BackTrader 中文文档（四）

原文：www.backtrader.com/

数据供稿 - 过滤器

过滤器

原文：www.backtrader.com/docu/filters/

此功能是相对较晚添加到backtrader中的，并且必须适应已经存在的内部结构。这使得它不像希望的那样灵活和 100%功能齐全，但在许多情况下仍然可以实现目的。

尽管实现尝试允许即插即用的过滤器链接，但是现有的内部结构使得很难确保总是可以实现。因此，一些过滤器可能被链接，而另一些则可能没有。

目的

转换由数据源 提供的值以提供不同的数据源

实现是为了简化可以通过cerebro API 直接使用的两个明显过滤器的实现。这些是：

重新采样 （cerebro.resampledata）

在这里，过滤器转换了传入数据源 的时间框架和压缩。例如：
py 复制代码
```
(Seconds, 1) -> (Days, 1)` 
```
这意味着原始数据提供的是分辨率为1 秒 的柱状图。 重新采样 过滤器拦截数据并将其缓冲，直到可以提供1 天 柱状图。当看到下一天的1 秒柱状图时，将会发生这种情况。
重播（cerebro.replaydata）

对于上述相同的时间段，该过滤器将使用1 秒 分辨率的柱状图来重建1 天柱状图。

这意味着1 天 柱状图会被提供与看到的1 秒柱状图一样多次，并更新以包含最新信息。

例如，这模拟了实际交易日的发展方式。

注意

数据的长度，len(data)以及策略的长度在天不变的情况下保持不变。

过滤器工作中

给定现有的数据源，您可以使用数据源的addfilter方法：

py 复制代码

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

即使它恰好与重新采样/重播过滤器兼容，也可以执行以下操作：

py 复制代码

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

过滤器接口

一个filter必须符合给定的接口，即：

一个可调用的函数，接受此签名：
py 复制代码
```
callable(data, *args, **kwargs)` 
```

或者

一个可以实例化 和调用的类
- 在实例化期间，__init__方法必须支持此签名：
py 复制代码
```
def __init__(self, data, *args, **kwargs)` 
```
- __call__方法具有以下签名：
py 复制代码
```
def __call__(self, data, *args, **kwargs)` 
```
对于来自数据源 的每个新输入值，将调用该实例。 \*args和\*kwargs与__init__传递的相同。

返回值：
py 复制代码
```
* `True`: the inner data fetching loop of the data feed must retry
  fetching data from the feed, becaue the length of the stream was
  manipulated

* `False` even if data may have been edited (example: changed
  `close` price), the length of the stream has remain untouched` 
```
在基于类的过滤器的情况下，可以实现 2 个附加方法
- 具有以下签名的last：
py 复制代码
```
def last(self, data, *args, **kwargs)` 
```
当数据源 结束时，将调用此方法，允许过滤器传递它可能已经缓冲的数据。一个典型的情况是重新采样，因为柱状图被缓冲，直到看到下一个时间段的数据。当数据源结束时，没有新数据来推送缓冲的数据出去。

last提供了将缓冲数据推送出去的机会。

注意

很明显，如果过滤器根本不支持任何参数，并且将添加而无任何参数，则签名可以简化为：

py 复制代码

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

一个示例过滤器

一个非常快速的过滤器实现：

py 复制代码

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

    def __call__(self, data):
        if data.p.sessionstart <= data.datetime.time() <= data.p.sessionend:
            # bar is in the session
            return False  # tell outer data loop the bar can be processed

        # bar outside of the regular session times
        data.backwards()  # remove bar from data stack
        return True  # tell outer data loop to fetch a new bar

这个过滤器：

使用data.p.sessionstart和data.p.sessionend（标准数据源参数）来判断条是否在会话中。
如果在会话中 ，返回值为False，以指示未执行任何操作，可以继续处理当前条目
如果不在会话中 ，则从流中移除该条，并返回True以指示必须获取新条。

注意

data.backwards()利用LineBuffer接口。这深入到backtrader的内部。

这种过滤器的用法：

一些数据源包含非常规交易时间外 的数据，这些数据可能不受交易者的关注。使用此过滤器仅将会话内条考虑在内。

用于过滤器的数据伪-API

在上述示例中，已经展示了过滤器如何调用data.backwards()以从流中移除当前条。数据源对象的有用调用，旨在作为过滤器的伪-API：

data.backwards(size=1, force=False)：通过将逻辑指针向后移动来从数据流中删除size 条（默认为1）。如果force=True，则物理存储也将被删除。

移除物理存储是一项细致的操作，仅用作内部操作的黑客方法。
data.forward(value=float('NaN'), size=1)：将size 条移动到存储区向前移动，必要时增加物理存储并用value填充。
data._addtostack(bar, stash=False)：将bar添加到堆栈以供以后处理。 bar是一个包含与数据源的lines一样多的值的可迭代对象。

如果stash=False，则添加到堆栈的条将立即被系统消耗，在下一次迭代开始时。

如果stash=True，则条将经历整个循环处理，包括可能被过滤器重新解析
data._save2stack(erase=False, force=False)：将当前数据条保存到堆栈以供以后处理。如果erase=True，则将调用data.backwards并将接收参数force。
data._updatebar(bar, forward=False, ago=0)：使用可迭代对象bar中的值来覆盖数据流中ago位置的值。默认情况下，ago=0将更新当前条。如果是-1，则是前一个。

另一个示例：粉鱼过滤器

这是一个可以链接的过滤器的示例，并且旨在如此，以连接到另一个过滤器，即replay 过滤器 。 Pinkfish名称来自于其主页描述该想法的库：使用每日数据执行仅在分时数据中才可能的操作。

要实现效果：

每日条将分解为 2 个组件：OHL然后是C。

这两个部分通过重播链接以在流中发生以下情况：

py 复制代码

With Len X     -> OHL
With Len X     -> OHLC
With Len X + 1 -> OHL
With Len X + 1 -> OHLC
With Len X + 2 -> OHL
With Len X + 2 -> OHLC
...`

逻辑：

收到OHLC条时，将其复制到一个可迭代对象中，并分解为以下内容：
- 一个OHL条。由于这个概念实际上并不存在，收盘价格被替换为开盘价格以真正形成一个OHLO条。
- 一个不存在的 C 条，实际上会被传递为一个刻度 CCCC
- 成交量在这两部分之间分配
- 当前条被从流中移除
- OHLO 部分被放入堆栈中进行即时处理
- CCCC 部分被放入存储区，在下一轮处理中处理
- 因为堆栈中有一些需要立即处理的内容，过滤器可以返回 False 来指示这一点。

