进击的小学生

在本文中，我们将重点介绍Backtrader— 一个用于回溯测试、策略可视化和实时交易的流行 Python 框架。我们的目标是使用构成 Backtrader 技术分析 基础的技术指标来比较各种交易技术。前提很简单——如果一个策略过去表现不佳，那么将来就不太可能产生积极的结果。大多数流行的指标已经在 Backtrader 平台中编程。事实上，Backtrader 的灵活性和强大的 Cerebro 引擎使使用历史数据回溯测试交易策略变得容易。

Backtrader 中默认配置了 2 种费用：“股票百分比费用”和“期货固定费用”。通过继承CommInfoBase自定义交易费用子类，再定义相关税费参数，重写_getcommission方法，最后通过broker.addcommissioninfo方法。继承CommInfoBase期货固定费用params = (股票百分比费用params = (重写_getcommission'''通过addcommissioninfo调用# 自定义期货百分比费用params = (

本系列是使用Backtrader在量化领域的学习与实践，着重介绍Backtrader的使用。本次介绍Backtrader中Broker模块，其是Backtrader核心模块之一， Broker模拟经纪商交易系统相关功能。

本系列是使用Backtrader在量化领域的学习与实践，着重介绍Backtrader的使用。本次介绍Backtrader中Order模块，其是Backtrader核心模块之一，Order 将 Strategy 中的逻辑做出的决策转换为适合 Broker 执行操作的消息。

本系列是使用Backtrader在量化领域的学习与实践，着重介绍Backtrader的使用。本次介绍Backtrader中Indicators模块，Indicators模块是Backtrader核心模块之一，其提供众多技术指标，并支持talib指标的调用。

重新自定义数据读取函数，自定义的方式就是继承数据加载类 GenericCSVData、PandasData 再构建一个新的类，然后在新的类里统一设置参数。如果传递负值（例如：-1），则表示 CSV 数据中不存在该字段自定义的函数，不会修改 Backtrader 底层的数据表格内 lines 的排列规则。

Backtrader 是 2015 年开源的 Python 量化回测框架（支持实盘交易）。专注于为量化交易策略提供回测和实盘交易功能。它允许用户集中精力编写可复用的交易策略、指标和分析工具，而无需花费时间构建基础设施。

所有的交易策略都是写在自定义的策略类里，如下面的 TestStrategy 类，自定义的策略类名称可以任意取，但必须继承 Backtrader 内置的 Strategy 类，即 bt.Strategy。策略逻辑：假设已经在每个月最后一个交易日基于选股规则选出了中证500成分股中表现优异的前20%的股票作为下一个月的持仓成分股，然后在下个月的第一个交易日，卖出已持仓，买入新的持仓。提取回测结果，首先要确保已经启动并完成回测，然后再从返回的 result 中提取事先配置好的回测结果。持仓权重：流通市值占比。