18年的时候开始做量化分析，当时看了市场上很多的回测工具。大部分都比较笨重，后来主要用的是ricequant的离线回测平台。功能很全，没有什么毛病，主要就是速度比较慢。这个平台前段时间停止服务了，不想用在线平台，只能换一个新工具。
在看到backtrader之前，我把abu的开源代码看了一遍，觉得难度不大，想在abu的基础上自己改一个平台出来。策略部分的功能基本上都开发完成，debug也完成了。偶然发现了BackTrader。简单看了一下，觉得架构设计的非常漂亮，试跑了一下，速度快的惊人。看了一下源代码，才知道自己离专业Python开发者还差的不少，于是放弃了自研的想法，站在巨人的肩膀上前进。下面介绍一下BackTrader这个工具，也作为自己这一段时间学习的总结。
BackTrader主要模块：
- Cerebro：执行引擎。数据，策略，分析等模块注册到这个引擎。由引擎驱动整体流程。
- DataFeed：数据模块。支持多种格式的数据接口，包括对pandas数据的支持。
- Strategy：策略模块。定义买卖的策略。
- Indicator：指标模块。支持talib，可以自己开发指标。策略依赖指标来驱动交易。
- Order：订单模块。市价，限价等等各种格式的订单。
- Broker：交易商模块。对资金进行管理。
- Analyzer：分析模块。夏普比例，回撤等指标。
- Observer：监控模块。在每天的执行完成后，对系统的情况进行监控。
上面列出了主要的一些模块，以及一句话介绍。接下来介绍一下BackTrader的执行流程。
- 实例化Cerebro对象
- 按需添加Data, Strategy, Indicator等模块
- 运行Cerebro实例
- 完成回测后画图
从官网上拖一个例子：
import
上面的例子只有四行，什么都没加，没有数据也没有策略，什么都做不了，但是可以运行。
一个最小的案例必须有数据和策略。
数据部分：数据可以是pandas结构。这里举一个pandas的例子。我是用的是tushare的数据接口。这部分内容看官可以自己上tushare的官网上看一下。我这里直接从dataframe这里往下走。
tushare的数据并不能直接用，需要简单处理一下。
dataline
注：open, high, low, close, volume, openinterest这几个字段都必须有。我跑的时候少了volume，结果报错。找了好久才发现这个原因。
其中trade_date字段要作为index，格式必须是datetime对象。
策略部分：策略的类必须的自己实现。这里我用一个官网的例子，删掉了非关键的部分。
class
TestStrategy继承了bt.Strategy基类。在里封装了两个函数：一个是__init__,用于初始化，另外一个next()是实际执行的函数。
init函数里面定义了一个别名（self.dataclose），方便后面对数据的引用。self.dataclose是我们输入策略的时间序列。
随便说一句，bt里面定义了很多别名，比如p代表params，l代表line，这样比较方便。
next函数会每个event循环。一般都是按照时间event。每个bar循环一次。比如有10个bar，默认会循环10次（有些指标计算会有时间滞后，会少于这个时间）。在上面的例子里面，策略的含义是，上一个bar的收盘价比上上一个的收盘价低就执行买入。
这里要提到一个概念：lines。self.dataclose就是一个line。
BackTrader里面把时间序列数据定义为了一个line。line类似一个列表，line[0]指的是今天的数据，line[-1]是昨天。以此类推。后面我们在设计indicator，observer的时候，也需要定义line。
这个line是一个linebuff的实例。这个类考虑了很多性能优化的设计。
注意：line不支持slice。类似line[n:m]这样的操作是错误的。要用专门的get方法类似下面
self
OK。到这里，有了data和stretage，一个最小的回测实例就实现了。这个实例还非常的简单，离实际的应用还很远，后面我们会继续介绍其中的每个模块。今天先到这里。