这个过滤器与以下内容一起工作：

重播过滤器将 OHLO 和 CCCC 部分组合在一起，最终生成一个 OHLC 条。

使用案例：

看到像是如果今天的最大值是过去 20 个交易日中的最高最大值，就发出一个 Close 订单，该订单在第 2 个刻度执行。

代码：

py 复制代码

class DaySplitter_Close(bt.with_metaclass(bt.MetaParams, object)):
  '''
 Splits a daily bar in two parts simulating 2 ticks which will be used to
 replay the data:

 - First tick: ``OHLX``

 The ``Close`` will be replaced by the *average* of ``Open``, ``High``
 and ``Low``

 The session opening time is used for this tick

 and

 - Second tick: ``CCCC``

 The ``Close`` price will be used for the four components of the price

 The session closing time is used for this tick

 The volume will be split amongst the 2 ticks using the parameters:

 - ``closevol`` (default: ``0.5``) The value indicate which percentage, in
 absolute terms from 0.0 to 1.0, has to be assigned to the *closing*
 tick. The rest will be assigned to the ``OHLX`` tick.

 **This filter is meant to be used together with** ``cerebro.replaydata``

 '''
    params = (
        ('closevol', 0.5),  # 0 -> 1 amount of volume to keep for close
    )

    # replaying = True

    def __init__(self, data):
        self.lastdt = None

    def __call__(self, data):
        # Make a copy of the new bar and remove it from stream
        datadt = data.datetime.date()  # keep the date

        if self.lastdt == datadt:
            return False  # skip bars that come again in the filter

        self.lastdt = datadt  # keep ref to last seen bar

        # Make a copy of current data for ohlbar
        ohlbar = [data.lines[i][0] for i in range(data.size())]
        closebar = ohlbar[:]  # Make a copy for the close

        # replace close price with o-h-l average
        ohlprice = ohlbar[data.Open] + ohlbar[data.High] + ohlbar[data.Low]
        ohlbar[data.Close] = ohlprice / 3.0

        vol = ohlbar[data.Volume]  # adjust volume
        ohlbar[data.Volume] = vohl = int(vol * (1.0 - self.p.closevol))

        oi = ohlbar[data.OpenInterest]  # adjust open interst
        ohlbar[data.OpenInterest] = 0

        # Adjust times
        dt = datetime.datetime.combine(datadt, data.p.sessionstart)
        ohlbar[data.DateTime] = data.date2num(dt)

        # Ajust closebar to generate a single tick -> close price
        closebar[data.Open] = cprice = closebar[data.Close]
        closebar[data.High] = cprice
        closebar[data.Low] = cprice
        closebar[data.Volume] = vol - vohl
        ohlbar[data.OpenInterest] = oi

        # Adjust times
        dt = datetime.datetime.combine(datadt, data.p.sessionend)
        closebar[data.DateTime] = data.date2num(dt)

        # Update stream
        data.backwards(force=True)  # remove the copied bar from stream
        data._add2stack(ohlbar)  # add ohlbar to stack
        # Add 2nd part to stash to delay processing to next round
        data._add2stack(closebar, stash=True)

        return False  # initial tick can be further processed from stack

Filters Reference

原文：www.backtrader.com/docu/filters-reference/

SessionFilter

class backtrader.filters.SessionFilter(data)

此类可以作为过滤器应用于数据源，并将过滤掉超出常规会话时间的盘中 bar（即：盘前/盘后市场数据）

这是一个"非简单"的过滤器，必须管理数据的堆栈（在初始化和 call 期间传递）

它不需要"last"方法，因为它没有需要传递的内容

SessionFilterSimple

class backtrader.filters.SessionFilterSimple(data)

此类可以作为过滤器应用于数据源，并将过滤掉超出常规会话时间的盘中 bar（即：盘前/盘后市场数据）

这是一个"简单"过滤器，不必管理数据的堆栈（在初始化和 call 期间传递）

它不需要"last"方法，因为它没有需要传递的内容

Bar 管理将由 SimpleFilterWrapper 类完成，该类在 DataBase.addfilter_simple 调用时添加

SessionFilller

class backtrader.filters.SessionFiller(data)

声明会话开始/结束时间内的数据源的 Bar Filler。

填充 bar 是使用声明的 Data Source timeframe 和 compression 构建的（用于计算中间缺失的时间）

参数：

fill_price (def: None):

如果传递了 None，则将使用前一个 bar 的收盘价。例如，要得到一个 bar，该 bar 需要时间，但不会在图表中显示... 使用 float('Nan')
fill_vol (def: float('NaN')):

用于填充缺失的 volume 的值
fill_oi (def: float('NaN')):

用于填充缺失的持仓量的值
skip_first_fill (def: True):

在看到第一个有效 bar 时，不要从 sessionstart 填充到该 bar

CalendarDays

class backtrader.filters.CalendarDays(data)

在交易日中添加缺失的日历天的 Bar Filler

参数：

fill_price (def: None):

0：用于填充 0 或 None 的给定值：使用最后已知的收盘价 -1：使用最后一个 bar 的中点（High-Low 平均值）
fill_vol (def: float('NaN')):

用于填充缺失的 volume 的值
fill_oi (def: float('NaN')):

用于填充缺失的持仓量的值

BarReplayer_Open

class backtrader.filters.BarReplayer_Open(data)

此过滤器将一个 bar 拆分为两部分：

Open：将使用 bar 的开盘价提供一个初始价格 bar，在该 bar 中，四个组件（OHLC）相等

该初始 bar 的 volume/openinterest 字段为 0
OHLC：原始 bar 包含原始的 volume/openinterest

拆分模拟了一次回放，无需使用 replay 过滤器。

DaySplitter_Close

class backtrader.filters.DaySplitter_Close(data)

将每日 bar 拆分为两部分，模拟用于重放数据的 2 个 tick：

第一个 tick：OHLX

Close 将被替换为 Open、High 和 Low 的 平均值

此 tick 使用会话开放时间

和

第二个 tick：CCCC

Close价格将用于价格的四个组成部分

会话结束时间用于此点

体积将根据以下参数分配给 2 个点：

closevol（默认：0.5）该值表示从 0.0 到 1.0 的绝对比例，应分配给收盘点。其余将分配给OHLX点。

此过滤器意在与 cerebro.replaydata 一同使用

平均趋势烛（HeikinAshi）

类 backtrader.filters.HeikinAshi(data)

