基于 BackTrader 的量化回测系统架构

介绍

量化回测系统是用于根据历史数据，验证交易策略好坏的试验场。业界有大量开源或闭源的量化回测系统，在 Python 生态下，也有多个著名的量化开源框架，本文主要基于 BackTrader 框架。

量化回测系统与 BackTrader 框架是什么关系？BackTrader 框架仅提供必要的抽象和核心逻辑。而一个完整的量化系统，还包括金融数据获取，策略效果分析，数据分析等由分析师主观进行的工作。甚至还包括交互界面、运维等能使系统更加易用的计算机技术。

本文系统设计的实现，收到了牙医小赵的开源实现的启发，站在了巨人的肩膀上。

搞量化研究首先需要股票数据，就如同搞机器学习首先需要数据集一样。数据成为草根进行量化学习的第一道拦路虎。

数据既重要、也不重要，两面都具备。

做量化研究，重点是基于数据进行策略分析、挖掘。策略、理论、算法才是重要的。从这一维度上说数据并不重要。

这就好像你花重金买了一套汽修设备，有了设备并不代表自己会修理汽车，而修理汽车一定要有专业设备。

数据集的好坏会影响到数据决策。包含以下几个因素：

我在这一步里走了很多弯路，原因在于我的重心放在打造一个完美的股票数据系统。

这件事情也有意义，但是偏离了主题。

直到我发现，对于学习量化来说，一个不完美的数据系统也足够用。

目前我选择了一个固定的时间段作为数据集，如果数据集固定下来，一切都变得很容易。于是我快速跨过了这个环节，正式进入到量化的殿堂中。

我建议很多跟我一样，自学量化的小伙伴们，初期不要在数据上花费太多时间。快速跳过这一步。

交易系统是对 BackTrader 框架的二次封装，包括单股回测、全市场回测以及策略调优等功能。

BackTrader 提供了 bt.Strategy 策略基类，供分析师编写策略。但是该基类功能有些单一，通常会进行二次封装，比如在交易过程中打印一些 log，更便于了解回测过程。

策略基类可参见小赵老师的 tradesys 的 Strategy 类。

建议参见小赵老师的 tradesys，里面给出了一个考虑印花税和佣金的 bt.CommInfoBase 手续费实现 CNA_Commission。

同时还实现了一个手续费分析器 CostAnalyzer。