数据源：akshare
回测工具：backtrader
策略：突破20日均线买入，跌破20日均线卖出
代码：
from datetime import datetime
import backtrader as bt #1.9.78.123
import matplotlib.pyplot as plt #3.8.3
import akshare as ak #1.12.95
import pandas as pd #2.2.1plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False# 利用 AKShare 获取股票的前复权数据，这里只获取前 6 列
stock_qfq_df = ak.stock_zh_a_hist(symbol="000001", adjust="qfq").iloc[:, :6]
# 处理字段命名，以符合 Backtrader 的要求
stock_qfq_df.columns = ['date','open','close','high','low','volume',
]
# 把 date 作为日期索引，以符合 Backtrader 的要求
stock_qfq_df.index = pd.to_datetime(stock_qfq_df['date'])class MyStrategy(bt.Strategy):"""主策略程序"""params = (("maperiod", 20),) # 全局设定交易策略的参数def __init__(self):"""初始化函数"""self.data_close = self.datas[0].close # 指定价格序列# 初始化交易指令、买卖价格和手续费self.order = Noneself.buy_price = Noneself.buy_comm = None# 添加移动均线指标self.sma = bt.indicators.SimpleMovingAverage(self.datas[0], period=self.params.maperiod)def next(self):"""执行逻辑"""if self.order: # 检查是否有指令等待执行,return# 检查是否持仓if not self.position: # 没有持仓if self.data_close[0] > self.sma[0]: # 执行买入条件判断：收盘价格上涨突破20日均线self.order = self.buy(size=1000) # 执行买入else:if self.data_close[0] < self.sma[0]: # 执行卖出条件判断：收盘价格跌破20日均线self.order = self.sell(size=1000) # 执行卖出cerebro = bt.Cerebro() # 初始化回测系统
start_date = datetime(2024, 1, 1) # 回测开始时间
end_date = datetime.now() # 回测结束时间
data = bt.feeds.PandasData(dataname=stock_qfq_df, fromdate=start_date, todate=end_date) # 加载数据
cerebro.adddata(data) # 将数据传入回测系统
cerebro.addstrategy(MyStrategy) # 将交易策略加载到回测系统中
start_cash = 1000000
cerebro.broker.setcash(start_cash) # 设置初始资本为 100000
cerebro.broker.setcommission(commission=0.002) # 设置交易手续费为 0.2%
cerebro.run() # 运行回测系统port_value = cerebro.broker.getvalue() # 获取回测结束后的总资金
pnl = port_value - start_cash # 盈亏统计print(f"初始资金: {start_cash}\n回测期间：{start_date.strftime('%Y-%m-%d')}:{end_date.strftime('%Y-%m-%d')}")
print(f"总资金: {round(port_value, 2)}")
print(f"净收益: {round(pnl, 2)}")cerebro.plot(style='candlestick') # 画图结果：
初始资金: 1000000
回测期间：2024-01-01:2024-03-19
总资金: 1000770.78
净收益: 770.78
