2. 环境搭建与快速上手

在正式进入多资产事件驱动回测之前，先把最小可运行闭环跑通：安装框架、准备数据、写出第一个单资产策略、看到可视化结果。这一章的目标不是写出复杂策略，而是建立对Backtrader运行机制的直觉——理解Cerebro引擎如何把数据、策略、分析器串成一条事件流。

一、核心原理：Cerebro是事件驱动的调度中枢

Backtrader的核心是Cerebro（西班牙语“大脑”）。它负责收集数据源（Data Feed）、策略（Strategy）、分析器（Analyzer）、观察器（Observer）和经纪商（Broker），然后按时间顺序逐根推送K线，驱动策略中的next()方法执行。理解这一点，就能明白为什么Backtrader的代码结构总是围绕“添加组件—运行—取结果”展开。

事件驱动的关键特征是：策略不会一次性拿到全部历史数据，而是每根bar到来时被调用一次。这意味着任何依赖未来数据的写法都会出错，也意味着指标计算必须通过Backtrader内置的Indicator体系完成，而不是在next()里手动用pandas切片。

二、方法流程：四步完成环境搭建与首次回测

1. 安装Backtrader：推荐使用虚拟环境，避免与系统包冲突。
2. 准备数据源：本地CSV或Pandas DataFrame，必须包含datetime、open、high、low、close、volume列。
3. 编写策略类：继承bt.Strategy，在__init__中定义指标，在next中写交易逻辑。
4. 运行并可视化：通过Cerebro添加分析器与观察器，调用cerebro.plot()输出图表。

# 安装命令（建议Python 3.9+）
python -m venv venv
source venv/bin/activate        # Windows: venv\Scripts\activate
pip install backtrader pandas matplotlib

三、数据源准备：格式决定成败

Backtrader对数据格式敏感。最常见的问题不是策略写错，而是CSV列名或日期解析出错。推荐使用bt.feeds.PandasData直接传入DataFrame，这样列名映射清晰、调试方便。

import pandas as pd
import backtrader as bt

df = pd.read_csv('data/000001.csv', parse_dates=['datetime'])
df = df.set_index('datetime')
df = df[['open','high','low','close','volume']]

data = bt.feeds.PandasData(dataname=df)

四、第一个单资产回测脚本

下面是一个完整的双均线策略示例。它不追求盈利，只用于验证环境是否跑通。

import backtrader as bt

class SmaCross(bt.Strategy):
    params = dict(fast=10, slow=30)

    def __init__(self):
        sma_fast = bt.ind.SMA(period=self.p.fast)
        sma_slow = bt.ind.SMA(period=self.p.slow)
        self.crossover = bt.ind.CrossOver(sma_fast, sma_slow)

    def next(self):
        if not self.position and self.crossover > 0:
            self.buy(size=100)
        elif self.position and self.crossover < 0:
            self.close()

cerebro = bt.Cerebro()
cerebro.adddata(data)
cerebro.addstrategy(SmaCross)
cerebro.broker.setcash(100000.0)
cerebro.broker.setcommission(commission=0.001)
cerebro.addanalyzer(bt.analyzers.SharpeRatio, _name='sharpe')
cerebro.addanalyzer(bt.analyzers.Returns, _name='returns')

results = cerebro.run()
strat = results[0]
print('期末资金:', cerebro.broker.getvalue())
print('夏普比率:', strat.analyzers.sharpe.get_analysis())
cerebro.plot(style='candlestick')

运行后终端会输出期末资金与夏普比率，同时弹出一张包含K线、均线、买卖点和资金曲线的图表。如果图表正常显示，说明环境、数据、策略、分析器、观察器五个环节全部打通。

五、结果可视化与复盘要点

Backtrader默认的plot()会绘制三块区域：价格与指标、成交量、资金曲线。观察买卖点是否落在均线交叉处，可以快速判断策略逻辑是否被正确执行。若买卖点缺失，优先检查next()中的条件是否被触发，而不是怀疑绘图。