在做量化分析时，我们有很多种策略，这些策略的好坏如何去评价，那就是用过往数据进行测试。这里就需要用到量化分析的回测系统了。由于刚入门，就使用了Python中的backtrader。由于自己Python水平有限，也是摸索了很久，才简单的掌握了如何用这个系统去进行回测。很多文章中，有介绍比较简单的均线策略，关于indicators里的其他包介绍比较少，这里我就用布林带策略作为演示。因为我基本没有查到有用这个包做测试的文章，而且我对于类的调用不是很熟悉，如果你和我一样，对于类不是很熟悉，那么想去调用，确实会很费劲。

回测系统，我的理解是一个迭代器，在一段时间内，使用我们写的策略去迭代，然后这个时间段内的收益。首先介绍策略的写法。

import pandas as pd  
from datetime import datetime
from datetime import timedelta
import backtrader as bt
import matplotlib.pyplot as plt
class Boll_strategy(bt.Strategy):
    #自定义参数，每次买入100手
    params=(('size',1000),)
    def __init__(self):
        self.dataclose=self.datas[0].close
        self.order=None
        self.buyprice=None
        self.buycomm=None
        ##使用自带的indicators中自带的函数计算出支撑线和压力线，period设置周期，默认是20
        self.lines.top=bt.indicators.BollingerBands(self.datas[0],period=20).top
        self.lines.bot=bt.indicators.BollingerBands(self.datas[0],period=20).bot
    def next(self):
        if not self.position:
            if self.dataclose<=self.lines.bot[0]:
                #执行买入
                self.order=self.buy(size=self.params.size)
        else:
            if self.dataclose>=self.lines.top[0]:
                #执行卖出
                self.order=self.sell(size=self.params.size)

BollingerBands函数，一共有三个值分别为mid（均值），top（压力线），bot（支撑线）,设置时间周期参数是period，默认20，还有一个倍数参数devfactor，默认2.0。若不设置，则为默认值。

策略写好后，就是调用并回测计算收益了。但是我先通过tushare获取数据。

#使用tushare旧版接口获取数据
import tushare as ts
def get_data(code,start=start.strftime("%Y-%m-%d"),end=end.strftime("%Y-%m-%d")):
    df=ts.get_k_data(code,autype='qfq',start=start,end=end)
    df.index=pd.to_datetime(df.date)
    df['openinterest']=0
    df=df[['open','high','low','close','volume','openinterest']]
    return df

##加载数据
start=datetime(2020,1,31)
end=datetime(2020,9,15)
dataframe=get_data('601021')
#将数据转换为回测系统可识别的
data = bt.feeds.PandasData(dataname=dataframe,fromdate=start,todate=end)

通过code码获取了2020年1月31号开始的数据，接下来就是回测步骤了。

##回测设置主要包括几项：回测系统初始化，数据加载到回测系统，添加交易策略， broker设置（如交易资金和交易佣金），
##头寸规模设置作为策略一部分的交易规模等，最后显示执行交易策略时积累的总资金和净收益。 
# 初始化cerebro回测系统设置                           
cerebro=bt.Cerebro()
#将数据传入回测系统
cerebro.adddata(data)
# 将交易策略加载到回测系统中
cerebro.addstrategy(Boll_strategy)
# 设置初始资本为200,000
startcash=200000
cerebro.broker.setcash(startcash)
# 设置交易手续费为 0.25%
cerebro.broker.setcommission(commission=0.0025)
d1=start.strftime('%Y%m%d')
d2=end.strftime('%Y%m%d')
print(f'初始资金: {startcash}\n回测期间：{d1}:{d2}')
#运行回测系统
cerebro.run()
#获取回测结束后的总资金
portvalue=cerebro.broker.getvalue()
pnl=portvalue-startcash
#打印结果
print(f'总资金: {round(portvalue,2)}')
#最后可视化
%matplotlib inline
cerebro.plot(style='candlestick')

