金母鸡量化教学场：不能错过!backtrader—最完善的Python量化回测框架之一

目前基于Python的量化回测框架有很多，开源框架有zipline、vnpy、pyalgotrader和backtrader等，而国内外量化平台非常多，量化框架或平台都各有优劣美股回测。今天要说的backtrader，功能完善，有完整的使用文档，安装相对简单（直接pip安装即可）。我们就对其运行框架进行一下简要的介绍。

backtrader的主要组成部分：

1. 数据加载（Data Feed）：将交易策略的数据加载到回测框架中美股回测。

2. 交易策略（Strategy）：该模块是编程过程中最复杂的部分，需要设计交易决策，得出买入/卖出信号美股回测。

3. 回测框架设置（Cerebro）：需要设置（i）初始资金（ii）佣金（iii）数据馈送（iv）交易策略（v）交易头寸大小美股回测。

4. 运行回测：运行Cerebro回测并打印出所有已执行的交易美股回测。

5. 评估性能（Analyzers）：以图形和风险收益等指标对交易策略的回测结果进行评价美股回测。

展开全文

量化回测说白了是使用历史数据去验证交易策略的性能，因此回测的第一步是搭建交易策略，这也是backtrader要设置的最重要和复杂的部分，策略设定好后，其余部分的代码编写是手到擒来美股回测。

一、构建策略（Strategy）

交易策略类代码包含重要的参数和用于执行策略的功能美股回测，要定义的参数或函数名如下：

1、params-全局参数，可选：更改交易策略中变量/参数的值，可用于参数调优美股回测。

2、log：日志，可选：记录策略的执行日志，可以打印出该函数提供的日期时间和txt变量美股回测。

3、__init__：用于初始化交易策略的类实例的代码美股回测。

4、notify_order，可选：跟踪交易指令（order）的状态美股回测。order具有提交，接受，买入/卖出执行和价格，已取消/拒绝等状态。

5、notify_trade，可选：跟踪交易的状态，任何已平仓的交易都将报告毛利和净利润美股回测。

6、next，必选：制定交易策略的函数，策略模块最核心的部分美股回测。

二、数据加载（Data Feeds）

策略设计好后，第二步是数据加载，backtrader提供了很多数据接口，包括quandl（美股）、yahoo、pandas格式数据等美股回测。

三、回测设置（Cerebro）

回测设置主要包括几项：回测系统初始化，数据加载到回测系统，添加交易策略， broker设置（如交易资金和交易佣金），头寸规模设置作为策略一部分的交易规模等，最后显示执行交易策略时积累的总资金和净收益美股回测。

四、执行回测，输出回测结果美股回测。

五、可视化

对结果进行可视化，使用backtrader内置的matplotlib画图美股回测。

至此，简单的单均线回测就完成了美股回测。

backtrader是目前功能最完善的Python量化回测框架之一（单机版），得到欧洲很多银行、基金等金融机构的青睐，并应用于实盘交易中美股回测。

backtrader的优点是运行速度快，支持pandas的矢量运算；支持参数自动寻优运算，内置了talib股票分析技术指标库；支持多品种、多策略、多周期的回测和交易；支持pyflio、empyrica分析模块库、alphalens多因子分析模块库等；扩展灵活，可以集成TensorFlow、PyTorch和Keras等机器学习、神经网络分析模块美股回测。而不足之处在于，backtrader学习起来相对复杂，编程过程中使用了大量的元编程（类class），如果Python编程基础不扎实（尤其是类的操作），学起来会感到吃力。