title: 基本概念 description: 理解 Backtrader 的核心概念
基本概念¶
Backtrader 使用事件驱动架构来回测交易策略。理解这些核心概念对于有效开发策略至关重要。
核心组件¶
flowchart TD
Data[数据源] --> Cerebro[Cerebro 引擎]
Cerebro --> Strategy[策略]
Cerebro --> Broker[经纪人]
Strategy -->|订单| Broker
Broker -->|成交| Strategy
Cerebro --> Analyzer[分析器]
Cerebro --> Observer[观察器]
```bash
## Cerebro
- *Cerebro** 是协调整个回测过程的中央引擎。
```python
cerebro = bt.Cerebro()
# 添加组件
cerebro.adddata(data) # 添加数据源
cerebro.addstrategy(MyStrategy) # 添加策略
cerebro.addanalyzer(bt.analyzers.SharpeRatio) # 添加分析器
# 配置
cerebro.broker.setcash(10000) # 设置初始资金
cerebro.broker.setcommission(0.001) # 设置佣金
# 运行
results = cerebro.run()
```bash
## 数据源
数据源为您的策略提供市场数据。Backtrader 支持多种数据源。
### 创建数据源
```python
# 从 CSV
data = bt.feeds.CSVGeneric(
dataname='AAPL.csv',
datetime=0, # 日期时间列索引
open=1, # 开盘价列索引
high=2, # 最高价列索引
low=3, # 最低价列索引
close=4, # 收盘价列索引
volume=5, # 成交量列索引
dtformat='%Y-%m-%d'
)
# 从 Pandas DataFrame
import pandas as pd
df = pd.read_csv('data.csv')
data = bt.feeds.PandasData(dataname=df)
# 从 Yahoo Finance
data = bt.feeds.YahooFinanceData(
dataname='AAPL',
fromdate=datetime(2023, 1, 1),
todate=datetime(2023, 12, 31)
)
```bash
### 在策略中访问数据
```python
class MyStrategy(bt.Strategy):
def next(self):
# 当前 K 线数据
current_price = self.data.close[0]
current_high = self.data.high[0]
current_low = self.data.low[0]
# 前一根 K 线数据
previous_price = self.data.close[-1]
# 数据长度
print(f"当前 K 线: {len(self.data)}")
```bash
## Lines (时间序列)
- *Lines** 是时间序列数据结构。每个数据源都有预定义的 lines：
| Line | 描述 |
|------|------|
| `datetime` | K 线时间戳 |
| `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 Line 数据
```python
# 当前值 (索引 0)
current_close = self.data.close[0]
# 历史值 (负索引)
prev_close = self.data.close[-1] # 1 根 K 线前
prev_close2 = self.data.close[-2] # 2 根 K 线前
# Line 长度
data_length = len(self.data.close)
```bash
## 策略
策略包含您的交易逻辑。
```python
class MyStrategy(bt.Strategy):
"""
策略参数
"""
params = (
('period', 20),
('threshold', 0.5),
)
def __init__(self):
"""
初始化指标和计算
"""
super().__init__()
self.sma = bt.indicators.SMA(self.data.close, period=self.p.period)
def next(self):
"""
每根 K 线调用
"""
if self.sma[0] > self.data.close[0]:
self.buy()
```bash
### 策略生命周期
```mermaid
stateDiagram-v2
[*] --> __init__: 策略创建
__init__ --> prenext: minperiod 之前
prenext --> prenext: 处理 K 线
prenext --> nextstart: 达到 minperiod
nextstart --> next: 过渡完成
next --> next: 正常运行
next --> [*]: 回测结束
```bash
| 阶段 | 描述 |
|------|------|
| `__init__` | 初始化策略，创建指标 |
| `prenext()` | 指标数据不足时调用 |
| `nextstart()` | 首次满足 minperiod 时调用一次 |
| `next()` | 满足 minperiod 后每根 K 线调用 |
## 指标
指标计算技术分析值。
### 内置指标
```python
# 移动平均线
sma = bt.indicators.SMA(self.data.close, period=20)
ema = bt.indicators.EMA(self.data.close, period=20)
# 动量指标
rsi = bt.indicators.RSI(self.data.close, period=14)
macd = bt.indicators.MACD(self.data.close)
# 波动率指标
atr = bt.indicators.ATR(self.data, period=14)
bollinger = bt.indicators.BollingerBands(self.data.close)
```bash
### 访问指标值
```python
class MyStrategy(bt.Strategy):
def __init__(self):
super().__init__()
self.sma = bt.indicators.SMA(self.data.close, period=20)
def next(self):
# 当前 SMA 值
current_sma = self.sma[0]
# 前一 SMA 值
previous_sma = self.sma[-1]
```bash
## 经纪人
经纪人模拟订单执行和组合管理。
```python
# 配置经纪人
cerebro.broker.setcash(10000) # 设置初始资金
cerebro.broker.setcommission(0.001) # 设置佣金 (0.1%)
cerebro.broker.set_slippage_perc(0.5) # 设置滑点 (0.5%)
```bash
### 订单
```python
# 市价单
self.buy() # 买入默认数量
self.buy(size=100) # 买入指定数量
self.sell() # 卖出平仓
self.close() # 平仓
# 限价单
self.buy(price=100.5) # 以指定价格买入
self.sell(limit=105.0) # 以限价卖出
# 止损单
self.sell(stop=95.0) # 止损卖出
```bash
## 持仓
跟踪您当前的持仓。
```python
class MyStrategy(bt.Strategy):
def next(self):
# 检查是否有持仓
if self.position:
print(f"持仓数量: {self.position.size}")
# 检查持仓详情
if self.position:
print(f"入场价格: {self.position.price}")
print(f"当前盈亏: {self.position.price * self.position.size}")
```bash
## 下一步学习
- [指标](indicators.md) - 探索所有内置指标
- [策略](strategies.md) - 高级策略模式
- [分析器](analyzers.md) - 性能分析
- [数据源](data-feeds.md) - 更多数据源