，索引修改为：

tab10_index = [3, 0, 2, 1, 2, 4, 5, 6, 7, 8, 9]