此过滤器重新构建开盘价、最高价、最低价、收盘价以绘制平均趋势烛

参见：

py 复制代码

* [`en.wikipedia.org/wiki/Candlestick_chart#Heikin_Ashi_candlesticks`](https://en.wikipedia.org/wiki/Candlestick_chart#Heikin_Ashi_candlesticks)

* [`stockcharts.com/school/doku.php?id=chart_school:chart_analysis:heikin_ashi`](http://stockcharts.com/school/doku.php?id=chart_school:chart_analysis:heikin_ashi)

砖形图（Renko）

类 backtrader.filters.Renko(data)

修改数据流以绘制砖形图（或砖块）

参数：

hilo（默认：False）使用最高价和最低价而不是收盘价来决定是否需要新砖
size（默认：None）每个砖的考虑大小
autosize（默认：20.0 ）如果size 为None，则将用于自动计算砖的大小（简单地将当前价格除以给定值）
dynamic（默认：False ）如果True 并使用autosize，则移至新砖时将重新计算砖的大小。这当然会消除砖的完美对齐。
align（默认：1.0 ）用于对齐砖的价格边界的因子。例如，如果价格为3563.25 ，而align 为10.0 ，则得到的对齐价格将为3560。计算方式：
- 3563.25 / 10.0 = 356.325
- 四舍五入并去除小数 -> 356
- 356 * 10.0 -> 3560

参见：

py 复制代码

* [`stockcharts.com/school/doku.php?id=chart_school:chart_analysis:renko`](http://stockcharts.com/school/doku.php?id=chart_school:chart_analysis:renko)

雅虎数据源注意事项

原文：www.backtrader.com/docu/datayahoo/

2017 年 5 月，雅虎停止了用于历史数据下载的现有 csv 格式的 API。

一个新的 API（此处命名为 v7）迅速被标准化并已实施。

这也带来了实际 CSV 下载格式的更改。

使用 v7 API/格式

从版本 1.9.49.116 开始，这是默认行为。只需简单选择

YahooFinanceData 用于在线下载
YahooFinanceCSVData 用于离线下载的文件

使用传统的 API/格式

要使用旧的 API/格式

将在线雅虎数据源实例化为：
py 复制代码
```
data = bt.feeds.YahooFinanceData(
    ...
    version='',
    ...
)` 
```
离线雅虎数据源为：
py 复制代码
```
data = bt.feeds.YahooFinanceCSVData(
    ...
    version='',
    ...
)` 
```
可能在线服务会回来（该服务没有任何公告地停止了... 也有可能会回来）

或者

仅对在更改发生之前下载的离线文件，也可以进行以下操作：
py 复制代码
```
data = bt.feeds.YahooLegacyCSV(
    ...
    ...
)` 
```
新的 YahooLegacyCSV 简单地使用 version='' 进行自动化。

Pandas 数据源示例

原文：www.backtrader.com/docu/pandas-datafeed/pandas-datafeed/

注意

必须安装 pandas 及其依赖项

支持 Pandas Dataframes 似乎是许多人关注的问题，他们依赖于已经可用的用于不同数据源（包括 CSV）的解析代码以及 Pandas 提供的其他功能。

数据源的重要声明。

注意

这些只是声明。不要盲目复制此代码。请参见下面示例中的实际用法

py 复制代码

class PandasData(feed.DataBase):
  '''
 The ``dataname`` parameter inherited from ``feed.DataBase`` is the pandas
 DataFrame
 '''

    params = (
        # Possible values for datetime (must always be present)
        #  None : datetime is the "index" in the Pandas Dataframe
        #  -1 : autodetect position or case-wise equal name
        #  >= 0 : numeric index to the colum in the pandas dataframe
        #  string : column name (as index) in the pandas dataframe
        ('datetime', None),

        # Possible values below:
        #  None : column not present
        #  -1 : autodetect position or case-wise equal name
        #  >= 0 : numeric index to the colum in the pandas dataframe
        #  string : column name (as index) in the pandas dataframe
        ('open', -1),
        ('high', -1),
        ('low', -1),
        ('close', -1),
        ('volume', -1),
        ('openinterest', -1),
    )

上述从 PandasData 类中摘录的片段显示了键：

实例化期间传递给类的 dataname 参数保存了 Pandas Dataframe

此参数从基类 feed.DataBase 继承
新参数使用 DataSeries 中常规字段的名称，并遵循以下约定
- datetime（默认值：无）
- None：datetime 是 Pandas Dataframe 中的"索引"
- -1：自动检测位置或大小写相等的名称
- = 0：对应 pandas 数据帧中的列的数字索引
- string：pandas 数据帧中的列名（作为索引）
- open, high, low, high, close, volume, openinterest（默认值：全部为 -1）
- None：列不存在
- -1：自动检测位置或大小写相等的名称
- = 0：对应 pandas 数据帧中的列的数字索引
- string：pandas 数据帧中的列名（作为索引）

一个小示例应该能够加载标准的 2006 示例，已由 Pandas 解析，而不是直接由 backtrader 解析

运行示例以使用 CSV 数据中的现有"标题"：

py 复制代码

$ ./panda-test.py
--------------------------------------------------
               Open     High      Low    Close  Volume  OpenInterest
Date
2006-01-02  3578.73  3605.95  3578.73  3604.33       0             0
2006-01-03  3604.08  3638.42  3601.84  3614.34       0             0
2006-01-04  3615.23  3652.46  3615.23  3652.46       0             0

相同但告诉脚本跳过标题：

py 复制代码

$ ./panda-test.py --noheaders
--------------------------------------------------
                  1        2        3        4  5  6
0
2006-01-02  3578.73  3605.95  3578.73  3604.33  0  0
2006-01-03  3604.08  3638.42  3601.84  3614.34  0  0
2006-01-04  3615.23  3652.46  3615.23  3652.46  0  0

第 2 次运行使用的是 tells pandas.read_csv：

跳过第一行输入（将 skiprows 关键字参数设置为 1）
不查找标题行（将 header 关键字参数设置为 None）

backtrader 对 Pandas 的支持尝试自动检测是否使用了列名，否则使用数字索引，并相应地采取行动，尝试提供最佳匹配。

下图是对成功的致敬。Pandas Dataframe 已正确加载（在两种情况下）

测试的示例代码。

py 复制代码

from __future__ import (absolute_import, division, print_function,
                        unicode_literals)

import argparse

import backtrader as bt
import backtrader.feeds as btfeeds

import pandas

def runstrat():
    args = parse_args()

