TradingView中的时间序列

在做算法的过程中，我发现TradingView本质上的方便之处就在于其推荐的数据类型是时间序列，当然，你也可以选择数组，但是数组本身就丧失了时间信息。这种方式可以说对于交易来说是最有好的数据类型。当然，你如果不熟悉TradingView的松树脚本，也可以选择Python，Python也有各种各样的时间序列处理函数库，但是大多数都是用于机器学习和人工智能的。比如说中国国内比较有名的飞桨TS：PaddleTS。但是，我主要是以交易为目的，飞桨TS对我来说过于无法高效快速地表达一些转瞬即逝的交易想法，所以，我个人还是更喜欢用TradingView的松树脚本。松树脚本的强大功能很大程度上源于它旨在高效处理时间序列(Series)的事实, 我的很多私有库函数并不是基于数组实现而是基于时间序列。当然，我也在考虑做一些高级的基于数组类型的库函数。在TradingView中，时间序列是脚本用于存储变量随时间的连续值的基本结构，其中每个值都与一个时间点相关联。由于金融图表由很多K线组成，每个K线代表一个特定的时间点，因此时间序列是处理可能随时间变化的值的理想数据结构。

另外，时间序列的概念与TradingView松树脚本的执行模型和类型系统概念密切相关。了解这三者是充分利用TradingView脚本写算法的关键。例如，采用TradingView内置的close变量，其中包含数据集中每个K线的“收盘”价格，该数据集是任何给定图表上的所有K线。如果脚本在 5 分钟图表上运行，则收盘时间序列中的每个值都是连续 5 分钟图表K线的“收盘”价格。当脚本引用close时，它指的是脚本正在执行的K线的“收盘”价格。为了引用时间序列中的过去值，可以使用“”历史引用运算符。当脚本在给定K线上执行时，指前一个收盘K线close时间序列的值。虽然时间序列可能会让人想起数组，但它们是完全不同的。TradingView脚本确实使用了数组数据结构，但它与时间序列是完全不同的概念。例如：TradingView脚本中的时间序列与其特殊类型的运行时引擎和内置函数相结合，使得无需使用for循环来计算所有K线收盘价之和的操作而只需使用ta.cum(close)。 因为虽然ta.cum(close 在脚本中看起来相当静态，但实际上它是在每一根K线上执行的，因此随着每个新K线的收盘值被添加到其中，它的值变得越来越大。当脚本到达图表最右边的K线时，ta.cum(close)返回图表上所有K线的收盘值之和。所有K线上的相同循环逻辑应用于函数调用，例如plot(close)将在每个K线上重复的函数调用，在图表上连续绘制每根K线的收盘价。