AI股票小助手06-Backtrader 量化回测

by 雪隐_上班了 from juejin.cn/user/143341...

欢迎分享与聚合，全文转载就不必了，尊重版权，圈子就这么大，若急用可联系授权。

1. 为什么要量化回测？（别只靠玄学）

在搞技术前，先回答一个灵魂拷问：你这交易策略，到底是真牛逼，还是你觉得它牛逼？

1.1 避免"马后炮"综合症

你是不是经常这样：看到一只股票涨了20%，一拍大腿："我早就知道会涨！" 然后开始编十个理由，像极了考试后对答案------永远觉得自己选对了。

量化回测就是你的时光机 。它在每一个历史时间点上，只用当时已经发生的数据做决策，绝不偷看未来。没有未来函数，没有作弊，跟高考一样公平。

1.2 用数据说话，而不是靠直觉

一个交易想法，如果不经过几百只股票、几年数据的毒打，那就只是**"我觉得"**。量化回测能让你：

在几百只股票、好几年的行情里验证策略------相当于请历史当考官
看到胜率、夏普比率、最大回撤等硬核指标------这些数字比你的第六感靠谱100倍
区分策略是真能赚钱 ，还是刚好踩了狗屎运

1.3 参数调优？让电脑替你熬夜

手工交易时，想测试一下均线用10天还是20天好？你得画图、算账、掉头发。量化回测一秒跑完所有组合：

快速比较不同参数下的表现，像选手机套餐一样简单
发现策略在哪些市场环境下会扑街（这就是传说中的过拟合检测）
自动加上最大回撤止损等风控规则------亏到一定比例，策略自己喊停

1.4 从"我想赚钱"到"我知道策略能不能赚钱"

量化回测帮你回答一个终极问题：

在过去 X 年里，这个策略在 YY% 的市场环境下，有没有稳定盈利过？

如果一个策略在过去5年、各种熊市牛市里一直在亏钱，你还指望它未来帮你买房？别做梦了。

2. Backtrader 简介------回测界的瑞士军刀

Backtrader 是一个纯 Python 写的回测框架，界面简洁，设计模块化，就像乐高。相比其他回测工具，它有几个优点：

设计相当直观 ：核心概念叫 Cerebro（大脑），你往里面塞数据、策略、经纪商，它就能跑起来------跟指挥你的宠物狗去捡球一样自然
策略就是一个类 ：继承 bt.Strategy，在 __init__ 里定义指标，在 next() 里写买卖逻辑。会写类就会写策略
内置一大堆分析器：夏普比率、最大回撤、交易统计......开箱即食，不用自己造轮子
直接喂 Pandas DataFrame：不需要格式转换，DataFrame 塞进去就能跑，懒人福音

3. 核心概念------大脑、饲料、经纪人，还有你

3.1 Cerebro（大脑）------总指挥官

Cerebro 是 Backtrader 的总控，负责：

加载数据源（你的 K 线饲料）
添加策略（你的交易想法）
设置经纪商（模拟券商，收你佣金）
运行回测（点一下，开始跑）
收集结果（赔了赚了，一目了然）

python 复制代码

cerebro = bt.Cerebro()
cerebro.addstrategy(MyStrategy)       # 把你的策略加进去
cerebro.adddata(bt.feeds.PandasData(dataname=df))  # 喂数据
cerebro.broker.setcash(1000000)       # 给你100万虚拟启动资金（羡慕吧）
cerebro.broker.setcommission(commission=0.0002) # 佣金万二，比某些真券商还便宜
cerebro.addsizer(bt.sizers.PercentSizer, percents=95)  # 每次用95%的资金梭哈（保守派可以改小）

results = cerebro.run()  # 3、2、1，发射！

3.2 Data Feed（数据源）------K 线的自助餐

Backtrader 支持 N 种数据源，最常用的就是 PandasData，直接把 pandas DataFrame 往里扔：

python 复制代码

cerebro.adddata(bt.feeds.PandasData(dataname=df))

DataFrame 的 index 必须是 datetime ，列名要叫 open、high、low、close、volume（大小写不敏感）。不按规矩来，它就不理你。

