目录
在介绍如何开发普通策略前，我想先介绍BackTrader支持的一种相对简单的策略开发方式，信号策略。开发这种策略的好处就是可以避免开发通常的Strategy类，更容易上手，用来实现一些逻辑简单的策略还是很合适的。
由于信号策略特别适合开发期货这类支持多空操作的金融产品，所以这次我们也以期货数据作为数据源。数据的来源还是Tushare，先来介绍一下如何从Tushare获取期货数据。先上代码:
import tushare as ts
import pandas as pd
pro = ts.pro_api(token='your token id')
df = pro.fut_daily(ts_code='CU1811.SHF', start_date='20171116', end_date='20181113').iloc[::-1]
df.to_csv('CU1811.csv', index=False)
代码的前3句和最后一句和第二讲获取股票数据的一样，就不解释了，重点是第四句。pro.fut_daily()是Tushare用来获取期货日线的接口函数。参数ts_code代表需要获取的期货合约代码。Tushare对于期货合约的命名规则是这样的，
| 主力合约 | 连续合约 | 普通合约 |
|---|---|---|
| XX | XXL | XXMMDD |
| 例如：CU.SHF | 例如：CUL.SHF | 例如：CU1811.SHF |
后面的参数start_date,end_date就是请求数据的起止日期。除了日线数据，Tushare还提供期货合约信息、期货交易日历、期货日线行情、每日持仓排名、仓单日报、每日结算参数、南华期货指数行情、期货主力与连续合约、期货主要品种交易周报等，具体内容可参考官网https://tushare.pro/document/2?doc_id=134
欢迎大家通过我的链接进行注册，谢谢！https://tushare.pro/register?reg=427104
成功运行上面的代码的话应该会在本地生成一个名为“CU1811.csv”的包含期货合约CU1811的数据，如果你没有下到的话也可以从我的网盘进行下载，链接：CU1811.csv 提取码：qsdb
做好准备工作后就可以进入正题了
信号的定义与指标很相似都是继承自指标基类，可以把信号看成特殊的指标，两者最大的不同在于注册到BackTrader中枢-Cerebro中的方式，注册方式的不同，导致Cerebro处理两者的方式不同，从而让信号可以直接成为策略
下面是一个典型的信号指标定义，
class MySignal(bt.Indicator):
lines = ('signal',)
params = (('period', 30),)
def __init__(self):
self.lines.signal = self.data - bt.indicators.SMA(period=self.p.period)
该例创建了一个以close值和close移动平均值的差值作为输出的信号
在具体实现上，MySignal首先定义了一条名为“signal”的line用来保存具体的信号值，以及名为“period”的参数用来接收对移动平均值时间跨度的定义。
在__init__(self)中进行了信号值的计算以及保存，该函数会在该信号实例化的时候运行，可见信号值在信号指标实例化的时候都已经计算好了，而不是在运行时计算的
这里顺便提一下“self.data”，这个成员就是引用的close值，跟“self.data.close.”是一样的。如果在datafeed里面没有声明close数据，那么self.data会用“nullvalue”参数填充（忘了nullvalue的同学可以复习一下第二讲）。同样的，后面的“bt.indicators.SMA”并没有指明对那个line操作，说明也是对close进行的操作。从这点可以看出在BackTrader中“close”才是数据中的主角。
那信号值是如何转化为策略的呢，Cerebro会将注册的信号指标直接变成多空信号，转换关系如下：
- 信号指标值> 0 -> 发出多头信号
- 信号指标值< 0 -> 发出空头信号
- 信号指标值== 0 -> 不发出信号
还是以上例作说明，当close值大于移动均值时，信号为多头信号，相反当close值小于移动平均值时，信号为空头信号。
在第一节中说了，信号指标和普通指标的区别就在于注册到Cerebro的方式，信号指标注册方式如下
cerebro.add_signal(signal type, signal class, args)
第一个参数是注册信号的类型，第二个是信号指标类本身（这个跟注册指标一样是传递类而不是实例），后面的参数都是该信号类所需的参数
BackTrader提供了两类，共5种信号类型
开仓类：
-
bt.SIGNAL_LONGSHORT: 该信号的多头空头信号都会作为开仓信号而采用 -
bt.SIGNAL_LONG:-
只接收多头信号作为开仓信号
-
空头信号被用来关闭多头头寸. 但是:
-
如果系统中存在LONGEXIT（见下文）信号，该信号将用于退出多头
-
如果系统存在SHORT信号，而没有LONGEXIT，该信号将被用来在开空仓之前关闭多头头寸。
-
-
bt.SIGNAL_SHORT:-
只接收空头信号作为开仓信号
-
多头信号被用来关闭空头头寸. 但是:
-
如果系统中存在SHORTEXIT（见下文）信号，该信号将用于退出空头
-
如果系统存在LONG信号，而没有SHORTEXIT，该信号将被用来在开多仓之前关闭空头头寸。
-
平仓类：