最后就输出我们的结果啦，如下所示：

初始资金: 200000
回测期间：20200131:20200916
总资金: 204718.38

截了一张模糊的图，可以试运行一下，有问题请留言。

本课程是《从编程小白到量化宗师之路》系列的一个实战课程。本课程宗旨是缩短个人和小型结构投资者和大型机构投资者的差距。<br /><br /><br /> 课程内容从随处可见的双均线 策略 入手，对市场交易数据进行深入分析，识别出其中的问题，进行 策略 优化。<br /><br /> 课程注重实战，学员上课后，可以达到：能够自行继续研发新的 策略 。将 策略 研究过程带到短期，中期交易 策略 中，提高盈利机会。<br /><br /> 课程使用数据来源于两个早期课程：<br /><br /> 股票数据下载课程 https://edu.csdn.net/course/detail/24720  <br /><p> 期货tick数据收集整理课程 https://edu.csdn.net/course/detail/24783 BackTrader 基础 https://edu.csdn.net/course/detail/24721 课件中包含一些数据，当然同学们也可以使用自行收集的数据。<br /><br /> 浏览器打开 都说 Python 可以用于量化投资，但是很多人都不知道该怎么做，甚至觉得是非常高深的知识，其实并非如此，任何人都可以在只有一点 Python 的基础上 回 测 一个简单的 策略 。 Backtrader 是一个基于 Python 的自动化 回 溯 测 试框架，作者是德国人 Daniel Rodriguez，是一个易懂、易上手的量化投资框架。今天我们就来试试用 Backtrader 进行简单的量化 策略 回 溯。当然，第一篇文章将会使用最简... 浏览器打开 BOLL指标是美国股市分析家约翰· 布 林根据统计学中的标准差原理设计出来的一种非常简单实用的技术分析指标。一般而言，股价的运动总是围绕某一价值中枢（如均线、成本线等）在一定的范围内变动， 布 林线指标正是在上述条件的基础上，引进了“股价通道”的概念，其认为股价通道的宽窄随着股价波动幅度的大小而变化，而且股价通道又具有变异性，它会随着股价的变化而自动调整。由于之前大部分交易 策略 都是选股或者趋势追踪的择时，... 浏览器打开 本文将探索新的 策略 回 测 程序，主要是为了尝试不同的技术指标在 backtrader 平台上的应用，为后续复杂 策略 的实现做准备。 本文将实现的 策略 是，当股票放量突破 布 林线中轨时进行买入，当股票收盘价低于短期均线时卖出。 买入条件中，放量突破 布 林线中轨具体指的是，当日股票开盘价在 布 林线中轨下方，收盘价在 布 林线中轨上方，当日成交量为10日以来的最高量。卖出条件中，短期均线选取为5日线。 回 测 初始资金100000... 浏览器打开 1. 原理 提起 布 林线均值 回 归 策略 ，就不得不提 布 林带 这个概念。 布 林带 是利用统计学中的均值和标准差联合计算得出的，分为均线，上轨线和下轨线。 布 林线均值 回 归 策略 认为，标的价格在上轨线和下轨线围成的范围内浮动，即使短期内突破上下轨，但长期内仍然会 回 归到 布 林带 之中。因此，一旦突破上下轨，即形成买卖信号。 当股价向上突破上界时，为卖出信号，当股价向下突破下界时，为买入信号。 BOLL线的计算公式： 中轨线 = N日移动平均线 上轨线 = 中轨线 + k标准差 下轨线 = 中轨线 - k标准差 2. 策略 .. 浏览器打开 本文将继续对 backtrader 的order进行介绍，具体介绍Limit订单的使用。 选取平安银行（000001）2019年1月1日至2019年12月31日的日线数据进行 回 测 。为了便于分析， 回 测 过程中设置佣金为0，交易单位大小为100。 在Limit订单创建时，会设置一个price和valid时间，如果超过valid时间订单仍未满足执行条件，订单就会过期被取消。在valid时间内，订单会按照下面描述的价格匹配规则判断订单是否会成交。 Limit订单使用K线4个价格点（Open/High/ 浏览器打开