    # Create a cerebro entity
    cerebro = bt.Cerebro(stdstats=False)

    # Add a strategy
    cerebro.addstrategy(bt.Strategy)

    # Get a pandas dataframe
    datapath = ('../../datas/2006-day-001.txt')

    # Simulate the header row isn't there if noheaders requested
    skiprows = 1 if args.noheaders else 0
    header = None if args.noheaders else 0

    dataframe = pandas.read_csv(datapath,
                                skiprows=skiprows,
                                header=header,
                                parse_dates=True,
                                index_col=0)

    if not args.noprint:
        print('--------------------------------------------------')
        print(dataframe)
        print('--------------------------------------------------')

    # Pass it to the backtrader datafeed and add it to the cerebro
    data = bt.feeds.PandasData(dataname=dataframe)

    cerebro.adddata(data)

    # Run over everything
    cerebro.run()

    # Plot the result
    cerebro.plot(style='bar')

def parse_args():
    parser = argparse.ArgumentParser(
        description='Pandas test script')

    parser.add_argument('--noheaders', action='store_true', default=False,
                        required=False,
                        help='Do not use header rows')

    parser.add_argument('--noprint', action='store_true', default=False,
                        help='Print the dataframe')

    return parser.parse_args()

if __name__ == '__main__':
    runstrat()

数据源参考

译文：www.backtrader.com/docu/dataautoref/

AbstractDataBase

行：

py 复制代码

* close

* low

* high

* open

* volume

* openinterest

* datetime

参数：

py 复制代码

* dataname (None)

* name ()

* compression (1)

* timeframe (5)

* fromdate (None)

* todate (None)

* sessionstart (None)

* sessionend (None)

* filters ([])

* tz (None)

* tzinput (None)

* qcheck (0.0)

* calendar (None)

BacktraderCSVData

解析用于测试的自定义 CSV 数据。

特定参数：

dataname：要解析的文件名或类似文件的对象

行：

py 复制代码

* close

* low

* high

* open

* volume

* openinterest

* datetime

参数：

py 复制代码

* dataname (None)

* name ()

* compression (1)

* timeframe (5)

* fromdate (None)

* todate (None)

* sessionstart (None)

* sessionend (None)

* filters ([])

* tz (None)

* tzinput (None)

* qcheck (0.0)

* calendar (None)

* headers (True)

* separator (,)

CSVDataBase

实现 CSV 数据源的类的基类

该类负责打开文件，读取行并对其进行标记

子类只需要覆盖：

_loadline(tokens)

_loadline的返回值（True/False）将是由此基类覆盖的_load的返回值

行：

py 复制代码

* close

* low

* high

* open

* volume

* openinterest

* datetime

参数：

py 复制代码

* dataname (None)

* name ()

* compression (1)

* timeframe (5)

* fromdate (None)

* todate (None)

* sessionstart (None)

* sessionend (None)

* filters ([])

* tz (None)

* tzinput (None)

* qcheck (0.0)

* calendar (None)

* headers (True)

* separator (,)

Chainer

链接数据的类

行：

py 复制代码

* close

* low

* high

* open

* volume

* openinterest

* datetime

参数：

py 复制代码

* dataname (None)

* name ()

* compression (1)

* timeframe (5)

* fromdate (None)

* todate (None)

* sessionstart (None)

* sessionend (None)

* filters ([])

* tz (None)

* tzinput (None)

* qcheck (0.0)

* calendar (None)

DataClone

行：

py 复制代码

* close

* low

* high

* open

* volume

* openinterest

* datetime

参数：

py 复制代码

* dataname (None)

* name ()

* compression (1)

* timeframe (5)

* fromdate (None)

* todate (None)

* sessionstart (None)

* sessionend (None)

* filters ([])

* tz (None)

* tzinput (None)

* qcheck (0.0)

* calendar (None)

DataFiller

此类将使用来自基础数据源的以下信息位填充源数据中的间隙

时间框架和压缩以确定输出条的维度
sessionstart 和 sessionend

如果数据源在 10:31 和 10:34 之间缺少��，且时间框架为分钟，则输出将使用最后一条条的收盘价（10:31）填充 10:32 和 10:33 分钟的条

条可能会缺失，因为其他原因

参数：

py 复制代码

* `fill_price` (def: None): if None (or evaluates to False),the
  closing price will be used, else the passed value (which can be
  for example 'NaN' to have a missing bar in terms of evaluation but
  present in terms of time

* `fill_vol` (def: NaN): used to fill the volume of missing bars

* `fill_oi` (def: NaN): used to fill the openinterest of missing bars

行：

py 复制代码

* close

* low

* high

* open

* volume

* openinterest

* datetime

参数：

py 复制代码

* dataname (None)

* name ()

* compression (1)

* timeframe (5)

* fromdate (None)

* todate (None)

* sessionstart (None)

* sessionend (None)

* filters ([])

* tz (None)

* tzinput (None)

* qcheck (0.0)

* calendar (None)

* fill_price (None)

* fill_vol (nan)

* fill_oi (nan)

DataFilter

此类从给定数据源中过滤条。除了 DataBase 的标准参数外，它还接受一个funcfilter参数，该参数可以是任何可调用对象

逻辑：

funcfilter将与基础数据源一起调用

它可以是任何可调用对象
- 返回值 True：将使用当前数据源的条形值
- 返回值 False：将丢弃当前数据源的条形值

行：

py 复制代码

* close

* low

* high

* open

* volume

* openinterest

* datetime

参数：

py 复制代码

* dataname (None)

* name ()

* compression (1)

* timeframe (5)

* fromdate (None)

* todate (None)

* sessionstart (None)

* sessionend (None)

* filters ([])

* tz (None)

* tzinput (None)

* qcheck (0.0)

* calendar (None)

* funcfilter (None)

GenericCSVData

根据参数定义的顺序和字段存在性解析 CSV 文件

特定参数（或特定含义）：

dataname：要解析的文件名或类似文件的对象
行参数（日期时间，开盘价，最高价...）采用数值

-1 的值表示 CSV 源中该字段的缺失
如果time存在（参数 time >=0），则源包含分开的日期和时间字段，这些字段将被组合
nullvalue

如果应该存在的值缺失（CSV 字段为空），将使用的值
dtformat：用于解析日期时间 CSV 字段的格式。有关格式，请参阅 python strptime/strftime 文档。

如果指定了数值，则将按以下方式解释
- 1：值是int类型的 Unix 时间戳，表示自 1970 年 1 月 1 日起的秒数
- 2：值是float类型的 Unix 时间戳
如果传递了可调用对象
- 它将接受一个字符串并返回一个 datetime.datetime 的 python 实例
tmformat：如果"存在"，则用于解析时间 CSV 字段的格式（"时间"CSV 字段的默认值是不存在）

