都说Python可以用于量化投资，但是很多人都不知道该怎么做，甚至觉得是非常高深的知识，其实并非如此，任何人都可以在只有一点Python的基础上回测一个简单的策略。

Backtrader是一个基于Python的自动化回溯测试框架，作者是德国人 Daniel Rodriguez，是一个易懂、易上手的量化投资框架。今天我们就来试试用Backtrader进行简单的量化策略回溯。

当然，第一篇文章将会使用最简单的投资策略给大家起个头。通过学习这一篇文章，你将能学会以下这个简单的量化策略：

买入：五日价格移动平均线(MA5)和十日价格移动平均线(MA10)形成均线金叉(MA5上穿MA10)原理：最近处于涨势

卖出：五日价格移动平均线(MA5)和十日价格移动平均线(MA10)形成均线死叉(MA10下穿MA5)原理：最近处于跌势

这个策略真的有用吗？普通人可能要炒一辈子股才能发现它的实际作用，而使用Python进行量化验证，则能迅速得到答案。

1.准备

开始之前，你要确保Python和pip已经成功安装在电脑上噢，如果没有，请访问这篇文章：超详细Python安装指南进行安装。如果你用Python的目的是数据分析，可以直接安装Anaconda：

Windows环境下打开Cmd(开始—运行—CMD)，苹果系统环境下请打开Terminal(command+空格输入Terminal)，准备开始输入命令安装依赖。

当然，我更推荐大家用VSCode编辑器，把本文代码Copy下来，在编辑器下方的终端运行命令安装依赖模块，多舒服的一件事啊：Python 编程的最好搭档—VSCode 详细指南。

在终端输入以下命令安装我们所需要的依赖模块:

pip install backtrader

看到 Successfully installed xxx 则说明安装成功。

2.基础使用

在开始之前，你必须要知道backtrader的数据结构特点：

self.dataclose[0] # 当日的收盘价self.dataclose[-1] # 昨天的收盘价self.dataclose[-2] # 前天的收盘价

这一点我在一开始使用的时候也被作者的逻辑震惊了，原来还能这么玩，总而言之，请记住这个特点，否则你可能会完全看不懂策略。

2.1 资金与佣金

Backtrader 初始化模型后，即可通过broker(经纪人)来设定初始资金，如下所示：

现实生活中的股票交易里，每次交易都需要支付一定的佣金，比如万五(交易额每满一万元收取5元佣金)万三等，在Backtrader里你只需要这么设定即可：

cerebro.broker.setcommission(0.005)

设定需要设定每次交易买入的股数，可以这样

cerebro.addsizer(bt.sizers.FixedSize, stake=100)

2.2 加载数据

Backtrader 将数据集称作为 Data Feeds，默认的数据集是yahoo的股票数据，通过以下方式可以加载：

当然，载入自己的数据也是可以的，只不过你需要设定每个列的含义，比如开盘价在第4列，则open=3(从0开始算起)，如下所示:

下面，咱会使用自己的数据进行回测，这样才够有代入感。

2.3 构建策略

使用backtrader构建策略是一件很简单的事情，你只需要继承backtrader的策略类，并重写部分方法，就能实现策略。比如说重写属于我们自己的log函数：

最重要的是，重写我们自己的交易策略，比如咱在开头提到的均线金叉死叉策略：

有用吗？待会儿我们回测后就知道了。

2.4 添加指标

backtrader内置了许多指标的计算方法，比如移动平均线、MACD、RSI等等，我们这一篇文章仅需要移动平均线MA，设置方法如下：

self.sma5 = bt.indicators.SimpleMovingAverage(self.datas[0], period=5)

其中，datas[0]是第一个数据集，period是指多少天的移动平均线，比如5，则返回MA5的相关数据。

3.策略回测

为了验证我们开头提到的策略，咱使用了 贵州茅台600519.SH 在2020年1月1日至今(2020/04/12)的股票数据，完整数据和源代码可在公众号后台回复量化投资1进行下载。

将数据命名为600519.csv，保存在当前文件夹下，主函数如下：

最后补全策略就完成了，我们的backtrader策略如下，为了公众号的可读性，这里去掉了部分代码，详细的代码可阅读原文或后台回复量化投资1下载：

这份代码看起来很长，但其实把注释去掉后，实现的是很简单的逻辑。效果如何？看下图就知道了：

可以看到，我们初始资金是100万，每次交易100股，虽然偶尔有盈利，如果严格按照这个策略执行十年，最后会亏损5万元。当然，现实生活中，有时候情形好你肯定会加仓，情形差你会减仓，而这里暂时只是一个简单的买入卖出策略。

但是这种简单的实现方式，往往最能帮助你理性地分析该策略的合理性，如果说一个策略总是需要你主观地去加仓、减仓，那该策略势必存在问题。真正好的策略，从概率上来讲，简单回测的结果总会是盈利的。

所以这种单纯的、简单的均线金叉死叉策略有用吗？我认为效果有限。网上策略很多，大家也可以试试别的策略，如果遇到好用的，记得告诉我(滑稽)。

我们的文章到此就结束啦，如果你喜欢今天的Python 实战教程，请持续关注Python实用宝典。

原创不易，希望你能在下面点个赞和在看支持我继续创作，谢谢！

点击下方阅读原文可获得更好的阅读体验

Python实用宝典 (pythondict.com)

不只是一个宝典

欢迎关注公众号：Python实用宝典