3.3 Strategy（策略）------你的摇钱树脚本

策略类继承 bt.Strategy，核心方法就四个：

方法	作用	吐个槽
`__init__`	初始化指标，只执行一次	像买车，只买一次
`next`	每个 K 线执行一次	像开车，每根 K 线踩一脚
`notify_order`	订单状态变了就回调	"报告，你的挂单成交了！"
`notify_trade`	交易变了就回调	"报告，你的买卖亏了/赚了！"

关键属性：

self.data.close：收盘价序列（别拿它当数组用，它是特殊对象）
self.data.close[0]：最新收盘价（0表示当前，-1表示上一个）
self.position：当前持仓数量（亏光了就是0）
self.buy() / self.close()：买入 / 卖出（别点反了）

3.4 Broker（经纪商）------雁过拔毛的中间商

经纪商模拟真实交易所，负责：

记录你还有多少现金，持了多少股
每次交易扣佣金（万恶的中间商）
执行你的买卖订单（不滑点，但现实会滑）

python 复制代码

cerebro.broker.setcash(1000000)               # 初始资金100万（虚拟的，别激动）
cerebro.broker.setcommission(commission=0.0002)  # 佣金万分之二
cerebro.addsizer(bt.sizers.PercentSizer, percents=95)  # 每次拿95%的钱去买，留5%吃手续费

3.5 Analyzer（分析器）------赛后技术统计

回测跑完了，到底赚了没？赚了多少？亏了多惨？交给分析器：

python 复制代码

cerebro.addanalyzer(bt.analyzers.SharpeRatio, _name="sharpe", riskfreerate=0.02)
cerebro.addanalyzer(bt.analyzers.DrawDown, _name="drawdown")
cerebro.addanalyzer(bt.analyzers.TradeAnalyzer, _name="trades")

跑完之后，通过 strat.analyzers.sharpe.get_analysis() 提取，跟查考试成绩一样。

4. 数据加载------把 K 线喂给 Backtrader

4.1 数据来源：偷懒用 HTTP API

回测需要历史 K 线数据。我们直接用项目里的 005_QMT_server 提供的 HTTP API，省得自己去找数据（懒人必备）。

端点	说明
`GET /api/history?code=600519&period=1d&start=2024-01-01&end=2025-12-31`	获取贵州茅台的历史日K线

返回字段：date、open、high、low、close、volume、amount。够用了，又不是做高频。

4.2 数据获取函数------用 requests 优雅地白嫖

python 复制代码

API_BASE = "http://127.0.0.1:8080"

def load_data(stock_code, start_date=None, end_date=None, count=500):
    """从 005 QMT API 获取 K 线数据（别把服务打挂了）"""
    url = f"{API_BASE}/api/history"
    params = {
        "code": stock_code,
        "period": "1d",
        "start": start_date or "",
        "end": end_date or "",
    }
    resp = requests.get(url, params=params, timeout=30)
    resp.raise_for_status()  # 出错了就直接报错，不藏着掖着
    data = resp.json()
    records = data.get("records", [])
    df = pd.DataFrame(records)
    df["date"] = pd.to_datetime(df["date"])
    df.set_index("date", inplace=True)
    df.sort_index(inplace=True)
    if count > 0 and len(df) > count:
        df = df.tail(count)  # 只取最近 N 根，免得电脑冒烟
    return df

4.3 DataFrame 格式要求------别让 Backtrader 闹脾气

PandasData 对 DataFrame 的格式有洁癖，必须长这样：

字段	说明	备注
index (datetime)	日期时间	必须是 datetime 类型，字符串它不认
open	开盘价	别填成收盘价
high	最高价	别小于 low
low	最低价	别大于 high
close	收盘价	最重要的列
volume	成交量	整数就行，不要求单位

5. 五种基础策略------从捡硬币到追涨杀跌

这里给你准备了五个经典策略，从"幼儿园级别"到"小学毕业"。你可以像吃自助餐一样挑着用。

5.1 双均线策略（DoubleMAStrategy）------金叉买，死叉卖，简单粗暴

原理：短期均线上穿长期均线就买，下穿就卖。没有比这更经典的了。

python 复制代码

class DoubleMAStrategy(bt.Strategy):
    params = (("fast", 10), ("slow", 30))

    def __init__(self):
        self.ma_fast = bt.indicators.SMA(self.data.close, period=self.p.fast)
        self.ma_slow = bt.indicators.SMA(self.data.close, period=self.p.slow)
        self.crossover = bt.indicators.CrossOver(self.ma_fast, self.ma_slow)