这类信号会覆盖其他的退出信号，作为唯一退出指示
-
bt.SIGNAL_LONGEXIT: 接收空头信号退出多头 -
bt.SIGNAL_SHORTEXIT: 接收多头信号退出空头
由于信号会持续发出多头和空头指示，这将导致连续生成订单，从而产生两种情况：
- 积累：即使已经在市场中，信号也会发出新的订单
- 并发：发出新订单，而无需等待其他订单的执行
为避免这种情况，默认行为是：
- 不累积
- 不允许并发
如果希望这允许两种行为，可以通过以下方式来控制：
cerebro.signal_accumulate（True）（或为False以重新禁用它）
cerebro.signal_concurrency（True）（或为False以重新禁用它）
信号介绍到此为止，接下来请看一些例子
import backtrader as bt
class SMACloseSignal(bt.Indicator):
lines = ('signa',)
params = (('period', 30),)
def __init__(self):
self.lines.signa = self.data - bt.indicators.SMA(period=self.p.period)
cerebro = bt.Cerebro()
data = bt.feeds.GenericCSVData(
dataname='CU1811.csv',
nullvalue=0.0,
dtformat=('%Y%m%d'),
datetime=1,
open=4,
high=5,
low=6,
close=7,
volume=11,
openinterest=-1
)
cerebro.adddata(data)
cerebro.broker.set_cash(1000000)
cerebro.add_signal(bt.SIGNAL_LONG, SMACloseSignal, period=30)
cerebro.run()
cerebro.plot(style='bar',iplot=False)
该例中创建的信号就是第一节中的例子，数据就是我们从Tushare下载的期货数据。细心的朋友可能看到多了这句代码
cerebro.broker.set_cash(1000000)
它的作用是设置系统最初的现金总数，该值的默认值是10000，由于我们的目标合约的单价超过了10000，如果不修改这个值的话就无法交易了
接下来我们看一下运行结果
可以看出当SMACloseSignal（最下面的曲线）大于0时，发出多头信号并在下一个bar执行了多头开仓操作（绿色三角箭头），当该信号小于0时，发出空头信号并在下一个bar执行了平仓操作（红色三角箭头）。SMACloseSignal前面那段缺失的数据是因为信号指标设置了30天移动平均值，而这个数值在前29天都是没有的。
在例1的基础上我们稍做一些修改，将
cerebro.add_signal(bt.SIGNAL_LONG, SMACloseSignal, period=30)
替换为
cerebro.add_signal(bt.SIGNAL_LONGSHORT, SMACloseSignal, period=30)
把只做多的信号改为同时接受多头空头开仓信号，让我们看看结果
通过对比两个结果可以看出，例2在所有例1退出多头的地方同时开仓做空了，在做多的地方，先把空仓平了再开多仓。
这次让我们添加退出信号
import backtrader as bt
class SMACloseSignal(bt.Indicator):
lines = ('signa',)
params = (('period', 30),)
def __init__(self):
self.lines.signa = self.data - bt.indicators.SMA(period=self.p.period)
class SMAExitSignal(bt.Indicator):
lines = ('signal',)
params = (('p1', 5), ('p2', 30),)
def __init__(self):
sma1 = bt.indicators.SMA(period=self.p.p1)
sma2 = bt.indicators.SMA(period=self.p.p2)
self.lines.signal = sma1 - sma2
cerebro = bt.Cerebro()
data = bt.feeds.GenericCSVData(
dataname='CU1811.csv',
nullvalue=0.0,
dtformat=('%Y%m%d'),
datetime=1,
open=4,
high=5,
low=6,
close=7,
volume=11,
openinterest=-1
)
cerebro.adddata(data)
cerebro.broker.set_cash(1000000)
cerebro.add_signal(bt.SIGNAL_LONG, SMACloseSignal, period=30)
cerebro.add_signal(bt.SIGNAL_LONGEXIT, SMAExitSignal,p1=5,p2=30)
cerebro.run()
cerebro.plot(style='bar',iplot=False)
在例1的基础上添加了SMAExitSignal作为多头退出信号，看一下结果
通过和例1的对比可以看出，这回只有在SMAExitSignal（最下面的曲线）发出空头信号的时候，系统才会退出多头仓位。