3. Backtrader 核心概念：Cerebro引擎、Data Feed数据源、Strategy策略、Analyzer分析器、Observer观察者、Broker经纪商

在搭建坏账率回测告警系统之前，必须透彻理解 Backtrader 的六大核心组件。它们构成了回测框架的骨架，决定了数据如何流入、策略如何执行、结果如何分析。下面逐一拆解每个组件的职责与协作关系。

3.1 组件全景图

下图展示了六个核心组件在回测运行时的交互关系。Cerebro 引擎作为中央调度器，协调数据流、策略逻辑、交易执行、绩效分析和实时监控。

3.2 Cerebro 引擎：回测的总指挥

Cerebro 是 Backtrader 的核心调度器，负责初始化所有组件、驱动事件循环、控制回测节奏。在坏账率告警系统中，Cerebro 负责按时间步进推送每一条数据记录给策略。

3.3 Data Feed 数据源：回测的原材料

Data Feed 负责将外部数据加载到 Backtrader 内部。对于坏账率告警系统，数据源通常包含贷款金额、还款状态、逾期天数、违约标签等字段。

Backtrader 支持多种数据源格式：

• CSV 文件：最常用方式，使用 bt.feeds.GenericCSVData 加载
• Pandas DataFrame：直接传入内存中的 DataFrame，使用 bt.feeds.PandasData
• 数据库查询：通过自定义 Data Feed 子类从 MySQL/PostgreSQL 读取
• 实时数据：通过 WebSocket 或 API 推送（实盘场景）

坏账率数据源的关键字段映射示例：

import backtrader as bt

class BadLoanData(bt.feeds.GenericCSVData):
    # 定义 CSV 列映射
    params = (
        ('dtformat', '%Y-%m-%d'),      # 日期格式
        ('time', -1),                   # 不使用时间列
        ('open', 'loan_amount'),        # 贷款金额映射到 open
        ('high', 'loan_amount'),        # 最高价也用贷款金额
        ('low', 0),                     # 最低价设为 0
        ('close', 'default_flag'),      # 违约标签映射到 close
        ('volume', 'days_overdue'),     # 逾期天数映射到 volume
        ('openinterest', -1),           # 不使用
    )

3.4 Strategy 策略：告警逻辑的大脑

Strategy 是用户编写核心逻辑的地方。在坏账率告警系统中，策略负责在每个时间步判断当前坏账率是否超过阈值，并触发告警或执行风控操作。

策略生命周期中的关键方法：

坏账率告警策略核心代码片段：

class BadRateAlertStrategy(bt.Strategy):
    params = (
        ('alert_threshold', 0.05),      # 坏账率告警阈值 5%
        ('window', 30),                 # 滚动窗口天数
    )

    def __init__(self):
        self.default_count = 0          # 违约笔数
        self.total_count = 0            # 总贷款笔数
        self.bad_rate_list = []         # 记录每日坏账率

    def next(self):
        # 获取当前数据点的违约标签
        default_flag = self.data.close[0]
        self.total_count += 1
        if default_flag == 1:
            self.default_count += 1

        # 计算当前坏账率
        current_rate = self.default_count / self.total_count
        self.bad_rate_list.append(current_rate)

        # 判断是否触发告警
        if current_rate > self.params.alert_threshold:
            self.log(f'⚠️ 坏账率告警！当前: {current_rate:.2%} > 阈值: {self.params.alert_threshold:.2%}')

    def log(self, txt):
        dt = self.datas[0].datetime.date(0)
        print(f'[{dt}] {txt}')

3.5 Broker 经纪商：交易执行与资金管理

Broker 模拟真实经纪商的功能，包括订单执行、持仓管理、资金计算、佣金扣除等。在坏账率告警系统中，Broker 负责记录每笔贷款的发放与回收，计算资金变动。

Broker 的核心参数配置：

• 初始资金：cerebro.broker.setcash(1000000.0)
• 佣金比例：cerebro.broker.setcommission(commission=0.001)
• 滑点设置：cerebro.broker.set_slippage_perc(0.001)
• 持仓查询：self.broker.getposition(self.data)
• 资金查询：self.broker.getvalue()

3.6 Analyzer 分析器：绩效与风险度量

Analyzer 用于在回测结束后对策略表现进行定量分析。Backtrader 内置了多种分析器，也可以自定义分析器来计算坏账率相关指标。

常用内置分析器：

自定义坏账率分析器示例：

class BadRateAnalyzer(bt.Analyzer):
    def __init__(self):
        self.default_count = 0
        self.total_count = 0

    def notify_trade(self, trade):
        # 每笔交易结束时统计
        if trade.isclosed:
            self.total_count += 1
            if trade.pnl < 0:  # 亏损视为违约
                self.default_count += 1

    def get_analysis(self):
        bad_rate = self.default_count / self.total_count if self.total_count > 0 else 0
        return {
            'total_loans': self.total_count,
            'default_loans': self.default_count,
            'bad_rate': bad_rate
        }

3.7 Observer 观察者：实时监控与可视化

Observer 在回测过程中实时监控策略状态，并将数据输出到图表或日志。与 Analyzer 不同，Observer 是“在线”的，在每个时间步都可以更新。

Observer 的典型用途：

• 绘制坏账率曲线：实时显示坏账率随时间的变化
• 告警标记：在图表上标记触发告警的时间点
• 资金曲线：监控贷款组合净值变化
• 持仓比例：显示正常贷款与违约贷款的比例

内置 Observer 包括 bt.observers.Broker（资金曲线）、bt.observers.Trades（交易记录）、bt.observers.BuySell（买卖信号）。

3.8 六大组件协作流程

下面的 SVG 图展示了坏账率告警系统在单个时间步内的完整执行流程：

3.9 组件对比速查表