商品期货量化交易-TradingviewPine语言基础课程（九）：时间序列

你做过交易吗，连续高长时间的紧盯着一块屏幕，密切的观察指标的变化，不断地在衡量交易的规律和趋势，决定交易操作，执行并继续观察交易结果，不断地调仓补仓平仓，直至最后交易时间段结束，还需要你进行更为深刻的自身，复盘总结今日某一瞬间的得失。这就是一个交易人，与市场，与大盘，与庄家，与自己的战斗。每天都在不断上演。交易可以量化吗？有时候你会怀疑，怎样利用语言去模拟一个金融市场，无数伴随着每豪每秒的纷繁信号，眼花缭乱的涨跌趋势，怎样去抓取其中的规律，预测未来？这就需要我们深入了解Pine语言对于交易逻辑的处理–时间序列和模型执行。

这两部分的内容其实应该在Pine语言，入门的时候为大家讲解，可是理解起来确实有些困难。因此在为大家讲述完，Pine语言基本语法结构的基础上编写简单的代码，为大家进行更好的展示。

时间序列

首先，我们讲解时间序列，在类型系统中我们粗略的介绍过。时间序列并不是一种数据类型或者格式，时间序列是PINE语言中一种基本结构的概念。用来储存时间上连续变动的值，每个值都对应一个时间点。时间序列这种概念的结构很适合应用于处理、记录随时间变化的一系列数据。

我们知道Pine脚本是基于图表的，图表中展示的最基本的内容就是K线图。时间序列其中每个值都与一个K线Bar的时间戳关联。PINE语言这样设计时间序列，可以在策略代码中很轻松地计算收盘价的累计值，而且不需要使用for之类的循环结构，只用使用PINE语言的内置函数ta.cum()。下面我们举例进行一下解释：

这段代码的意思是，在一个策略周期内，我们设置两个变量，第一个变量v1，赋值为整数1，第二个变量v2是伴随策略周期累加的v1值，然后我们使用plot函数将v1，v2和k线bar的索引，这个内置变量bar.index在图表中展示出来。

v1 = 1
v2 = ta.cum(v1)
plot(v1, title="固定v1")
plot(v2, title="累计v1")
plot(bar_index+1, title="bar序列")

有很多类似ta.cum这样的内置函数可以直接处理时间序列上的数据，例如ta.cum就是把传入的变量在每个K线Bar上对应的值累加起来，接下来我们使用一个图表来方便理解。

可以看到，他们都是时间序列结构，在每根Bar上都有对应的数据。

因为固定v1这个变量在每一根Bar上都是1，ta.cum(v1)函数在第一根K线Bar上执行时由于只有第一根Bar，所以计算结果为1，赋值给变量累计v2。

当ta.cum(v1)在第二根K线Bar上执行时，已经有2根K线Bar了（第一根对应的内置变量bar.index是0，第二根对应的内置变量bar.index是1），所以计算结果为2，赋值给变量v2，以此类推。实际上可以观察到v2就是图表中K线Bar的数量，由于K线的索引bar.index是从0开始递增，那么bar.index + 1实际上也就是K线Bar的数量。观察图表也可以看到v2和bar.index确实是重合的。

需要注意的是，虽然时间序列很容易让人想起「数组」这种数据结构，虽然PINE语言也有数组类型。但是它们和时间序列是完全不同的概念。

在时间序列上调用函数的结果也会在时间序列上留下痕迹，同样可以使用[]历史操作符引用之前的值。例如，计算最后10根K线BAR中的最高价的最大值时（不包括当前的K线BAR）。我们可以写为 ta.highest(close, 10)[1]，同样也可以写成 ta.highest(close[1], 10)。两者是等价的。

可以用以下代码验证：

strategy("test pine", "test", true) 

a = ta.highest(close, 10)[1]
b = ta.highest(close[1], 10)

runtime.log("a",a)
runtime.log("b",b)

PINE语言这样设计时间序列，可以在策略代码中很轻松地进行时间逻辑的运算。但是需要了解其具体的运行机制，我们可以进行一个展示。

pricecum1 = ta.cum(close)

pricecum2 = close // pricecum2 = close+close[1]+close[2]

for i=1 to 2 
    pricecum2 += close[i]
    i += 1

runtime.log("pricecum1:", pricecum1)
runtime.log("pricecum2:", pricecum2)

策略是从09:00准时开始的，用一分钟为K线周期，我们进行五分钟的策略回测（09：00至09：05），因为最后的K线是09：05还没有更新完，所以09:05的数据是不显示的，只能展示四个值（0到1，1到2，2到3，3到4，四个时间段）。在回测日志中，我们可以观察到pricecum1使用ta.cum函数，从策略起始处（0到1）就开始计算累加值，直到（0到4），所以计算了四段k线的累加值。而pricecum2，以三分钟的k线累加值为一个轮回进行循环计算，因为在0到1和1到2处，没有前两个值，即close[1]和close[2]，所以第一分钟，和第二分钟的pricecum2为空值，到第三分钟时，pricucum2 = close + close[1] + close[2], 三个值都是实值了，可以进行计算，并且和pricecum1相等。因为pricecum2以3为周期，所以pricecum1和pricecum2在第四分钟两者时不相等的，这个时候pricecum1计算的是0到1，1到2，2到3，3到4，四个时间段的收盘价累加值；而pricecum2计算的是1到2，2到3，3到4，三个时间段的收盘价累加值。这是一个时间序列的例子，大家可以回味下。

我们可以看到策略从初始值实时更新的时候，是不会使用过去的历史bar，因此如果在策略中你使用了循环语句，去利用过去的指标去判断交易的逻辑。在策略开始的时候，你需要等待循环逻辑走完，才能进行交易的处理。第二点请注意，这里我们选择的是收盘价模型，如果我们这里选择的是实时价模型，进行策略的运行，日志的结果将会是这样。这两者的区别涉及到模型执行机制，我们下节课为大家继续讲解。