行：

py 复制代码

* close

* low

* high

* open

* volume

* openinterest

* datetime

参数：

py 复制代码

* dataname (None)

* name ()

* compression (1)

* timeframe (5)

* fromdate (None)

* todate (None)

* sessionstart (None)

* sessionend (None)

* filters ([])

* tz (None)

* tzinput (None)

* qcheck (0.0)

* calendar (None)

* headers (True)

* separator (,)

* nullvalue (nan)

* dtformat (%Y-%m-%d %H:%M:%S)

* tmformat (%H:%M:%S)

* datetime (0)

* time (-1)

* open (1)

* high (2)

* low (3)

* close (4)

* volume (5)

* openinterest (6)

IBData

交互经纪人数据源。

支持参数dataname中的以下合同规范：

TICKER # 股票类型和 SMART 交易所
TICKER-STK # 股票和 SMART 交易所
TICKER-STK-EXCHANGE # 股票
TICKER-STK-EXCHANGE-CURRENCY # 股票
TICKER-CFD # 差价合约和 SMART 交易所
TICKER-CFD-EXCHANGE # 差价合约
TICKER-CDF-EXCHANGE-CURRENCY # 股票
TICKER-IND-EXCHANGE # 指数
TICKER-IND-EXCHANGE-CURRENCY # 指数
TICKER-YYYYMM-EXCHANGE # 期货
TICKER-YYYYMM-EXCHANGE-CURRENCY # 期货
TICKER-YYYYMM-EXCHANGE-CURRENCY-MULT # 期货
TICKER-FUT-EXCHANGE-CURRENCY-YYYYMM-MULT # 期货
TICKER-YYYYMM-EXCHANGE-CURRENCY-STRIKE-RIGHT # 期权
TICKER-YYYYMM-EXCHANGE-CURRENCY-STRIKE-RIGHT-MULT # 期权
TICKER-FOP-EXCHANGE-CURRENCY-YYYYMM-STRIKE-RIGHT # 期权
TICKER-FOP-EXCHANGE-CURRENCY-YYYYMM-STRIKE-RIGHT-MULT # 期权
CUR1.CUR2-CASH-IDEALPRO # 外汇
TICKER-YYYYMMDD-EXCHANGE-CURRENCY-STRIKE-RIGHT # 期权
TICKER-YYYYMMDD-EXCHANGE-CURRENCY-STRIKE-RIGHT-MULT # 期权
TICKER-OPT-EXCHANGE-CURRENCY-YYYYMMDD-STRIKE-RIGHT # 期权
TICKER-OPT-EXCHANGE-CURRENCY-YYYYMMDD-STRIKE-RIGHT-MULT # 期权

参数：

sectype（默认值：STK）

如果在dataname规范中未提供，应用的默认值为security type
exchange（默认值：SMART）

如果在dataname规范中未提供，应用的默认值为exchange
currency（默认值：''）

如果在dataname规范中未提供，应用的默认值为currency
historical（默认值：False）

如果设置为True，数据源将在首次下载数据后停止。

标准数据源参数fromdate和todate将被用作参考。

如果请求的持续时间大于 IB 根据所选数据的时间框架/压缩允许的持续时间，则数据源将进行多次请求。
what（默认值：None）

如果为None，则将为历史数据请求使用不同资产类型的默认值：
- 对于现金资产'BID'
- 对于任何其他'交易'
如果希望使用其他值，请查阅 IB API 文档
rtbar（默认值：False）

如果设置为True，则使用 Interactive Brokers 提供的5 秒实时数据条作为最小跳动。根据文档，它们对应实时值（一旦被 IB 收集和整理）

如果为False，则将使用基于接收到的跳动的RTVolume价格。在CASH资产的情况下（例如 EUR.JPY），将始终使用RTVolume，并从中获取bid价格（根据散布在互联网上的文献，这是 IB 的行业事实标准）

即使设置为True，如果数据被重新采样/保持到低于 Seconds/5 的时间框架/压缩，将不会使用实时条，因为 IB 不会在该水平以下提供它们
qcheck（默认值：0.5）

以秒为单位的时间，如果未收到数据，则唤醒以正确重新采样/回放数据包并将通知传递给链路上游的机会
backfill_start（默认值：True）

在开始时执行回填。将在单个请求中获取最大可能的历史数据。
backfill（默认值：True）

在断开/重新连接周期后执行回填。间隙持续时间将用于下载尽可能少的数据量
backfill_from（默认值：None）

可以传递一个额外的数据源来进行初始层次的回填。一旦数据源耗尽并且如果需要，将从 IB 进行回填。理想情况下，这是为了从已存储的源（如磁盘上的文件）回填，但不限于此。
latethrough（默认：False）

如果数据源被重新采样/回放，一些 ticks 可能会因为已经交付的重新采样/回放的 bar 而来得太晚。如果这是 True，那些 ticks 将无论如何都会被放过。

检查 Resampler 文档以查看如何考虑这些 ticks。

如果在 IBStore 实例中设置 timeoffset 为 False，并且 TWS 服务器时间与本地计算机时间不同步，则可能会发生这种情况。
tradename（默认：None）对某些特定情况（如 CFD，其中价格由一种资产提供，交易发生在另一种资产上）很有用
- SPY-STK-SMART-USD -> SP500 ETF（将被指定为 dataname）
- SPY-CFD-SMART-USD -> 这是对应的 CFD，它提供的不是价格跟踪，而是在这种情况下将是交易资产（指定为 tradename）

参数中的默认值是为了允许类似 \TICKER这样的东西，其中参数sectype（默认：STK）和 exchange（默认：SMART`）被应用。

一些资产如 AAPL 需要包括 currency 的完整规范（默认：''），而像 TWTR 这样的其他资产可以直接传递。

AAPL-STK-SMART-USD 是 dataname 的完整规范。

或者：IBData 作为 IBData(dataname='AAPL', currency='USD')，它使用默认值（STK 和 SMART）并覆盖货币为 USD

Lines:

py 复制代码

* close

* low

* high

* open

* volume

* openinterest

* datetime

参数：

py 复制代码

* dataname (None)

* name ()

* compression (1)

* timeframe (5)

* fromdate (None)

* todate (None)

* sessionstart (None)

* sessionend (None)

* filters ([])

* tz (None)

* tzinput (None)

* qcheck (0.5)

* calendar (None)

* sectype (STK)

* exchange (SMART)

* currency ()

