Backtrader 是 Python 中最受欢迎的开源回测和实盘交易框架之一。它语法简洁，文档详尽，社区活跃，适合初学者和高级交易者使用。本文将带你一步步使用 Backtrader 设置第一个算法交易策略。

如果你是 Backtrader 新手，请先查看我们的详细Backtrader 概览。

第一步：安装 Backtrader

你可以使用 pip 安装 Backtrader：

pip install backtrader

# 可选：你也可以安装 matplotlib 用于绘图，pandas 用于数据处理：

pip install matplotlib pandas

第二步：准备历史数据

Backtrader 支持 CSV 文件、Pandas DataFrame，甚至支持来自券商的实时数据。这里先加载一个 CSV 文件：

import backtrader as bt  
import datetime

data = bt.feeds.YahooFinanceCSVData(
    dataname='your-data.csv',
    fromdate=datetime.datetime(2020, 1, 1),
    todate=datetime.datetime(2023, 12, 31),
    reverse=False
)

确保你的 CSV 包含如下列：Date, Open, High, Low, Close, Volume, Adj Close。

第三步：创建策略

继承自 bt.Strategy 创建策略类。这里实现一个简单的移动平均线交叉策略：

class SmaCross(bt.Strategy):
    params = dict(period=20)

    def __init__(self):
        sma = bt.ind.SMA(period=self.p.period)
        self.crossover = bt.ind.CrossOver(self.data.close, sma)

    def next(self):
        if not self.position:
            if self.crossover > 0:
                self.buy()
        elif self.crossover < 0:
            self.close()

第四步：设置回测引擎

现在创建 Cerebro 引擎 —— Backtrader 的核心：

cerebro = bt.Cerebro()  
cerebro.addstrategy(SmaCross)  
cerebro.adddata(data)  
cerebro.broker.setcash(10000)  
cerebro.broker.setcommission(commission=0.001)

第五步：运行策略

print('初始资产价值: %.2f' % cerebro.broker.getvalue())  
cerebro.run()  
print('最终资产价值: %.2f' % cerebro.broker.getvalue())

cerebro.plot()

你将看到策略的进出场点被可视化绘出，以及资产组合的表现。

第六步：扩展更多功能

随着经验积累，可以考虑添加：

  • 止损和止盈逻辑
  • 多种指标
  • 自定义分析器（夏普比率、回撤等）
  • 参数优化

Backtrader 本身支持所有这些功能，还能连接 Interactive Brokers 或 OANDA 进行实盘交易。

最后提示

  • 保持策略模块化：分离逻辑、数据和参数
  • 使用现实的假设来考虑滑点、手续费和延迟
  • 在多个时间周期和市场环境下验证策略

了解更多

想深入了解 Backtrader 并阅读我们的详细评测，请访问本详细指南。

正在寻找合适的开源交易框架？从我们的全面比较和评测开始。

大胆回测，聪明交易。