Backtrader是一款功能强大的量化回测框架

安装
pip install backtrader


基本架构

Cerebro：回测引擎，负责协调数据、策略、分析器等组件。
Strategy：定义交易策略逻辑，需继承bt.Strategy类。
Data Feeds：数据源，支持CSV、Pandas DataFrame等多种格式。
Broker：模拟交易账户，管理资金、订单和持仓。
Analyzers：用于计算绩效指标（如夏普比率、最大回撤）


示例：双均线策略


import backtrader as bt
import pandas as pd

# 定义策略类
class DualMAStrategy(bt.Strategy):
    params = (
        ('short_period', 10),  # 短期均线周期
        ('long_period', 30)    # 长期均线周期
    )

    def __init__(self):
        self.short_ma = bt.ind.SMA(self.data.close, period=self.params.short_period)
        self.long_ma = bt.ind.SMA(self.data.close, period=self.params.long_period)
        self.crossover = bt.ind.CrossOver(self.short_ma, self.long_ma)

    def next(self):
        if not self.position:
            if self.crossover > 0:  # 金叉买入
                self.buy()
        else:
            if self.crossover < 0:  # 死叉卖出
                self.sell()

# 加载数据
data = bt.feeds.PandasData(
    dataname=pd.read_csv('data.csv', parse_dates=True, index_col='date')
)

# 初始化Cerebro引擎
cerebro = bt.Cerebro()
cerebro.addstrategy(DualMAStrategy)
cerebro.adddata(data)
cerebro.broker.setcash(100000)  # 初始资金
cerebro.broker.setcommission(commission=0.0005)  # 手续费

# 运行回测
print('初始资金: %.2f' % cerebro.broker.getvalue())
cerebro.run()
print('最终资金: %.2f' % cerebro.broker.getvalue())

# 绘制结果
cerebro.plot()


关键步骤说明
数据准备：
确保数据包含open、high、low、close、volume等字段，时间列设为索引

策略编写：
在__init__中初始化指标，在next方法中编写交易逻辑

参数设置：
通过params定义策略参数，可在添加策略时传入不同值进行优化

分析与可视化：
使用cerebro.addanalyzer添加分析器，
回测后可通过get_analysis获取结果；
cerebro.plot()生成可视化图表


通过以上步骤，可快速搭建量化回测框架，
后续可根据需求扩展策略逻辑、优化参数或添加更多分析指标。