写在前面

在进行量化策略开发时，必不可少的就是策略回测，虽然有很多量化回测平台如三大矿可以帮助我们进行策略的开发和回测。但是借助别人的平台也有一些弊端，如无法了解回测过程从而无法进行策略执行细节的研究，无法利用本地数据进行测试，或者策略的安全性等等。除了自己搭建回测框架之外，还可以选择利用一些现有的回测框架进行本地化开发。本文介绍了几种国内外比较有名的量化回测框架，并且它们都是基于python进行开发的。

Zipline

zipline是美国著名的量化策略平台quantopian开发和维护的量化交易库，并且quantopian量化平台的回测引擎也是基于zipline的，除此之外，像国内比较有名的三大矿聚宽(JointQuant)、米筐(RiceQuant)、优矿的回测引擎也是基于此。另外，由于quantopian平台多年的使用，zipline的专业性是可以保证的，并且zipline在github中的代码也在保持不断更新和改进。

zipline是一种事件驱动（event-driven）的回测框架，有完整的文档和社区，如果你是对国外美股交易感兴趣，那么zipline将比较合适；但是对于国内像A股的数据则无法支持，只能通过本地化的数据进行回测。

zipline的tutorial可以参考它的官方教程：https://www.zipline.io/beginner-tutorial或者Gitbook出品的中文教程：https://rainx.gitbooks.io/-zipline/content/

PyAlgoTrade

pyalgotrade同样也是一个事件驱动的回测框架，虽然不如zipline的名气大，但是同样也具有完善的社区和详细的文档。据说pyalgotrade的运行速度和灵活度要比zipline强，但是缺点是不支持pandas。pyalgotrade的tutoral可以参考它的官方教程：http://gbeced.github.io/pyalgotrade/docs/v0.20/html/tutorial.html

BackTrader

backtrader是一个功能强大的量化策略回测平台，近些年来也一直在保持着github上代码的更新。关于backtrader的学习可以参考backtrader的官方文档：https://www.backtrader.com/docu/

Catalyst

近些年由于虚拟货币的交易需求，所以也有很多针对于虚拟货币交易的量化回测平台。Catalyst是一个底层基于zipline的算法交易框架，目前比较成熟，并且可以支持策略的回测与实盘（ 目前支持四家交易所 Binance, Bitfinex, Bittrex, Poloniex) 。它的官方教程是：https://enigma.co/catalyst/

Vn.py

vn.py是国内由陈晓优大佬团队开发量化交易框架，它目前在github上star和fork的数量已经超过了zipline，目前是全球开源量化框架的首位，这确实也是一件值得骄傲的事情。另外，vn.py主要侧重于实盘交易，同样支持通过历史数据进行回测，包括数据的可视化、收益结果、参数调优等，除此之外，它还具备一些常用的CTA策略、SpreadTrading价差交易、行情录制等功能，并且它还具备完善的社区以及教程。新手在使用时，可以通过它的GUI环境VN Station进行使用，同时也可以基于它的策略模版进行自定义的策略开发。关于vnpy的学习可以参考它的官方教程：https://www.vnpy.com/docs/cn/index.html

总结

最后，关于回测框架之间如果问到哪个最好哪个最坏其实没有什么意义，回测框架不需要都去学习和使用（当然，如果说自己需要开发回测框架的话，借鉴一下他们开发的一些细节和逻辑也未尝不可），如果仅是用于本地测试，选择一种最适合自己需求的框架即可。

【python量化】国内外基于python开发的量化回测框架相关推荐

1. Quant工具箱：量化开发之事件驱动回测框架与实盘交易系统

   所以这一章,我们将分别聊一遍 事件驱动回测框架 和 实盘交易系统 的架构与实现细节.这篇开始就逐渐有工程味道了,小伙伴们准备好哦. 一.事件驱动回测 承接着向量化回测,这一篇我们先说事件驱动回测模块. ...

2. 量化策略——准备3 数据、Backtrader回测框架与quantstats评价指标

   我们一般使用AKShare这个库来获取股票数据或策略中用得到的数据: AKShare github主页:https://github.com/akfamily/akshare 使用Backtrader ...

