Backtrader是轻量灵活的Python回测库，需继承Strategy类并实现__init__和next方法；配合AkShare获取清洗数据（处理缺失、重复、复权问题）；评估须关注夏普比率、盈亏比、持仓周期等指标；实盘前需做滑点手续费测试、订单执行模拟及小资金试跑。
用Backtrader快速搭建回测框架
Backtrader是Python中轻量、灵活且文档清晰的回测库，适合策略原型验证。安装后只需定义一个继承Strategy的类，重写__init__（初始化指标）、next（逐K线执行逻辑）两个方法即可运行回测。
常见操作包括：
- 通过self.data.close[0]获取当前收盘价，[-1]取前一根K线数据
- 用bt.indicators.SMA等内置指标自动处理时间序列，无需手动滚动计算
- 调用self.buy()或self.sell()下单，支持市价单、限价单和数量控制
- 加载本地CSV数据时，注意日期列需为datetime类型，并设为索引
真实行情数据获取与清洗要点
AkShare是免费、更新及时的中文金融数据接口，覆盖A股、期货、指数、宏观等。获取日线数据后，需重点检查并处理：
- 缺失值：用前向填充（ffill）处理停牌导致的空行，避免指标计算中断
- 重复日期：尤其在复权处理后易出现，用df.index.duplicated().any()排查并去重
- 价格连续性：前复权数据可能出现负值或跳变，建议结合除权信息交叉验证
- 交易日对齐：不同品种（如股指期货与股票）交易日历不同，回测前统一用目标品种的交易日历截取
策略绩效评估不能只看年化收益
一个年化25%但最大回撤40%的策略，在实盘中可能因心态或风控规则被迫提前终止。回测报告应至少包含以下核心指标：
立即学习“Python免费学习笔记（深入）”；
- 夏普比率：衡量单位风险带来的超额收益，>1较稳健，需用无风险利率校准（如用十年期国债收益率）
- 盈亏比与胜率：例如胜率45%但平均盈利是平均亏损的3倍，整体仍可盈利
- 持仓周期分布：统计每次交易持有时长，判断是否符合策略定位（短线不宜平均持仓超5天）
- 分年度表现：用analyzer.TimeReturn按年切片，观察策略在熊市/震荡市是否失效
从回测到实盘的关键过渡动作
回测结果理想不等于实盘能复制。上线前必须完成三类验证：
- 滑点与手续费敏感性测试：在回测中加入固定滑点（如0.5个价位）和双边手续费（如万二），观察夏普是否跌破0.8
- 订单执行模拟：用Broker.set_coc(True)开启“Order Creates Order”模式，模拟限价单未成交时的挂单行为
- 小资金实盘试跑：先用1万元本金、单合约/单股票运行1–2周，核对成交记录、持仓变化与预期是否一致