* rtbar (False)

* historical (False)

* what (None)

* useRTH (False)

* backfill_start (True)

* backfill (True)

* backfill_from (None)

* latethrough (False)

* tradename (None)

InfluxDB

Lines:

py 复制代码

* close

* low

* high

* open

* volume

* openinterest

* datetime

参数：

py 复制代码

* dataname (None)

* name ()

* compression (1)

* timeframe (5)

* fromdate (None)

* todate (None)

* sessionstart (None)

* sessionend (None)

* filters ([])

* tz (None)

* tzinput (None)

* qcheck (0.0)

* calendar (None)

* host (127.0.0.1)

* port (8086)

* username (None)

* password (None)

* database (None)

* startdate (None)

* high (high_p)

* low (low_p)

* open (open_p)

* close (close_p)

* volume (volume)

* ointerest (oi)

MT4CSVData

解析 Metatrader4 历史中心的 CSV 导出文件。

特定参数（或特定含义）：

dataname：要解析的文件名或文件对象
使用 GenericCSVData 并简单修改参数

Lines:

py 复制代码

* close

* low

* high

* open

* volume

* openinterest

* datetime

参数：

py 复制代码

* dataname (None)

* name ()

* compression (1)

* timeframe (5)

* fromdate (None)

* todate (None)

* sessionstart (None)

* sessionend (None)

* filters ([])

* tz (None)

* tzinput (None)

* qcheck (0.0)

* calendar (None)

* headers (True)

* separator (,)

* nullvalue (nan)

* dtformat (%Y.%m.%d)

* tmformat (%H:%M)

* datetime (0)

* time (1)

* open (2)

* high (3)

* low (4)

* close (5)

* volume (6)

* openinterest (-1)

OandaData

Oanda 数据源。

参数：

qcheck（默认：0.5）

在未收到数据时唤醒的时间，以便充分重新采样/回放数据包并将通知传递给上游链。
historical（默认：False）

如果设置为 True，数据源在完成首次数据下载后将停止。

标准数据源参数 fromdate 和 todate 将作为参考。

如果所请求的持续时间大于 IB 根据数据所选的时间框架/压缩允许的持续时间，则数据源将发出多个请求。
backfill_start（默认：True）

在开始时执行回填。将在单个请求中获取最大可能的历史数据。
backfill（默认：True）

在断开/重新连接周期后执行回填。将使用间隙持续时间来下载可能的最小数据量
backfill_from（默认：None）

可以传递附加数据源来执行初始层的补充。一旦数据源耗尽并且如果需要，将从 IB 进行补充。这最理想地用于从已存储的源（如磁盘上的文件）进行补充，但不限于此。
bidask（默认：True）

如果为True，则历史/补偿请求将从服务器请求买入/卖出价格

如果为False，则将请求midpoint
useask（默认：False）

如果为True，则将使用bidask 价格的ask 部分，而不是默认使用bid
includeFirst（默认：True）

通过直接将参数直接设置为 Oanda API 调用来影响历史/补偿请求的第 1 个栏条的交付
reconnect（默认：True）

当网络连接中断时重新连接
reconnections（默认：-1）

重新连接尝试次数：-1 表示永远
reconntimeout（默认：5.0）

重新连接尝试之间等待的秒数

此数据源仅支持与 OANDA API 开发人员指南中的定义相符的timeframe和compression的此映射：

py 复制代码

(TimeFrame.Seconds, 5): 'S5',
(TimeFrame.Seconds, 10): 'S10',
(TimeFrame.Seconds, 15): 'S15',
(TimeFrame.Seconds, 30): 'S30',
(TimeFrame.Minutes, 1): 'M1',
(TimeFrame.Minutes, 2): 'M3',
(TimeFrame.Minutes, 3): 'M3',
(TimeFrame.Minutes, 4): 'M4',
(TimeFrame.Minutes, 5): 'M5',
(TimeFrame.Minutes, 10): 'M10',
(TimeFrame.Minutes, 15): 'M15',
(TimeFrame.Minutes, 30): 'M30',
(TimeFrame.Minutes, 60): 'H1',
(TimeFrame.Minutes, 120): 'H2',
(TimeFrame.Minutes, 180): 'H3',
(TimeFrame.Minutes, 240): 'H4',
(TimeFrame.Minutes, 360): 'H6',
(TimeFrame.Minutes, 480): 'H8',
(TimeFrame.Days, 1): 'D',
(TimeFrame.Weeks, 1): 'W',
(TimeFrame.Months, 1): 'M',

任何其他组合都将被拒绝

行：

py 复制代码

* close

* low

* high

* open

* volume

* openinterest

* datetime

参数：

py 复制代码

* dataname (None)

* name ()

* compression (1)

* timeframe (5)

* fromdate (None)

* todate (None)

* sessionstart (None)

* sessionend (None)

* filters ([])

* tz (None)

* tzinput (None)

* qcheck (0.5)

* calendar (None)

* historical (False)

* backfill_start (True)

* backfill (True)

* backfill_from (None)

* bidask (True)

* useask (False)

* includeFirst (True)

* reconnect (True)

* reconnections (-1)

* reconntimeout (5.0)

PandasData

使用 Pandas DataFrame 作为数据源，使用列名的索引（可以是"数字"）

这意味着所有与行相关的参数都必须具有数值作为元组的索引

参数：

nocase （默认 True）不区分列名大小写的匹配

注：

dataname参数是一个 Pandas DataFrame
可用于日期时间的值
- None：索引包含日期时间
- -1：无索引，自动检测列
- = 0 或字符串：具体的列标识符
对于其他行参数
- None：列不存在
- -1：自动检测
- = 0 或字符串：具体的列标识符

行：

py 复制代码

* close

* low

* high

* open

* volume

* openinterest

* datetime

参数：

py 复制代码

* dataname (None)

* name ()

* compression (1)

* timeframe (5)

* fromdate (None)

* todate (None)

* sessionstart (None)

* sessionend (None)

* filters ([])

* tz (None)

* tzinput (None)

* qcheck (0.0)

* calendar (None)

* nocase (True)

* datetime (None)

* open (-1)

* high (-1)

* low (-1)

* close (-1)

* volume (-1)

* openinterest (-1)

PandasDirectData

使用 Pandas DataFrame 作为数据源，直接迭代"itertuples"返回的元组。

这意味着所有与行相关的参数都必须具有数值作为元组的索引

注：

dataname参数是一个 Pandas DataFrame
数据行中任何参数的负值表示它不存在于 DataFrame 中

行：

py 复制代码

* close

* low

* high

* open

* volume

* openinterest

* datetime

参数：

py 复制代码

* dataname (None)