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

参数说明：

fast=10：快速均线周期（10日，短线敏感）
slow=30：慢速均线周期（30日，长线稳重）

吐槽：这个策略在趋势行情里很爽，在震荡行情里会被来回打脸。打脸打多了就习惯了。

5.2 MACD 策略（MACDStrategy）------别人恐惧我贪婪，别人贪婪我......看 MACD

原理：MACD 线与信号线金叉买入，死叉卖出。高级一点的均线策略。

python 复制代码

class MACDStrategy(bt.Strategy):
    def __init__(self):
        self.macd = bt.indicators.MACD(
            self.data.close, period_me1=12, period_me2=26, period_signal=9
        )
        self.crossover = bt.indicators.CrossOver(self.macd.macd, self.macd.signal)

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

MACD 参数：

period_me1=12：快速 EMA（12 日）
period_me2=26：慢速 EMA（26 日）
period_signal=9：信号线（9 日）

吐槽：MACD 几乎人手一个，但用它赚到钱的人......嗯，你猜。

5.3 RSI 策略（RSIStrategy）------跌多了买，涨多了卖，像个老股民

原理：RSI 低于 30 算超卖，买！高于 70 算超买，卖！典型的均值回归思维。

python 复制代码

class RSIStrategy(bt.Strategy):
    params = ("period", 14), ("upper", 70), ("lower", 30)

    def __init__(self):
        self.rsi = bt.indicators.RSI(self.data.close, period=self.p.period)

    def next(self):
        if not self.position:
            if self.rsi < self.p.lower:
                self.buy()
        elif self.rsi > self.p.upper:
            self.close()

参数说明：

period=14：RSI 周期（传统值 14）
lower=30：超卖线（低于 30 就捡便宜）
upper=70：超买线（高于 70 就止盈）

吐槽：这个策略在震荡市里如鱼得水，但在单边牛市中你会卖飞，在单边熊市中你会抄底抄在半山腰。人生总是有舍有得。

5.4 布林带策略（BBandsStrategy）------下轨买，上轨卖，像根皮筋

原理：价格碰到下轨（超卖）就买，碰到上轨（超买）就卖。也是均值回归。

python 复制代码

class BBandsStrategy(bt.Strategy):
    params = (("period", 20), ("devfactor", 2.0))

    def __init__(self):
        self.bbands = bt.indicators.BollingerBands(
            self.data.close, period=self.p.period, devfactor=self.p.devfactor
        )

    def next(self):
        if not self.position:
            if self.data.close < self.bbands.bot:
                self.buy()
        elif self.data.close > self.bbands.top:
            self.close()

参数说明：

period=20：中轨均线周期（20 日）
devfactor=2.0：标准差倍数（2 倍，传统值）

布林带三轨：

bbands.top：上轨 = 中轨 + 2σ
bbands.mid：中轨 = 20 日均线
bbands.bot：下轨 = 中轨 - 2σ

吐槽：布林带在震荡行情里很好用，但如果遇到趋势突破，价格会沿着上轨一直涨，你卖飞后会想打自己。所以很多人在突破上轨时反而追买------那是另一套玩法了。

5.5 动量策略（MomentumStrategy）------追涨杀跌，简单直接

原理：动量 > 0（价格比 N 天前高）就买，动量 < 0 就卖。典型的趋势跟踪。

python 复制代码

class MomentumStrategy(bt.Strategy):
    params = (("period", 10),)

    def __init__(self):
        self.mom = bt.indicators.Momentum(self.data.close, period=self.p.period)

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

参数说明：

period=10：动量计算周期（10 日）

动量计算：当前价格 - N 日前价格 > 0 即为正。

吐槽：这个策略在牛市里舒服得不要不要的，但在震荡市里会频繁止损------今天买，明天卖，像极了韭菜的日常。

5.6 策略注册表------点菜一样选策略

所有策略放到一个字典里，方便你按名字调用：

python 复制代码

STRATEGIES = {
    "double_ma": DoubleMAStrategy,
    "macd": MACDStrategy,
    "rsi": RSIStrategy,
    "bbands": BBandsStrategy,
    "momentum": MomentumStrategy,
}

