title: 数据源 description: 从各种来源加载数据
数据源¶
数据源为您的策略提供市场数据。Backtrader 支持多种数据源和格式。
快速开始¶
import backtrader as bt
import datetime
# 向 cerebro 添加数据
data = bt.feeds.CSVGeneric(
dataname='AAPL.csv',
datetime=0,
open=1,
high=2,
low=3,
close=4,
volume=5,
dtformat='%Y-%m-%d'
)
cerebro = bt.Cerebro()
cerebro.adddata(data)
```bash
## 数据源
### CSV 文件
#### 通用 CSV
```python
data = bt.feeds.CSVGeneric(
dataname='data.csv',
datetime=0, # 日期时间列索引
time=-1, # 时间列索引 (可选)
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
openinterest=-1,# 持仓量列索引 (可选)
dtformat='%Y-%m-%d %H:%M:%S',
tmformat='%H:%M:%S',
timeframe=bt.TimeFrame.Days
)
```bash
#### BTC CSV (比特币专用)
```python
data = bt.feeds.BTCCSV(
dataname='btc.csv',
datetime=None, # 自动检测
timeframe=bt.TimeFrame.Minutes
)
```bash
### Pandas DataFrame
```python
import pandas as pd
# 创建 DataFrame
df = pd.DataFrame({
'datetime': pd.date_range('2023-01-01', periods=100),
'open': np.random.randn(100).cumsum() + 100,
'high': np.random.randn(100).cumsum() + 102,
'low': np.random.randn(100).cumsum() + 98,
'close': np.random.randn(100).cumsum() + 100,
'volume': np.random.randint(1000, 10000, 100)
})
# 转换为数据源
data = bt.feeds.PandasData(
dataname=df,
datetime=None, # 使用索引作为日期时间
open='open',
high='high',
low='low',
close='close',
volume='volume',
openinterest=None
)
```bash
### Yahoo Finance
```python
data = bt.feeds.YahooFinanceData(
dataname='AAPL',
fromdate=datetime.datetime(2023, 1, 1),
todate=datetime.datetime(2023, 12, 31),
timeframe=bt.TimeFrame.Days,
adjclose=False, # 使用复权收盘价
reversed=False # 数据顺序
)
```bash
### 实盘交易数据
#### CCXT (加密货币)
```python
from backtrader.feeds import CCXTFeed
# 创建存储
store = CCXTStore(
exchange='binance',
currency='USDT',
config={'apiKey': 'YOUR_KEY', 'secret': 'YOUR_SECRET'}
)
# 添加数据源
data = store.getdata(
dataname='BTC/USDT',
timeframe=bt.TimeFrame.Minutes,
use_websocket=True # 使用 WebSocket 获取实时数据
)
cerebro.adddata(data)
cerebro.setbroker(store.getbroker())
```bash
#### CTP (期货)
```python
from backtrader.stores import CTPStore
from backtrader.feeds import CTPData
# 创建存储
store = CTPStore(
userid='YOUR_ID',
password='YOUR_PASSWORD',
brokerid='9999', # SimNow
appid='simnow_client',
authcode='0000000000000000'
)
# 添加数据源
data = CTPData(
store=store,
dataname='au2506', # 合约
timeframe=bt.TimeFrame.Minutes
)
cerebro.adddata(data)
cerebro.setbroker(store.getbroker())
```bash
## 多数据源
```python
cerebro = bt.Cerebro()
# 添加多个数据源
data1 = bt.feeds.YahooFinanceData(dataname='AAPL', ...)
data2 = bt.feeds.YahooFinanceData(dataname='MSFT', ...)
data3 = bt.feeds.YahooFinanceData(dataname='GOOGL', ...)
cerebro.adddata(data1, name='AAPL')
cerebro.adddata(data2, name='MSFT')
cerebro.adddata(data3, name='GOOGL')
# 在策略中访问
class MyStrategy(bt.Strategy):
def next(self):
aapl_price = self.datas[0].close[0]
msft_price = self.datas[1].close[0] # 或 self.msft.close[0]
googl_price = self.datas[2].close[0] # 或 self.googl.close[0]
```bash
## 数据重采样
将数据转换为不同的时间周期。
```python
# 原始数据是分钟级
data = bt.feeds.CSVGeneric(dataname='minute_data.csv', ...)
# 重采样为日线
cerebro = bt.Cerebro()
cerebro.resampledata(data, timeframe=bt.TimeFrame.Days)
cerebro.adddata(data, name='daily')
```bash
## 数据过滤
### 交易日过滤
```python
# 只在特定日期交易
data = bt.feeds.CSVGeneric(dataname='data.csv', ...)
data.addfilter(bt.filters.CalendarDays())
```bash
### 交易时段过滤
```python
# 只在正常交易时段交易
data = bt.feeds.CSVGeneric(dataname='data.csv', ...)
data.addfilter(bt.filters.SessionFilter(
starttime=datetime.time(9, 30),
endtime=datetime.time(16, 0)
))
```bash
## 数据要求
### 最小数据格式
每个数据源至少需要：
| 字段 | 必需 | 描述 |
|------|------|------|
| datetime | 是 | K 线时间戳 |
| open | 是 | 开盘价 |
| high | 是 | 最高价 |
| low | 是 | 最低价 |
| close | 是 | 收盘价 |
| volume | 否 | 成交量 |
| openinterest | 否 | 持仓量 (期货) |
### CSV 格式示例
```csv
datetime,open,high,low,close,volume
2023-01-01,100.0,102.5,99.5,101.0,1000000
2023-01-02,101.0,103.0,100.5,102.5,1200000
2023-01-03,102.5,104.0,102.0,103.0,900000
```bash
## 下一步学习
- [指标](indicators.md) - 在数据上使用指标
- [策略](strategies.md) - 构建交易策略
- [实盘交易](../CCXT_LIVE_TRADING_GUIDE.md) - 实时交易