企业官网建设流程全解析

backtesting.py量化回测：从想法到图表

【免费下载链接】backtesting.py🔎 📈 🐍 💰 Backtest trading strategies in Python.项目地址: https://gitcode.com/GitHub_Trending/ba/backtesting.py

花了3天写出一套均线交叉策略，第一个问题却答不上来：它到底赚不赚钱？这是大多数量化新手的真实处境。backtesting.py 量化回测把这个问题变成一次run()调用：给它 OHLC 数据和买卖规则，它逐根K线重放历史行情，最后交出一张统计表和一张可交互图表。

backtesting.py 安装与最小回测 📊：30秒拉出第一张图

先装：

pip install backtesting

仓库自带示例数据（GOOG 日线 OHLC），10行代码就能跑通：

from backtesting import Backtest, Strategy from backtesting.lib import crossover from backtesting.test import SMA, GOOG class SmaCross(Strategy): def init(self): self.ma1, self.ma2 = self.I(SMA, self.data.Close, 10), self.I(SMA, self.data.Close, 20) def next(self): if crossover(self.ma1, self.ma2): self.buy() bt = Backtest(GOOG, SmaCross) bt.run(); bt.plot()

• bt.run()返回 pandas Series：收益率、最大回撤、夏普比率、胜率，一行一个；
• bt.plot()弹出 Bokeh 交互图：K线、权益曲线、每笔交易的进出场点都能缩放查看；
• 真实数据自己带：Open/High/Low/Close四列加 datetime 索引的 DataFrame，测试用 BTCUSD、EURUSD 也随仓库附带。

Strategy 生命周期拆解：一次回测到底跑了什么

别把引擎当黑盒，数据从进到出是一条清晰的流水线：

1. init() 只跑一次：用self.I()包住指标函数（如 SMA），对全序列向量化预计算，包起来的指标会自动上图；
2. next() 每根K线跑一次：此时self.data和所有指标都被截断到"今天"，array[-1]是最新值——只能看见历史，天然没有未来函数；
3. 订单成交：买点不在当根K线收盘成交，而在下一根开盘成交（trade_on_close=True改为当根收盘）；exclusive_orders=True时新单自动平掉旧仓；
4. 结果输出：重放完所有K线后，统计模块（backtesting/_stats.py）算出统计 Series；stats['_trades']是逐笔交易明细，stats['_equity_curve']是权益与回撤曲线。

Strategy 与 Backtest 两个类都在 backtesting/backtesting.py 里，想搞懂成交逻辑就从这个文件读起。

踩坑三连 ⚡：过拟合、滑点与多时间框架对齐

坑一：优化后收益暴涨，样本外就垮

现象：bt.optimize()扫完 n1、n2 所有组合后，最优那组收益比买入持有还高，实盘几个月后回吐大半。

原因：在全样本上优化、且 maximize 的又是波动最大的"期末权益"；网格越细，那个"最优点"越可能是噪声。

解法：先用constraint过滤无效组合（比如快线不能比慢线长）；把数据切开，前半段优化、后半段验证；再看邻域参数的表现——只有一个点冒尖，这个点不可信。完整写法见 doc/examples/Parameter Heatmap & Optimization.py。

坑二：滑点——回测里的成交价总是"刚刚好"

现象：回测胜率50%+，真实下单第一天就亏。

原因：默认下一根开盘成交，而你不设 commission 就是零成本，等于把无摩擦市场当成了现实。

解法：把 commission 设成真实值（如.002）——非零佣金会自动抬高买入价、压低卖出价，相当于内置的滑点成本；如果你的券商确实按收盘价成交，再传trade_on_close=True。

坑三：周线指标对不上日线

现象：手工 resample 算周线 RSI，数值和日线错位好几天，信号全乱。

原因：自己重采样没处理好"周K线归属于哪一天"和向前填充。

解法：用resample_apply('W-FRI', RSI, self.data.Close, 30)——按最低时间框架（日线）重采样到周线、算完指标再对齐回填，一行搞定。完整策略见 doc/examples/Multiple Time Frames.py。

资源地图：按任务找示例与源码

• 跑通第一次回测 → doc/examples/Quick Start User Guide.py
• 参数热力图与 SAMBO 优化器 → doc/examples/Parameter Heatmap & Optimization.py
• 多时间框架策略 → doc/examples/Multiple Time Frames.py
• 可复用策略骨架（均线交叉、布林带、RSI 等）→ doc/examples/Strategies Library.py
• 机器学习信号接入 → doc/examples/Trading with Machine Learning.py
• crossover、resample_apply 等工具函数 → backtesting/lib.py

下一步：把示例数据换成你自己的数据，加上 commission，跑一次 optimize。记住 backtesting.py 量化回测的第一原则：没被回撤和胜率验证过的收益率，先当它是噪声。

【免费下载链接】backtesting.py🔎 📈 🐍 💰 Backtest trading strategies in Python.项目地址: https://gitcode.com/GitHub_Trending/ba/backtesting.py