用的时候：

python 复制代码

strat_cls = STRATEGIES.get(strategy_name, DoubleMAStrategy)
cerebro.addstrategy(strat_cls)

6. 策略轮动（ADX 市场 Regime 切换）------打不过就加入，市场变你也变

单一策略就像一把锤子，看什么都像钉子。然而市场有时是趋势，有时是震荡------你需要一个工具箱。

6.1 核心思想------看菜吃饭，量体裁衣

市场状态	ADX 值	应该用的策略	策略类型
趋势市	ADX > 25	MACD	趋势跟踪（顺势而为）
震荡市	ADX ≤ 25	RSI	均值回归（高抛低吸）

ADX 就是市场的"狂躁指数"：值越高，趋势越猛；值越低，市场在打酱油。

6.2 RotationStrategy 实现------一个策略统治所有市场

python 复制代码

class RotationStrategy(bt.Strategy):
    params = (
        ("adx_period", 14),
        ("adx_threshold", 25),
        ("rsi_period", 14),
        ("rsi_lower", 35),
        ("rsi_upper", 65),
        ("max_drawdown_stop", 0.08),
        ("grace_bars", 5),
        ("position_pct", 0.50),
    )

参数说明（别怕，一个一个来）：

adx_period=14：ADX 计算周期（14 天，传统值）
adx_threshold=25：趋势与震荡的分界线（ADX > 25 算趋势）
rsi_lower=35 / rsi_upper=65：放宽的 RSI 阈值（相比基础版的 30/70，更温和一点）
max_drawdown_stop=0.08：最大回撤止损 8% ------ 亏 8% 就强制离场
grace_bars=5：买入后前 5 天不检查回撤（防止刚买就遇到小波动误触）
position_pct=0.50：每次最多用 50% 的资金（不梭哈，活得久）

6.3 ADX 指标------市场的"情绪温度计"

ADX（Average Directional Index）只告诉你趋势强不强，不告诉你方向。

ADX 上升 → 趋势在加强（无论涨跌）
ADX 下降 → 市场在震荡

python 复制代码

self.adx = bt.indicators.ADX(period=self.p.adx_threshold)

6.4 最大回撤止损------保住你的韭菜根

在 next() 里实时监控账户总值的回撤：

python 复制代码

current_value = self.broker.getvalue()
if current_value > self.max_value:
    self.max_value = current_value

if self.bars_held >= self.p.grace_bars:
    drawdown = (self.max_value - current_value) / self.max_value
    if drawdown >= self.p.max_drawdown_stop:
        self.stopped = True
        if self.position:
            self.close()

逻辑：记录持仓期间的最高市值，过了保护期后，如果从最高点回撤达到 8%，立刻清仓并停止后续交易。这叫"断臂求生"，总比全亏完强。

6.5 完整交易逻辑------人话版

python 复制代码

def next(self):
    # 1. 更新最高市值
    current_value = self.broker.getvalue()
    if current_value > self.max_value:
        self.max_value = current_value

    # 2. 检查是否需要止损
    if self.stopped:
        return
    if self.bars_held >= self.p.grace_bars:
        drawdown = (self.max_value - current_value) / self.max_value
        if drawdown >= self.p.max_drawdown_stop:
            self.stopped = True
            if self.position:
                self.close()
            return

    # 3. 判断当前市场状态
    adx_val = self.adx[0]
    trend_mode = adx_val > self.p.adx_threshold

    # 4. 如果空仓：根据市场状态选择开仓策略
    if not self.position:
        self.bars_held = 0
        if trend_mode:
            # 趋势市 → 用 MACD 金叉买入
            if self.crossover_macd > 0:
                size = int((self.broker.getvalue() * self.p.position_pct) / self.data.close[0])
                if size > 0:
                    self.buy(size=size)
        else:
            # 震荡市 → 用 RSI 超卖买入
            if self.rsi < self.p.rsi_lower:
                size = int((self.broker.getvalue() * self.p.position_pct) / self.data.close[0])
                if size > 0:
                    self.buy(size=size)
    # 5. 如果持仓：根据市场状态决定平仓
    else:
        self.bars_held += 1
        if trend_mode:
            # 趋势市 → MACD 死叉卖出
            if self.crossover_macd < 0:
                self.close()
        else:
            # 震荡市 → RSI 超买卖出
            if self.rsi > self.p.rsi_upper:
                self.close()

