3、第一个回测程序：从零到一跑通你的策略

说实话，很多新手学量化回测，最容易卡在第一步——「我该先写什么？」。我个人习惯是，先让程序跑起来，哪怕它只是个最简单的移动平均线策略。今天我们就来写第一个回测程序，把整个流程走通。

你想想看，一个回测程序无非就这几步：导入工具、创建引擎、加载数据、写个策略、跑一下、看结果。嗯，就这么简单。我们一步步来。

3.1 导入库：先把工具箱备好

Backtrader 是个第三方库，你得先把它请进来。我一般会同时导入几个常用的辅助库，比如 datetime 处理时间，pandas 处理数据。

import backtrader as bt
import datetime
import pandas as pd

这里有个小细节：backtrader 官方缩写就是 bt，业内都这么写。你以后看别人的代码，看到 bt.Cerebro、bt.Strategy 就知道是 Backtrader 的东西。

3.2 创建 Cerebro 引擎：回测的大脑

Cerebro 是 Backtrader 的核心引擎。你可以把它想象成一个「调度中心」——它负责加载数据、运行策略、计算收益、输出结果。创建它只需要一行代码：

cerebro = bt.Cerebro()

就这么简单？对，就这么简单。但别小看它，背后做了很多事。比如它默认会帮你处理订单、滑点、佣金等等。不过初期我们先用默认设置，后面再慢慢调。

3.3 加载数据：给引擎喂「原料」

回测需要历史数据。Backtrader 支持多种数据源：CSV 文件、Pandas DataFrame、甚至直接从 Yahoo Finance 拉取。我们先用最简单的——从本地 CSV 文件加载。

假设你有一个 000300.SH.csv 文件，里面是沪深300的日线数据，格式如下：

日期	开盘	最高	最低	收盘	成交量
2023-01-03	3880.12	3921.45	3875.33	3910.78	125678900
2023-01-04	3915.20	3940.11	3902.56	3925.44	132456700

加载代码也很直接：

data = bt.feeds.GenericCSVData(
    dataname='000300.SH.csv',
    dtformat='%Y-%m-%d',
    datetime=0,
    open=1,
    high=2,
    low=3,
    close=4,
    volume=5,
    fromdate=datetime.datetime(2023, 1, 1),
    todate=datetime.datetime(2023, 12, 31)
)

cerebro.adddata(data)

这里要注意：datetime=0 表示日期在第0列，open=1 表示开盘价在第1列，以此类推。列索引从0开始。我曾经因为列号写错，跑出来的结果完全不对，查了半天才发现是数据对不上。嗯，这个坑我踩过。

3.4 定义简单策略：写你的第一个交易逻辑

策略是回测的灵魂。Backtrader 里，策略是一个继承 bt.Strategy 的类。你需要重写两个方法：

• __init__：初始化指标和变量
• next：每个交易日都会调用一次，在这里写买卖逻辑

我们写一个最简单的策略：当收盘价高于5日均线时买入，低于时卖出。

class MyFirstStrategy(bt.Strategy):
    def __init__(self):
        self.sma = bt.indicators.SimpleMovingAverage(
            self.data.close, period=5
        )

    def next(self):
        if not self.position:  # 没有持仓
            if self.data.close[0] > self.sma[0]:
                self.buy(size=100)
        else:  # 有持仓
            if self.data.close[0] < self.sma[0]:
                self.sell(size=100)

你看，逻辑很直白：self.data.close[0] 是今天的收盘价，self.sma[0] 是今天的5日均线值。如果今天收盘价上穿均线，就买100股；如果下穿，就卖掉。

这里有个细节：self.position 是 Backtrader 自动维护的持仓对象。你不需要手动记录买了多少股，引擎会帮你算。

3.5 运行回测：让引擎转起来

数据加载好了，策略也写好了，接下来就是把策略注册到引擎，然后启动回测。

cerebro.addstrategy(MyFirstStrategy)
cerebro.broker.setcash(100000.0)  # 初始资金10万

print('初始资金: %.2f' % cerebro.broker.getvalue())
results = cerebro.run()
print('最终资金: %.2f' % cerebro.broker.getvalue())

运行后你会看到类似这样的输出：

初始资金: 100000.00
最终资金: 102345.67

嗯，赚了2345.67元。当然，这只是个示例，实际收益取决于你的数据和策略参数。

为什么会这样？因为 cerebro.run() 会遍历所有交易日，在每个交易日调用策略的 next() 方法，执行买卖逻辑，并更新账户资金。整个过程是模拟的，不会真的下单。

3.6 查看结果：用图表说话

光看数字不够直观。Backtrader 内置了绘图功能，一行代码就能画出资金曲线、买卖点、指标线。

cerebro.plot()

它会弹出一个窗口，包含两个子图：上面是价格和均线，下面是资金曲线。红色箭头表示买入，绿色箭头表示卖出。一眼就能看出策略表现如何。

我个人习惯把图保存下来，方便复盘。可以这样：

import matplotlib.pyplot as plt
fig = cerebro.plot(style='candlestick')
fig[0][0].savefig('回测结果.png')

3.7 完整代码：直接复制就能跑

我把上面所有代码整合到一起，你复制到 Python 文件里，改一下 CSV 文件路径就能跑。

import backtrader as bt
import datetime

class MyFirstStrategy(bt.Strategy):
    def __init__(self):
        self.sma = bt.indicators.SimpleMovingAverage(
            self.data.close, period=5
        )

    def next(self):
        if not self.position:
            if self.data.close[0] > self.sma[0]:
                self.buy(size=100)
        else:
            if self.data.close[0] < self.sma[0]:
                self.sell(size=100)

cerebro = bt.Cerebro()
cerebro.addstrategy(MyFirstStrategy)

data = bt.feeds.GenericCSVData(
    dataname='000300.SH.csv',
    dtformat='%Y-%m-%d',
    datetime=0, open=1, high=2, low=3, close=4, volume=5,
    fromdate=datetime.datetime(2023, 1, 1),
    todate=datetime.datetime(2023, 12, 31)
)
cerebro.adddata(data)

cerebro.broker.setcash(100000.0)
print('初始资金: %.2f' % cerebro.broker.getvalue())
cerebro.run()
print('最终资金: %.2f' % cerebro.broker.getvalue())
cerebro.plot()

这段代码不到30行，但已经是一个完整的回测程序了。你想想看，从零到跑通第一个策略，其实就这么几步。后面我们会在这个基础上，一步步加功能：多品种、多周期、滑点、佣金、绩效分析……

嗯，今天就到这里。代码跑通了吗？如果遇到问题，先检查 CSV 文件路径和列索引对不对。这两个地方最容易出错。

上面这张图把整个流程串起来了。你可以看到，从导入库到分析优化，是一个闭环。跑完一次回测不是结束，而是开始——根据结果调整参数，再跑，再调，直到策略稳定。

公众号:蓝海资料掘金营，微信deep3321