Backtrader 演示程序

这是一个使用 Backtrader 框架的量化交易回测演示程序。

功能特性

• 简单移动平均线交叉策略: 实现了基于短期和长期移动平均线交叉的交易策略
• 完整的回测框架: 包含订单管理、交易通知、性能分析等功能
• 示例数据生成: 自动生成模拟的股价数据用于回测
• 性能分析: 计算夏普比率、总收益率、最大回撤等关键指标
• 图表可视化: 生成K线图和交易信号图表

安装依赖

首先激活虚拟环境，然后安装所需的依赖包：

# 激活虚拟环境
source .venv/bin/activate

# 安装依赖
pip install -r requirements.txt

运行程序

python main.py

策略说明

SimpleMovingAverageStrategy

这是一个基于移动平均线交叉的简单策略：

• 买入信号: 当10日移动平均线上穿30日移动平均线时买入
• 卖出信号: 当10日移动平均线下穿30日移动平均线时卖出

参数配置

• short_period: 短期移动平均线周期（默认10）
• long_period: 长期移动平均线周期（默认30）
• printlog: 是否打印交易日志（默认True）

回测设置

• 初始资金: 10,000元
• 手续费: 0.1%
• 数据周期: 2023年全年日线数据
• 交易模式: 全仓交易

输出结果

程序运行后会显示：

1. 详细的交易日志（买入/卖出信号和执行情况）
2. 最终资金和收益情况
3. 关键性能指标：
   • 夏普比率
   • 总收益率
   • 最大回撤
4. 可视化图表（如果matplotlib可用）

扩展建议

1. 添加更多技术指标: RSI、MACD、布林带等
2. 优化参数: 使用网格搜索或遗传算法优化策略参数
3. 风险管理: 添加止损、止盈、仓位管理等功能
4. 实盘数据: 集成真实的股票或加密货币数据源
5. 多策略组合: 实现多个策略的组合和轮换

注意事项

• 这只是一个演示程序，实际交易前请充分测试和验证策略
• 历史回测结果不代表未来表现
• 请根据自己的风险承受能力调整策略参数

---

接入 TimescaleDB 基金数据（fund_market）

项目提供 datafeed/TimescaleFundData，使用 psycopg2 直接读取 TimescaleDB 的 trader 库中 fund_market 表，并适配为 Backtrader 的数据源。

连接与使用示例

import backtrader as bt
from datafeed import TimescaleFundData
from main import SimpleMovingAverageStrategy  # 或者你自己的策略

# 创建引擎
cerebro = bt.Cerebro()

# 加载基金数据（示例基金代码与时间范围）
data = TimescaleFundData(
    conn_str='postgresql://user:pass@host:5432/trader',
    fund_code='110022',
    start='2023-01-01',
    end='2023-12-31'
)

# 添加数据与策略
cerebro.adddata(data)
cerebro.addstrategy(SimpleMovingAverageStrategy)

# 基本回测设置
cerebro.broker.setcash(10000.0)
cerebro.broker.setcommission(commission=0.001)

# 运行
cerebro.run()

列名映射与自动推断

• 默认会自动从 fund_market 表中推断以下关键列（若存在）：
  • 时间列：time / timestamp / ts / date / dt
  • 收盘价/净值：close / price / nav / last
  • 代码列：fund_code / code / symbol
  • 其他可选：open、high、low、volume
• 若你的表结构不同，可显式指定列名，例如：

# 显式指定时间与价格列名（例如时间列为 ts，净值列为 nav）
data = TimescaleFundData(
    conn_str='postgresql://user:pass@host:5432/trader',
    fund_code='110022',
    start='2023-01-01',
    end='2023-12-31',
    time_col='ts',
    close_col='nav'
)

数据缺失处理

• 若仅有单价（如净值），会自动将 Open/High/Low 填充为 Close，Volume 填充为 0，以满足 Backtrader 的 OHLCV 结构要求。