3. Cerebro 引擎：核心参数、运行流程与生命周期

Cerebro 是 Backtrader 的调度中枢，负责将策略、数据和交易系统组装成一个可执行的回测单元。理解 Cerebro 的初始化参数、addstrategy/adddata/run 的调用顺序以及引擎内部的阶段切换，是编写可靠回测脚本的前提。

3.1 Cerebro 核心参数速查

Cerebro 在实例化时接受一组控制回测行为的参数。下表列出最常用的参数及其默认值：

3.2 三阶段运行流程：addstrategy → adddata → run

Cerebro 的典型调用顺序分为三个明确的阶段，每个阶段都有特定的职责：

1. 注册策略（addstrategy）：将策略类（而非实例）传入 Cerebro。引擎会在内部为每个数据源创建独立的策略实例。
2. 添加数据（adddata）：将已准备好的 Data Feed 实例逐个加入引擎。数据添加的顺序会影响策略中 self.datas 的索引顺序。
3. 启动回测（run）：触发引擎生命周期，执行初始化、数据加载、逐 K 线迭代和收尾工作。

import backtrader as bt

cerebro = bt.Cerebro()                     # 1. 创建引擎

class MyStrategy(bt.Strategy):
    def next(self):
        pass

cerebro.addstrategy(MyStrategy)            # 2. 注册策略类

data = bt.feeds.YahooFinanceCSVData(
    dataname='./data/AAPL.csv')
cerebro.adddata(data)                      # 3. 添加数据源

results = cerebro.run()                    # 4. 执行回测

3.3 引擎生命周期：五个阶段详解

Cerebro 在 run() 被调用后，会依次经历五个内部阶段。理解这些阶段有助于定位策略初始化、指标计算和订单执行中的问题。

3.4 生命周期中的关键方法对照

策略类中与生命周期对应的五个方法，以及它们的触发时机和典型用途：

3.5 多数据源下的生命周期差异

当使用多个数据源时，Cerebro 的生命周期会以主数据（第一个通过 adddata 添加的数据）的时间轴为基准。其他数据源的时间戳若与主数据不一致，引擎会通过内部对齐机制处理，但策略的 next 方法只会在主数据产生新 K 线时被调用。

3.6 生命周期调试技巧

在策略开发阶段，可以通过在五个方法中分别添加打印语句来观察引擎的执行顺序：

class DebugStrategy(bt.Strategy):
    def __init__(self):
        print(f"[__init__] 策略初始化，数据长度: {len(self.datas[0])}")

    def start(self):
        print(f"[start] 回测开始，当前时间: {self.datas[0].datetime.date(0)}")

    def prenext(self):
        print(f"[prenext] 数据不足，当前 Bar: {len(self)}")

    def next(self):
        print(f"[next] 第 {len(self)} 根 K 线，收盘价: {self.datas[0].close[0]:.2f}")

    def stop(self):
        print(f"[stop] 回测结束，最终权益: {self.broker.getvalue():.2f}")