* name ()

* compression (1)

* timeframe (5)

* fromdate (None)

* todate (None)

* sessionstart (None)

* sessionend (None)

* filters ([])

* tz (None)

* tzinput (None)

* qcheck (0.0)

* calendar (None)

* datetime (0)

* open (1)

* high (2)

* low (3)

* close (4)

* volume (5)

* openinterest (6)

Quandl

对给定时间范围内的数据执行从 Quandl 服务器的直接下载。

特定参数（或特定含义）：

dataname

要下载的股票代码（例如'YHOO'）
baseurl

服务器 URL。未来可能有人决定开放与 Quandl 兼容的服务。
proxies

一个字典，指示下载要经过的代理，如{'http': 'myproxy.com'}或{'http': '127.0.0.1:8080'}
buffered

如果为 True，则在解析开始前，整个套接字连接将在本地缓冲。
reverse

Quandl 以降序返回值（最新的先）。如果这是True（默认值），请求将告诉 Quandl 以升序（从旧到新）格式返回
adjclose

是否使用股息/拆分调整后的收盘价，并根据其调整所有值。
apikey

在可能需要时的 apikey 标识
dataset

标识要查询的数据集的字符串。默认为 WIKI

行：

py 复制代码

* close

* low

* high

* open

* volume

* openinterest

* datetime

参数：

py 复制代码

* dataname (None)

* name ()

* compression (1)

* timeframe (5)

* fromdate (None)

* todate (None)

* sessionstart (None)

* sessionend (None)

* filters ([])

* tz (None)

* tzinput (None)

* qcheck (0.0)

* calendar (None)

* headers (True)

* separator (,)

* reverse (True)

* adjclose (True)

* round (False)

* decimals (2)

* baseurl ([`www.quandl.com/api/v3/datasets`](https://www.quandl.com/api/v3/datasets))

* proxies ({})

* buffered (True)

* apikey (None)

* dataset (WIKI)

QuandlCSV

解析预先下载的 Quandl CSV 数据源（或者如果它们符合 Quandl 格式则是本地生成的）

特定参数：

dataname：要解析的文件名或类似文件的对象
reverse（默认值：False）

假定本地存储的文件已在下载过程中进行了反转
adjclose（默认值：True）

是否使用股息/拆分调整后的收盘价，并根据其调整所有值。
round（默认值：False）

是否在调整收盘价后将值四舍五入到特定小数位数
decimals（默认值：2）

要四舍五入的小数位数

行：

py 复制代码

* close

* low

* high

* open

* volume

* openinterest

* datetime

参数：

py 复制代码

* dataname (None)

* name ()

* compression (1)

* timeframe (5)

* fromdate (None)

* todate (None)

* sessionstart (None)

* sessionend (None)

* filters ([])

* tz (None)

* tzinput (None)

* qcheck (0.0)

* calendar (None)

* headers (True)

* separator (,)

* reverse (False)

* adjclose (True)

* round (False)

* decimals (2)

RollOver

当满足条件时转到下一个未来的类

参数：

checkdate（默认值：None）

这必须是一个可调用对象，具有以下签名：
py 复制代码
```
checkdate(dt, d):` 
```
在哪里：
- dt 是一个 datetime.datetime 对象
- d 是当前活动期货的当前数据源
期望返回值：
- True：只要可调用返回此值，就可以切换到下一个未来

如果商品在三月的第三个星期五到期，checkdate 可能会在到期周的整个周返回 True。

py 复制代码

* `False`: the expiration cannot take place

checkcondition（默认值：None）

注意：仅当 checkdate 返回 True 时才会调用此函数

如果为 None，则会在内部评估为 True（执行滚动）

否则，这必须是一个可调用对象，具有以下签名：
py 复制代码
```
checkcondition(d0, d1)` 
```
在哪里：
- d0 是当前活动期货的当前数据源
- d1 是下一个到期的数据源
期望返回值：
- True：切换到下一个未来

跟随 checkdate 的示例，这可能表示仅当 d0 中的 volume 已经小于 d1 中的 volume 时，才能发生滚动

py 复制代码

* `False`: the expiration cannot take place

行：

py 复制代码

* close

* low

* high

* open

* volume

* openinterest

* datetime

参数：

py 复制代码

* dataname (None)

* name ()

* compression (1)

* timeframe (5)

* fromdate (None)

* todate (None)

* sessionstart (None)

* sessionend (None)

* filters ([])

* tz (None)

* tzinput (None)

* qcheck (0.0)

* calendar (None)

* checkdate (None)

* checkcondition (None)

SierraChartCSVData

解析 SierraChart 导出的 CSV 文件。

特定参数（或特定含义）：

dataname：要解析的文件名或类似文件的对象
使用 GenericCSVData 并简单修改日期格式（dtformat）为

行：

py 复制代码

* close

* low

* high

* open

* volume

* openinterest

* datetime

参数：

py 复制代码

* dataname (None)

* name ()

* compression (1)

* timeframe (5)

* fromdate (None)

* todate (None)

* sessionstart (None)

* sessionend (None)

* filters ([])

* tz (None)

* tzinput (None)

* qcheck (0.0)

* calendar (None)

* headers (True)

* separator (,)

* nullvalue (nan)

* dtformat (%Y/%m/%d)

* tmformat (%H:%M:%S)

* datetime (0)

* time (-1)

* open (1)

* high (2)

* low (3)

* close (4)

* volume (5)

* openinterest (6)

VCData

VisualChart 数据源。

参数：

qcheck（默认值：0.5）唤醒重新采样器/重播器检查当前柱状图是否可交付的默认超时时间

仅当在数据中插入了重新采样/重播过滤器时才使用该值
historical（默认值：False）如果没有提供 todate 参数（在基类中定义），则设置为 True 将强制进行历史下载

如果提供了 todate，则会实现相同的效果
milliseconds（默认值：True）由 Visual Chart 构造的柱状图如下所示：HH:MM:59.999000

如果此参数为 True，则会添加一毫秒到此时间，使其看起来像这样：HH::MM + 1:00.000000
tradename（默认：None）连续期货不能交易，但非常适合数据跟踪。如果提供了此参数，则它将是当前期货的名称，这将是交易资产。例如：
- 001ES -> ES 迷你连续作为dataname提供
- ESU16 -> ES 迷你 2016-09. 如果在tradename中提供，它将是交易资产。
usetimezones（默认：True）对于大多数市场，Visual Chart 提供的时间偏移信息允许将日期时间转换为市场时间（backtrader表示的选择）

