我们本期的源码给大家带来的是视频配套的量化交易框架backtrader的双均线策略回测源码，利用backtrader来回测我们之前的双均线交易策略。

开始前，我们需要安装backtrader的包

pip install backtrader

安装完成之后，我们下面就开始利用backtrader进行我们策略的回测。

我们按照步骤，跟大家进行回测源码的解析。

• 导入包

import backtrader as btimport tushare as tsimport pandas as pdfrom datetime import datetime

• 定义一个方法进行数据的预处理，数据预处理主要是为了按照backtrader的数据格式要求进行整理，整理成backtrader可识别的数据结构。

def get_data(start):    df = ts.pro_bar(ts_code='000001.SZ', adj='qfq', start_date=start)    df = df.iloc[::-1]    df.index = pd.to_datetime(df.trade_date)    df['openinterest'] = 0    df = df[['open', 'high', 'low', 'close', 'vol', 'openinterest']]    df = df.rename(columns={'vol': 'volume'})    return df

• 继承backtrader提供的strategy类，根据我们策略的思维，进行回测策略的编写。这边的核心代码部分是next的函数方法。

class MyStrategy(bt.Strategy):    def log(self, txt, dt = None):        dt = dt or self.datas[0].datetime.date(0)        print('%s,%s' % (dt.isoformat(), txt))    def __init__(self):        # 指定价格序列        self.dataclose = self.datas[0].close        # 交易定订单状态初始化        self.order = None        # 计算两条均线的值        self.wma = bt.talib.WMA(self.dataclose, timeperiod=15)        self.dema = bt.talib.DEMA(self.dataclose, timeperiod=15)    def next(self):        # 检查订单状态        if self.order:            print("等待成交")        # 检查持仓        if not self.position:            # 没有持仓,买入开仓            if self.dema[0] > self.wma[0]:                print('===============')                print("快均线上穿慢均线，执行买入")                self.order = self.buy(size=5000)        else:            # 手里有持仓，判断卖平            if self.dema[0] < self.wma[0]:                print('===============')                print("快均线下穿慢均线，执行卖出")                self.order = self.sell(size=5000)    def notify_order(self, order):        if order.status in [order.Submitted, order.Accepted]:            if order.status in [order.Submitted]:                self.log("提交订单……")            if order.status in [order.Accepted]:                self.log("接受订单……")            return        if order.status in [order.Completed]:            if order.isbuy():                self.log("执行买入，%.2f"%order.executed.price)            if order.issell():                self.log("执行卖出，%.2f"%order.executed.price)        self.log('订单完成！')        print("======================")        self.order = None

• 最后，我们将数据和策略放入backtrader的broker，同时设定初始化参数，比如资金和手续费等。设置完成后，我们调用start方法启动回测，回测完成后，我们画出回测结果的可视化图形。

# 第一步 获取数据start = datetime(2020, 1, 1)end = datetime(2020, 11, 26)k_line_data = get_data(start.date().strftime("%Y%M%D"))# 最终需要的数据data = bt.feeds.PandasData(dataname=k_line_data, fromdate=start, todate=end)# 加载backtrader引擎back_trader = bt.Cerebro()# 将数据传入back_trader.adddata(data)# 策略加进来back_trader.addstrategy(MyStrategy)#back_trader.broker.set_coc(True)# 账户资金初始化startCash = 100000back_trader.broker.setcash(startCash)# 设置手续费back_trader.broker.setcommission(commission=0.001)# 输出初始数据d1 = start.strftime("%Y%M%D")d2 = end.strftime("%Y%M%D")print(f'初始化资金：{startCash}，回测时间：{d1}：{d2}')# 开启回测results = back_trader.run()print('最终资金：%.2f'%back_trader.broker.getvalue())back_trader.plot(style='candlestick')

回测结果如下：

我们简单看下回测结果：

我们设置的初始资金是10万元整，最终的资金是122685，盈利了22685元。

在回测的区间，从2020年1月到2020年11月26号间，总共进行了4次交易，2次2次亏损。

从盈利结果来看，似乎是不错的。

但是，这里jeevan要提醒大家一点的是，回测不仅仅只是看回测最后的资金，一个好的策略，还应当包括策略的胜率，盈亏比，夏普率等等的因素综合考虑。我们这里仅演示如何使用backtrader，并不是一个完整的回测分析。

关于回测，我们后续会专门开课题跟大家讲如何进行真正的回测。

更多内容，欢迎关注头条号西瓜视频进行学习。

喜欢我们知识内容的，欢迎转发，点个【在看】支持下吧。转发本文章到朋友圈，给我们留言，即可获得完整的打包源码哦。