接下來我們廢話不多說，結合前一篇的買賣訊號，來建構一個加密貨幣的策略吧！
複習前幾篇用Python投資加密貨幣相關的知識
這篇文章，將接續著之前的單元，假如還沒看過前面的部分，可以參考以下的連結喔！
這篇我寫的比較仔細一點，所以文章稍長，但程式碼很短，先給大家聞香一下
將上一篇的程式碼統整，我們可以得到：
signal_long = (sma1 > sma2) & (sma1.shift() < sma2.shift())
signal_short = (sma1 < sma2) & (sma1.shift() > sma2.shift())接下來，我們將 signal_long 跟 signal_short 整合在一起，這邊的 signal_long 跟 signal_short，是進場訊號，一個做多、一個是做空時間序列，當訊號為 True 時代表入場。
多空訊號結合
接下來為了配合 backtesting 函式庫，我們想將 signal_long 跟 signal_short 合併起來，產生一個翻轉策略：
當 signal_long 為 True 時，不論目前有什麼部位，都翻多
當 signal_short 為 True 時，不論目前什麼部位，一律翻空
我們想要做出一個新的訊號 叫做 signal，其做多訊號為 1，做空訊號為 -1 ，維持不變則為0。
可以用以下的寫法，首先copy signal_long 序列，並且將 signal_short 為 True 的部分改成 -1，這樣就可以了！
# combine long and short signal
signal = signal_long.copy()
signal[signal_short] = -1
完整總和來說，我們目前已經有以下的程式碼：
from finlab import crypto
# geth the historical price
df = crypto.get_all_binance('BTCUSDT', '4h')
# calculate moving averages
sma1 = df.Close.rolling(20).mean()
sma2 = df.Close.rolling(60).mean()
# create long and short signal
signal_long = (sma1 > sma2) & (sma1.shift() < sma2.shift())
signal_short = (sma1 < sma2) & (sma1.shift() > sma2.shift())
# combine long and short signal
signal = signal_long.copy()
signal[signal_short] = -1接下來我們直接比對一下，回測的程式碼，橘色部分比較特別，會逐一介紹。
首先，上圖中第一二行，我們將 Backtest 和 SignalStrategy 匯入，Backtest 是一個幫我們回測的 interface，而 SignalStrategy 是一個 class，我們可以繼承 SignalStrategy (第5行)，就能把剛剛的訊號 signal 匯入來回測，這邊會用到物件導向的概念，可以參考：
w3c提供的簡單 python 物件導向教學
有了一個strategy空殼，接下來就可以實做內部功能了！
第7行中，我們覆寫一個parent 方法，叫做 init，在 init 這個方法中，我們可以計算回測要用的訊號，這個方法會在回測開始前執行一次，所以當我們先把訊號計算好，這樣回測的時候就不用計算，速度上會比較快！
init中大部分的程式碼，跟我們開頭所述的非常雷同，有幾點不一樣而已：
首先，在第8行中，parent class 會先執行他的 init，你可以想像，父母先吃飯，小孩再吃飯的道理！
super().init()然後，第11行，也做了一點修正，從原本的：
# 原本的
df = crypto.get_all_binance('BTCUSDT', '4h')變成：
# 新的
close = pd.Series(self.data.Close)我們可以用 self.data.Close ，來獲取「開高低收」的歷史價格，這是繼承 SignalStrategy 附加的功能，可以讓程式碼中的「策略」跟「價格」解耦，讓策略不只交易 BTCUSDT，還能交易其他加密貨幣，甚至是股票！
最後12～21行，都跟之前一樣，所以就略過囉！
最後的24行，就是將我們產生的 signal 給匯入：
elf.set_signal(signal)這樣子 SignalStrategy 裡面就會根據 signal，來進行翻多翻空的交易囉！
上述 1～26 行，都是一個策略藍圖，我們只是規劃，並沒有真正執行這些程式碼，所以我們還要額外家三行，建構出規劃好的策略，並且回測、統計回測結果：
bt = Backtest(df, Strategy)
bt.run()
bt.plot()
執行後會顯示出非常詳細的買賣點，這個就是所謂 窮人版 python 版的 multicharts 了吧！不過看起來策略的 performnace 不太好，賺不到什麼 $$，所以下一個單元，我們就來使用內建的 optimize 方法，找尋最優的均線交叉策略！優化後的績效，先給大家聞香一下！
以下是完整的程式碼：
另外也可以參考完整的 colab notebook 範例
from finlab import crypto
from backtesting import Backtest
from backtesting.lib import SignalStrategy
import pandas as pd
df = crypto.get_all_binance('BTCUSDT', '4h')
class Strategy(SignalStrategy):
def init(self):
super().init()
# Precompute the two moving averages
close = pd.Series(self.data.Close)
sma1 = close.rolling(20).mean()
sma2 = close.rolling(60).mean()
# Precompute signal
signal_long = (sma1 > sma2) & (sma1.shift() < sma2.shift())
signal_short = (sma1 < sma2) & (sma1.shift() > sma2.shift())
signal = signal_long
signal[signal_short] = -1
self.set_signal(signal)
def next(self):
super().next()
bt = Backtest(df, Strategy)
bt.run()
bt.plot()如果喜歡我們的文章，也歡迎參考我們最新募資的線上課程「用 Python 理財：打造加密貨幣實戰策略」，在線上課程中，我們會更有系統、更完整地教您如何從無到有，打造10種加密貨幣實戰策略，並且能夠自動化雲端交易！有興趣的話，可以點此觀看課程介紹影片喔！
