核心概念¶

本章节讲解 Backtrader 的基本概念。理解这些概念是有效进行策略开发的基础。

小技巧

更详细的讲解请参见作者博客。

理解 Lines（数据线）¶

Lines 是 Backtrader 的基础数据结构，类似于 Excel 工作表中的列。每个 Line 代表一个时间序列，每个点对应一个特定的时间（K线）。

可以这样理解：

一个 类**（Strategy、Indicator）就像一个 **工作簿
每个 Line 就像工作簿中的一列
每根 K线就像列中的一行

# 访问当前K线的值（索引 0）
current_close = self.data.close[0]

# 访问前一根K线的值（索引 -1）
previous_close = self.data.close[-1]

# 访问5根K线前的值
close_5_bars_ago = self.data.close[-5]

# 获取多个值作为数组
last_10_closes = self.data.close.get(size=10)

备注

索引 [0] 是当前K线，负数索引向历史回溯。正数索引 [1]、[2] 向前查看（仅在指标的 __init__ 中有效）。

数据源¶

数据源提供 OHLCV 数据：

Open: 开盘价
High: 最高价
Low: 最低价
Close: 收盘价
Volume: 成交量
OpenInterest: 持仓量（期货）

# 访问数据线
self.data.open[0]
self.data.high[0]
self.data.low[0]
self.data.close[0]
self.data.volume[0]
self.data.datetime[0]  # 浮点数表示

时间周期¶

支持的时间周期：

TimeFrame.Ticks - Tick
TimeFrame.Seconds - 秒
TimeFrame.Minutes - 分钟
TimeFrame.Days - 日
TimeFrame.Weeks - 周
TimeFrame.Months - 月
TimeFrame.Years - 年

指标¶

指标从数据中计算值：

class MyStrategy(bt.Strategy):
    def __init__(self):
        # 指标自动为每根K线计算
        self.sma = bt.indicators.SMA(self.data.close, period=20)

    def next(self):
        # 使用指标值
        if self.data.close[0] > self.sma[0]:
            self.buy()

订单¶

订单类型：

Market（市价单）: 以当前价格执行
Limit（限价单）: 以指定价格或更优价格执行
Stop（止损单）: 当价格达到触发价时执行
StopLimit（止损限价单）: 止损和限价的组合

# 市价单
self.buy()

# 限价单
self.buy(exectype=bt.Order.Limit, price=100.0)

# 止损单
self.buy(exectype=bt.Order.Stop, price=105.0)

# 止损限价单
self.buy(exectype=bt.Order.StopLimit, price=105.0, plimit=106.0)

持仓¶

持仓代表某个资产的持有情况：

# 检查是否有持仓
if self.position:
    print(f'数量: {self.position.size}')
    print(f'价格: {self.position.price}')

# 检查特定数据的持仓
pos = self.getposition(self.data)

策略生命周期¶

Backtrader 使用事件驱动模型。作者将其比作人的生命周期：

方法	生命阶段	描述
`__init__`	怀孕	初始化指标和变量
`start`	出生	开始时调用一次，通常为空
`prenext`	童年	在指标有足够数据之前调用
`nextstart`	成年礼	达到最小周期时调用一次
`next`	成年	主要交易逻辑，每根K线调用
`stop`	死亡	结束时调用，在此输出结果

class MyStrategy(bt.Strategy):
    def __init__(self):
        '''初始化指标和变量'''
        self.sma = bt.indicators.SMA(period=20)
        self.order = None

    def start(self):
        '''开始时调用一次'''
        self.log('策略开始运行')

    def prenext(self):
        '''在指标有足够数据之前调用。
        用于调试或早期逻辑。'''
        pass

    def nextstart(self):
        '''达到最小周期时调用一次'''
        self.next()  # 通常直接调用 next()

    def next(self):
        '''主要交易逻辑 - 每根K线调用'''
        if self.data.close[0] > self.sma[0]:
            self.buy()

    def stop(self):
        '''结束时调用 - 输出结果'''
        self.log(f'最终资金: {self.broker.getvalue():.2f}')

通知事件¶

def notify_order(self, order):
    '''订单状态变化时调用'''
    if order.status == order.Submitted:
        return  # 订单已提交给经纪商
    if order.status == order.Accepted:
        return  # 订单已被经纪商接受
    if order.status == order.Completed:
        if order.isbuy():
            self.log(f'买入成交 @ {order.executed.price:.2f}')
        else:
            self.log(f'卖出成交 @ {order.executed.price:.2f}')
    elif order.status == order.Canceled:
        self.log('订单已取消')
    elif order.status == order.Margin:
        self.log('保证金不足')
    elif order.status == order.Rejected:
        self.log('订单被拒绝')

def notify_trade(self, trade):
    '''交易开仓或平仓时调用'''
    if trade.isclosed:
        self.log(f'交易平仓 - 盈亏: {trade.pnl:.2f}, 净盈亏: {trade.pnlcomm:.2f}')
    if trade.isopen:
        self.log(f'交易开仓 @ {trade.price:.2f}')

Cerebro - 大脑¶

Cerebro 是协调一切的中心引擎：

cerebro = bt.Cerebro()

# 1. 添加数据
data = bt.feeds.GenericCSVData(dataname='data.csv')
cerebro.adddata(data, name='AAPL')

# 2. 添加策略和参数
cerebro.addstrategy(MyStrategy, period=20, stake=100)

# 3. 添加分析器
cerebro.addanalyzer(bt.analyzers.SharpeRatio, _name='sharpe')
cerebro.addanalyzer(bt.analyzers.DrawDown, _name='drawdown')

# 4. 添加观察者（用于绘图）
cerebro.addobserver(bt.observers.Broker)
cerebro.addobserver(bt.observers.Trades)
cerebro.addobserver(bt.observers.BuySell)

# 5. 设置经纪商参数
cerebro.broker.setcash(100000)
cerebro.broker.setcommission(commission=0.001)

# 6. 运行
results = cerebro.run()

# 7. 获取结果
strat = results[0]
print(f"夏普比率: {strat.analyzers.sharpe.get_analysis()}")

# 8. 绘图
cerebro.plot()

Cerebro 关键参数¶

参数	默认值	描述
preload	True	预加载数据到内存（回测更快）
runonce	True	向量化计算指标（更快）
live	False	实盘模式（禁用 preload 和 runonce）
maxcpus	None	优化时使用的CPU数（None = 全部）
stdstats	True	添加默认观察者（Broker, Trades, BuySell）

参见¶

策略 - 策略开发
数据源 - 数据加载
技术指标 - 技术指标