7. 运行回测与结果解读------是骡子是马拉出来遛遛

7.1 运行单策略回测

打开终端，输入一行命令：

bash 复制代码

python scripts/run_backtest.py 600519 2024-01-01 2025-12-31 macd

格式：股票代码开始日期结束日期策略名

可选策略：double_ma、macd、rsi、bbands、momentum

7.2 运行策略轮动回测

bash 复制代码

python scripts/run_rotation_backtest.py 600519 2022-01-01 2025-12-31 --max-dd 0.08 --pos-pct 0.50

可选参数：

--max-dd：最大回撤止损比例，默认 0.08（8%）
--pos-pct：仓位上限，默认 0.50（50%）

7.3 输出结果示例------看看你是赚是亏

json 复制代码

{
  "stock_code": "600519",
  "strategy": "macd",
  "start_date": "2024-01-02",
  "end_date": "2025-12-31",
  "trading_days": 489,
  "initial_cash": 1000000,
  "final_value": 1250000.00,
  "total_return": 0.25,
  "annual_return": 0.1175,
  "max_drawdown": -0.082,
  "sharpe_ratio": 1.35,
  "total_trades": 12,
  "win_rate": 0.6667
}

7.4 关键指标解读------这些数字代表什么意思？

指标	说明	怎样算好？
`total_return`	总收益率（25% 就是说 100 万变 125 万）	越高越好，但别贪心
`annual_return`	年化收益率（把总收益换算到每年）	比银行定期高就算及格
`max_drawdown`	最大回撤（历史上最多亏了多少）	-8% 比 -30% 舒服多了
`sharpe_ratio`	夏普比率（每承担一单位风险赚多少超额收益）	>1 优秀，>2 牛逼
`total_trades`	总交易次数	太多可能手续费爆炸
`win_rate`	胜率（赚钱的交易占比）	高胜率不一定赚钱，还要看盈亏比
`stopped_early`	是否触发了止损	触发了说明风控起了作用，好事

7.5 回测框架流程图------一张图看懂全过程

scss 复制代码

run_backtest()
├── load_data()         → 从 API 白嫖 K 线数据
├── Cerebro 配置
│   ├── addstrategy()   → 把你选好的策略塞进去
│   ├── adddata()       → 把数据塞进去
│   ├── broker.setcash() → 给你虚拟资金（随便写，反正不是真的）
│   ├── broker.setcommission() → 让中间商赚点差价（佣金）
│   ├── addsizer()      → 决定每次下注多大
│   └── addanalyzer()   → 装好赛后统计工具
├── cerebro.run()       → 点火，开跑！
└── 提取分析结果       → 输出 JSON，高兴或悲伤

附录：策略参数一览（方便你抄作业）

策略	参数	默认值	说明
DoubleMAStrategy	fast	10	快速均线周期（越短越敏感）
	slow	30	慢速均线周期（越长越迟钝）
MACDStrategy	period_me1	12	快速 EMA 周期
	period_me2	26	慢速 EMA 周期
	period_signal	9	信号线周期
RSIStrategy	period	14	RSI 周期
	upper	70	超买线（卖点）
	lower	30	超卖线（买点）
BBandsStrategy	period	20	布林带中轨周期
	devfactor	2.0	标准差倍数（轨道宽度）
MomentumStrategy	period	10	动量周期
RotationStrategy	adx_period	14	ADX 周期
	adx_threshold	25	趋势分界线（>25 算趋势）
	rsi_lower	35	震荡市买入 RSI 阈值（更宽松）
	rsi_upper	65	震荡市卖出 RSI 阈值
	max_drawdown_stop	0.08	最大回撤止损线（8%）
	grace_bars	5	买入后保护期（5 根 K 线）
	position_pct	0.50	单次最大仓位（50%）

写在最后

这篇文章如果对你有帮助，请点赞 + 评论 ，让我知道你没有被 K 线折磨死。

如果有哪里写得不够风趣，欢迎吐槽------毕竟，亏钱的路上有你，我就没那么孤独了。😄

Happy backtesting! 愿你回测暴富，实盘不亏。