📚 课程目录第4章第一个回测

4. 第一个回测：编写简单均线策略、运行回测、查看结果

本章将带领你完成第一个完整的 Backtrader 回测流程：编写一个经典的“双均线交叉”策略，运行回测引擎，并解读输出结果。这是后续所有复杂策略的基础骨架。

4.1 策略逻辑：双均线交叉

我们选择最直观的趋势跟踪策略——金叉买入，死叉卖出：

短期均线（快线）：10 周期简单移动平均线（SMA10）
长期均线（慢线）：30 周期简单移动平均线（SMA30）
买入信号：SMA10 上穿 SMA30（金叉）
卖出信号：SMA10 下穿 SMA30（死叉）

💡 策略说明：双均线交叉是趋势策略的典型代表。金叉意味着短期趋势强于长期趋势，市场可能进入上升通道；死叉则相反。本策略在回测中不设止损或止盈，仅用于演示 Backtrader 的基本流程。

4.2 编写策略类

在 Backtrader 中，所有策略都继承自 bt.Strategy。我们需要重写 __init__ 和 next 两个核心方法：

import backtrader as bt

class SmaCross(bt.Strategy):
    # 定义均线参数，可在回测时动态调整
    params = (
        ('fast', 10),
        ('slow', 30),
    )

    def __init__(self):
        # 计算快慢均线
        self.sma_fast = bt.ind.SMA(period=self.params.fast)
        self.sma_slow = bt.ind.SMA(period=self.params.slow)
        # 创建交叉信号指标
        self.crossover = bt.ind.CrossOver(self.sma_fast, self.sma_slow)

    def next(self):
        # 检查是否有未完成的订单
        if self.position.size == 0:
            # 金叉：买入
            if self.crossover > 0:
                self.buy()
        elif self.position.size > 0:
            # 死叉：卖出
            if self.crossover < 0:
                self.close()

  📌 关键代码解析：
  bt.ind.SMA：Backtrader 内置的简单移动平均指标，自动处理数据对齐。
bt.ind.CrossOver：交叉信号指标，返回 +1（上穿）、-1（下穿）、0（无交叉）。
self.buy() / self.close()：策略下单方法，默认以市价单执行。
self.position.size：当前持仓数量，0 表示空仓。

4.3 组装回测引擎

策略编写完成后，需要将其注入 Cerebro 引擎，并配置数据源、初始资金和佣金：

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

# 2. 添加数据源（以本地 CSV 文件为例）
data = bt.feeds.YahooFinanceCSVData(
    dataname='./data/AAPL.csv',
    fromdate=datetime.datetime(2020, 1, 1),
    todate=datetime.datetime(2023, 12, 31)
)
cerebro.adddata(data)

# 3. 添加策略
cerebro.addstrategy(SmaCross)

# 4. 设置初始资金和佣金
cerebro.broker.setcash(100000.0)
cerebro.broker.setcommission(commission=0.001)  # 0.1% 佣金

# 5. 添加分析器（用于输出绩效指标）
cerebro.addanalyzer(bt.analyzers.SharpeRatio, _name='sharpe')
cerebro.addanalyzer(bt.analyzers.DrawDown, _name='drawdown')

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

4.4 回测流程可视化

下图展示了从策略定义到结果输出的完整数据流：

4.5 查看回测结果

运行上述代码后，控制台会输出初始资金和最终资金。但更详细的结果需要通过分析器获取：

# 获取第一个策略运行结果
strat = results[0]

# 输出夏普比率
sharpe = strat.analyzers.sharpe.get_analysis()
print('夏普比率:', sharpe.get('sharperatio', 'N/A'))

# 输出最大回撤
drawdown = strat.analyzers.drawdown.get_analysis()
print('最大回撤: %.2f%%' % drawdown['max']['drawdown'])
print('回撤周期: %d 天' % drawdown['max']['len'])

# 输出交易统计（需要额外添加 TradeAnalyzer）
cerebro.addanalyzer(bt.analyzers.TradeAnalyzer, _name='trades')
results = cerebro.run()
strat = results[0]
trades = strat.analyzers.trades.get_analysis()
print('总交易次数:', trades['total']['total'])
print('盈利交易:', trades['won']['total'])
print('亏损交易:', trades['lost']['total'])

4.6 结果解读与常见问题

指标	含义	参考范围
最终资金	回测结束时的账户总价值	高于初始资金为盈利
夏普比率	风险调整后的收益，衡量每单位风险获得的超额回报	> 1 良好，> 2 优秀
最大回撤	账户净值从峰值到谷底的最大跌幅	< 20% 可接受
胜率	盈利交易次数占总交易次数的比例	趋势策略通常 40%-60%

⚠️ 常见陷阱：

未来函数：确保在 __init__ 中定义的指标不会用到未来数据。Backtrader 的指标默认只使用当前及历史数据，但自定义指标需谨慎。
过拟合：不要根据历史数据反复调整参数（如均线周期）。应使用样本外数据验证策略有效性。
佣金与滑点：实盘交易存在佣金和滑点成本。回测时务必设置合理的 commission 和 slippage，否则结果会过于乐观。

4.7 完整代码模板

将以下代码保存为 sma_cross_backtest.py，即可一键运行你的第一个回测：

import datetime
import backtrader as bt

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

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

    def next(self):
        if self.position.size == 0:
            if self.crossover > 0:
                self.buy()
        elif self.position.size > 0:
            if self.crossover < 0:
                self.close()

if __name__ == '__main__':
    cerebro = bt.Cerebro()
    data = bt.feeds.YahooFinanceCSVData(
        dataname='AAPL.csv',
        fromdate=datetime.datetime(2020, 1, 1),
        todate=datetime.datetime(2023, 12, 31)
    )
    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.DrawDown, _name='drawdown')
    cerebro.addanalyzer(bt.analyzers.TradeAnalyzer, _name='trades')

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

    strat = results[0]
    print('夏普比率:', strat.analyzers.sharpe.get_analysis().get('sharperatio', 'N/A'))
    print('最大回撤: %.2f%%' % strat.analyzers.drawdown.get_analysis()['max']['drawdown'])