理解Pine Script的Security()函数逻辑及Python转换咨询

问题背景 #

我是Python和Pine Script新手，想搞懂Pine Script里Security()函数的工作原理。写了一段代码想用它获取其他周期的最高价，但结果不符合预期：图表里橙色箭头和紫色箭头指向的K线，它们的最高价最大值应该是紫色箭头对应的数值，但黄色线条显示的并不是这个值。官方文档对Security()内部机制说明不足，我怀疑自己的理解存在偏差，希望先明确该函数的逻辑，再将其转换为Python实现。

原Pine Script代码 #

//@version=3
strategy(title = "Simple Lookahead", shorttitle = "SL", overlay = true, 
  pyramiding = 0, default_qty_type = strategy.percent_of_equity, default_qty_value = 10, calc_on_every_tick=false)
multip      = input(defval = 2,    title = "Multiplier")
lenPeriod    = input(defval = 2, title = "Period", minval = 1)
resol    = isdaily?  tostring(interval*multip,"###D") : isintraday ? tostring(interval*multip,"####") : '60'
maximo = security(tickerid, resol, high, gaps=barmerge.gaps_off, lookahead=barmerge.lookahead_on)
plot(maximo, color = yellow)

Security()函数核心逻辑 #

security()是Pine Script中跨周期/跨品种获取数据的核心函数，核心逻辑是将目标周期/品种的数据映射到当前图表的周期上，关键参数直接影响最终输出：

• 前两个参数：tickerid（目标品种，默认当前品种）、resol（目标周期，比如"2D"代表2天、"120"代表120分钟）
• expression：要获取的目标数据（此处为high即最高价）
• gaps：处理数据缺口，barmerge.gaps_off会用相邻有效数据填充缺口
• lookahead：这是你代码出问题的核心原因：
  • barmerge.lookahead_on会让函数提前获取目标周期未闭合K线的实时数据，属于"未来函数"，会导致当前图表K线未走完时，就用上了目标周期的未来价格，和你预期的"已闭合K线最高价最大值"不符。
  • 若要获取已完成K线的真实最高价，必须使用barmerge.lookahead_off，这才是无未来数据的正确用法。

代码问题分析 #

1. 周期计算逻辑的潜在歧义：
   • 日线图中interval为1（代表1天），乘以2得到"2D"没问题；日内图中interval是分钟数（比如15分钟图中interval为15），乘以2得到30，对应30分钟周期，这部分逻辑本身无错误，但需确认是否符合你实际想要的周期。
2. lookahead参数错误：
   • 你使用了barmerge.lookahead_on，导致黄色线条提前显示目标周期未闭合K线的当前最高价，而非已完成K线的最终最高价，这就是你看到结果不符的原因。

修正后的Pine Script代码 #

//@version=3
strategy(title = "Simple Lookahead", shorttitle = "SL", overlay = true, 
  pyramiding = 0, default_qty_type = strategy.percent_of_equity, default_qty_value = 10, calc_on_every_tick=false)
multip      = input(defval = 2,    title = "Multiplier")
lenPeriod    = input(defval = 2, title = "Period", minval = 1)
resol    = isdaily?  tostring(interval*multip,"###D") : isintraday ? tostring(interval*multip,"####") : '60'
// 关闭lookahead，获取已闭合K线的最高价
maximo = security(tickerid, resol, high, gaps=barmerge.gaps_off, lookahead=barmerge.lookahead_off)
plot(maximo, color = yellow)

Python实现跨周期最高价映射逻辑 #

Python没有内置的跨周期数据映射函数，需手动处理K线数据，核心步骤是将目标周期K线的最高价映射到当前周期的每个K线上，并处理数据缺口。

代码示例 #

import pandas as pd

def simulate_security(current_df, target_df):
    # 转换时间戳为datetime类型
    current_df['timestamp'] = pd.to_datetime(current_df['timestamp'])
    target_df['timestamp'] = pd.to_datetime(target_df['timestamp'])
    
    # 为当前周期每个K线匹配对应目标周期的已闭合K线最高价
    current_df['target_high'] = current_df['timestamp'].apply(
        lambda x: target_df[target_df['timestamp'] <= x]['high'].iloc[-1]
        if not target_df[target_df['timestamp'] <= x].empty else None
    )
    
    # 模拟barmerge.gaps_off：用前一个有效数据填充缺口
    current_df['target_high'] = current_df['target_high'].ffill()
    
    return current_df

# 示例数据：当前周期（15分钟）K线
current_data = pd.DataFrame({
    'timestamp': ['2024-01-01 09:15', '2024-01-01 09:30', '2024-01-01 09:45', '2024-01-01 10:00'],
    'high': [100, 102, 101, 103]
})

# 示例数据：目标周期（30分钟）K线
target_data = pd.DataFrame({
    'timestamp': ['2024-01-01 09:00', '2024-01-01 09:30', '2024-01-01 10:00'],
    'high': [99, 102, 103]
})

# 执行映射
result = simulate_security(current_data, target_data)
print(result[['timestamp', 'high', 'target_high']])

代码说明 #

• 核心逻辑：对当前周期的每个时间点，找到不晚于该时间的最后一根已闭合目标周期K线，取其最高价，和lookahead_off模式下的security()行为一致。
• ffill()方法用于填充数据缺口，对应barmerge.gaps_off的效果。
• 若要模拟lookahead_on，需额外处理未闭合的目标周期K线，实时获取其当前最高价。

内容的提问来源于stack exchange，提问作者tonycar