3. 《Python股票量化交易从入门到实践》随书赠送“回测框架”的使用帮助

   点击:QTYX最新版本使用指南[文字版] 点击:QTYX最新版本使用指南[视频版] 点击: QTYX历史版本更新说明 赠送"回测框架"的目的 为了帮助读者再建立一座从书本知识到实战 ...

4. python量化策略源码_Python量化交易进阶讲堂-创建自定义量化回测框架

   欢迎大家订阅<Python实战-构建基于股票的量化交易系统>小册子,小册子会陆续推出与小册内容相关的专栏文章,对涉及到的知识点进行更全面的扩展介绍,并且会有选择地收录至小册中,更便于广大读 ...

5. python量化回测框架_股票量化交易回测框架pyalgotrade源码阅读(一)

   PyAlgoTrade是什么呢? 一个股票量化交易的策略回测框架. 而作者的说明如下. To make it easy to backtest stock trading strategies. 简单 ...

6. Python 量化投资实战教程(3) —A股回测MACD策略

   量化投资系列文章: Backtrader 教程 - Python 量化投资实战教程(1) Python 量化投资实战教程(2) -MACD策略(+26.9%) Python 量化投资实战教程(3) - ...

7. 手把手教你用Python搭建自己的量化回测框架【均值回归策略】

   1 引言 大部分量化策略都可以归类为均值回归与动量策略.事实上,只有当股票价格是均值回归或趋势的,交易策略才能盈利.否则,价格是随机游走的,交易将无利可图.均值回归是金融学的一个重要概念,指股票价格无 ...

8. Python量化交易实战-38使用开源项目回测双均线策略

   B站配套视频教程观看 使用PyAlgoTrade回测双均线策略 双均线策略:长短周期均线,通过金叉,死叉的方式买入卖出股票,获取收益的策略. 回顾上节课代码的部分,上节课完成了可视化代码的部分, 主要 ...

9. 量化交易如何进行回测+模拟+实盘？包括哪些回测框架？

   大家在进行实盘交易前,必须对量化交易策略进行回测和模拟,以确定策略是否有效,并进行改进和优化.作为一般人而言,你能想到的,一般都有人做过了.回测框架也如此.当前小白看到的主要有如下五个回测框架: 1. ...

最新文章

1. 王贻芳院士：为什么中国要探究中微子实验？
2. ON、WHERE、HAVING的区别
3. 后盾网lavarel视频项目---lavarel用户认证实例
4. mongodb type
5. java异步servlet_Servlet 3.0 异步处理详解
6. 三条Windows 7小技巧
7. C++ 异常 与 ”为什么析构函数不能抛出异常“ 问题
8. 容器安全 - 非特权/非root用户运行容器，提升容器的运行安全
9. WannaCry病毒阴魂不散：本田一家工厂受影响停产一天
10. 怎样在Delphi中屏蔽Flash控件的右键弹出菜单
11. 2020 年，程序员如何拥抱 5G ？
12. 大数据学习总结（4）参考splunk架构
13. 让程序员爱不释手的两个导航网站
14. 【Chia开发文档】Offer 类的属性、使用方法、作用及返回值
15. K米在线超市实施步骤及检查列表
16. jcp jsr_JCP成为“可怕的单一文化”
17. Python之word2vec用法说明
18. 谷歌浏览器Google如何设置站点弹出窗口
19. 2019规划：放下所有，轻松上阵，大胆尝试，勇于实践，经商赚钱，考证提高，随时煅炼
20. 用C++实现矩阵计算器

热门文章

1. 如何理解PoW工作量证明？
2. 方差分析与单因素方差分析
3. python print 函数出错
4. python-基于yagmail库开发自动邮件发送程序
5. openlayers地图初始化
6. Docker 磁盘空间使用分析与清理 解决磁盘空间不足
7. 【论文阅读】Blur Calibration for Depth from Defocus
8. 软件体系结构KWIC索引结构
9. MacOS XPC的使用入门
10. Scala 之 Map 操作大全