def __init__(self, open, close, volume, name='volume', colorup='r', colordown='b', width=1): super(Volume, self).__init__(name, None) self.value = transform2ndarray(volume)
def __init__(self, data, n, name='MA', color='y', lw=1, style="line"): super(MA, self).__init__(data, n, name) # 数据转化成ta-lib能处理的格式 # self.value为任何支持index的数据结构。 # 在策略中,price变量可能为NumberSeries,需要用NUMBER_SERIES_SUPPORT处理, # 转化为numpy.ndarray等能被指标函数处理的参数。 if not series.g_rolling: # 向量化运行的均值函数 data = transform2ndarray(data) self.value = talib.SMA(data, n) # 支持逐步运行必须函数的参数 self._rolling_args = (n, )
def __init__(self, data, n, name='MA', color='y', lw=1, style="line"): super(MA, self).__init__(data, n, name) # 数据转化成ta-lib能处理的格式 # self.value为任何支持index的数据结构。 # 在策略中,price变量可能为NumberSeries,需要用NUMBER_SERIES_SUPPORT处理, # 转化为numpy.ndarray等能被指标函数处理的参数。 if not series.g_rolling: # 向量化运行的均值函数 data = transform2ndarray(data) self.value = talib.SMA(data, n) # 支持逐步运行必须函数的参数 self._rolling_args = (n,)
def __init__(self, data, n, name='BOLL', color='y', lw=1, style="line"): super(BOLL, self).__init__(data, n, name) # self.value为任何支持index的数据结构。 # 在策略中,price变量可能为NumberSeries,需要用NUMBER_SERIES_SUPPORT处理, # 转化为numpy.ndarray等能被指标函数处理的参数。 self.value = OrderedDict([('upper', []), ('middler', []), ('lower', [])]) if not series.g_rolling: # 向量化运行的均值函数 data = transform2ndarray(data) u, m, l = talib.BBANDS(data, n, 2, 2) self.value = {'upper': u, 'middler': m, 'lower': l} # 支持逐步运行必须函数的参数 self._rolling_args = (n, )
def __init__(self, data, n, name='BOLL', color='y', lw=1, style="line"): super(BOLL, self).__init__(data, n, name) # self.value为任何支持index的数据结构。 # 在策略中,price变量可能为NumberSeries,需要用NUMBER_SERIES_SUPPORT处理, # 转化为numpy.ndarray等能被指标函数处理的参数。 if not series.g_rolling: # 向量化运行的均值函数 data = transform2ndarray(data) u, m, l = talib.BBANDS(data, n, 2, 2) self.value = { 'upper': u, 'middler': m, 'lower': l } # 支持逐步运行必须函数的参数 self._rolling_args = (n,)
def _boll(self, data, n): """ 向量化运行的均值函数。 """ data = transform2ndarray(data) upper, middle, lower = talib.BBANDS(data, n, 2, 2) return (upper, middle, lower)
def _moving_average(self, data, n): """ 向量化运行的均值函数。 """ data = transform2ndarray(data) return talib.SMA(data, n)