一些市场是特殊的（096），需要特殊的内部覆盖和时区支持，以显示用户期望的市场时间。

如果将此参数设置为True，将尝试导入pytz以使用时区（默认）

禁用它将删除时区使用（如果负载过大可能有所帮助）

行数：

py 复制代码

* close

* low

* high

* open

* volume

* openinterest

* datetime

参数：

py 复制代码

* dataname (None)

* name ()

* compression (1)

* timeframe (5)

* fromdate (None)

* todate (None)

* sessionstart (None)

* sessionend (None)

* filters ([])

* tz (None)

* tzinput (None)

* qcheck (0.5)

* calendar (None)

* historical (False)

* millisecond (True)

* tradename (None)

* usetimezones (True)

VChartCSVData

解析VisualChart导出的 CSV 文件。

特定参数（或特定含义）：

dataname：要解析的文件名或文件类对象

行数：

py 复制代码

* close

* low

* high

* open

* volume

* openinterest

* datetime

参数：

py 复制代码

* dataname (None)

* name ()

* compression (1)

* timeframe (5)

* fromdate (None)

* todate (None)

* sessionstart (None)

* sessionend (None)

* filters ([])

* tz (None)

* tzinput (None)

* qcheck (0.0)

* calendar (None)

* headers (True)

* separator (,)

VChartData

支持Visual Chart的二进制磁盘文件，包括每日和日内格式。

注意：

dataname：文件或打开的类文件对象

如果传递了类文件对象，将使用timeframe参数来确定实际时间范围。

否则，将使用文件扩展名（.fd表示每日，.min表示日内）。

行数：

py 复制代码

* close

* low

* high

* open

* volume

* openinterest

* datetime

参数：

py 复制代码

* dataname (None)

* name ()

* compression (1)

* timeframe (5)

* fromdate (None)

* todate (None)

* sessionstart (None)

* sessionend (None)

* filters ([])

* tz (None)

* tzinput (None)

* qcheck (0.0)

* calendar (None)

VChartFile

支持Visual Chart的二进制磁盘文件，包括每日和日内格式。

注意：

dataname：由 Visual Chart 显示的市场代码。例如：015ES 代表 EuroStoxx 50 连续期货

行数：

py 复制代码

* close

* low

* high

* open

* volume

* openinterest

* datetime

参数：

py 复制代码

* dataname (None)

* name ()

* compression (1)

* timeframe (5)

* fromdate (None)

* todate (None)

* sessionstart (None)

* sessionend (None)

* filters ([])

* tz (None)

* tzinput (None)

* qcheck (0.0)

* calendar (None)

YahooFinanceCSVData

解析预先下载的 Yahoo CSV 数据源（或者如果它们符合 Yahoo 格式，可以是本地生成的）。

特定参数：

dataname：要解析的文件名或文件类对象
reverse（默认：False）

假设在下载过程中本地存储的文件已经被反转。
adjclose（默认：True）

是否使用股息/拆分调整后的收盘价，并根据其调整所有值。
adjvolume（默认：True）

如果adjclose也为True，还需调整volume。
round（默认：True）

在调整收盘价后，是否要将值四舍五入到特定的小数位数。
roundvolume（默认：0）

调整后，将结果体积四舍五入到指定的小数位数。
decimals（默认：2）

要四舍五入的小数位数
swapcloses（默认：False）

[2018-11-16] 看起来close 和adjusted close的顺序现在已经固定。参数被保留，以防需要再次交换列。

行数：

py 复制代码

* close

* low

* high

* open

* volume

* openinterest

* datetime

* adjclose

参数：

py 复制代码

* dataname (None)

* name ()

* compression (1)

* timeframe (5)

* fromdate (None)

* todate (None)

* sessionstart (None)

* sessionend (None)

* filters ([])

* tz (None)

* tzinput (None)

* qcheck (0.0)

* calendar (None)

* headers (True)

* separator (,)

* reverse (False)

* adjclose (True)

* adjvolume (True)

* round (True)

* decimals (2)

* roundvolume (False)

* swapcloses (False)

YahooFinanceData

对给定时间范围从 Yahoo 服务器直接下载数据。

特定参数（或特定含义）：

dataname

要下载的股票代码（'YHOO'用于 Yahoo 自有股票报价）
proxies

一个字典，指示要通过的代理，如{'http': 'myproxy.com'}或{'http': '127.0.0.1:8080'}
period

下载数据的时间范围。传递'w'表示每周，'m'表示每月。
reverse

[2018-11-16] 雅虎在线下载的最新版本按正确顺序返回数据。因此，在线下载的reverse默认值设置为False。
adjclose

是否使用股息/拆分调整后的收盘价，并根据其调整所有值。
urlhist

用于获取下载的crumb授权 cookie 的雅虎财经历史行情的 URL
urldown

实际下载服务器的 URL
retries

尝试获取crumb cookie 并下载数据的次数（每次）

行：

py 复制代码

* close

* low

* high

* open

* volume

* openinterest

* datetime

* adjclose

参数：

py 复制代码

* dataname (None)

* name ()

* compression (1)

* timeframe (5)

* fromdate (None)

* todate (None)

* sessionstart (None)

* sessionend (None)

* filters ([])

* tz (None)

* tzinput (None)

* qcheck (0.0)

* calendar (None)

* headers (True)

* separator (,)

* reverse (False)

* adjclose (True)

* adjvolume (True)

* round (True)

* decimals (2)

* roundvolume (False)

* swapcloses (False)

* proxies ({})

* period (d)

* urlhist ([`finance.yahoo.com/quote`](https://finance.yahoo.com/quote)/{}/history)

* urldown ([`query1.finance.yahoo.com/v7/finance/download`](https://query1.finance.yahoo.com/v7/finance/download))

* retries (3)

YahooLegacyCSV

这旨在加载在 2017 年 5 月雅虎停止原始服务之前下载的文件。

行：

py 复制代码

* close

* low

* high

* open

* volume

* openinterest

* datetime

* adjclose

参数：

py 复制代码

* dataname (None)

* name ()

* compression (1)

* timeframe (5)

* fromdate (None)

* todate (None)

* sessionstart (None)

* sessionend (None)

* filters ([])

* tz (None)

* tzinput (None)

* qcheck (0.0)

* calendar (None)

* headers (True)

* separator (,)

* reverse (False)

* adjclose (True)

* adjvolume (True)

* round (True)

* decimals (2)

* roundvolume (False)

* swapcloses (False)

* version ()