【全网唯一中文】bt回测框架中文文档，不是backtrader！是bt

先复制一段官方的，中文文档在下面，也不说那么多了，要用到bt，肯定也知道他是干嘛的，，给博主点点关注点点赞！！！这样博主才能更新更多免费的教程，不然就直接丢付费专栏里了

前言

bt 是一个灵活的 Python 回测框架，用于测试定量 交易策略。回溯测试是在给定的 数据集。此框架允许您轻松创建混合和匹配的策略 不同的 Algos。它旨在促进创建易于测试、可重用和 灵活的策略逻辑区块，促进复杂 交易策略。

目标：让量化分析师免于重新发明轮子，让他们专注于 工作的重要组成部分 - 战略制定。

bt 使用 Python 编码，并加入了一个充满活力和丰富的数据分析生态系统。 存在许多用于机器学习、信号处理和统计的库，可以利用这些库来避免 重新发明轮子 - 使用其他轮子时经常发生的事情 没有同样丰富的高质量开源项目的语言。

bt 构建在 ffn 之上 - 一个用于 Python 的金融函数库。一探究竟！
 

特征

• 树形结构 树形结构有利于复杂算法交易的构建和组成 模块化和可重用的策略。此外，每个树节点都有自己的 价格指数，Algos 可以使用它来确定节点的分配。

• 算法堆栈 Algos 和 AlgoStacks 是 另一个有助于创建模块化和可重用策略的核心功能 逻辑。由于它们的模块化，这些逻辑块也更容易测试 - 这是构建稳健金融解决方案的重要一步。

• Charting and Reporting bt 还提供了许多有用的图表功能，有助于可视化回测 结果。我们还计划在未来添加更多的图表、表格和报告格式， 例如自动生成的 PDF 报告。

• 详细统计数据此外，bt 会计算一系列与回溯测试相关的统计数据，并提供一种快速的比较方法 通过 Results 显示方法进行许多不同的回测的这些不同的统计数据。

路线图

未来的开发工作将集中在：

• 速度由于 bt 的灵活性，必须在 可用性和性能。可用性永远是重中之重，但我们确实如此 希望尽可能提高性能。

• 算法随着时间的推移，我们还将开发更多算法。我们还 鼓励任何人也贡献自己的 ALGO。

• 图表和报告这是我们希望不断改进的另一个领域 因为报告是工作的一个重要方面。图表和报告 有助于在 Strategy Logic 中查找 bug。

安装 bt

最简单的安装方法是使用 Python Package Index ：btpip

pip install bt

由于 bt 有很多依赖项，我们强烈建议安装 Anaconda Scientific Python 分发，尤其是在 Windows 上。此发行版 预装了许多必需的软件包，包括 pip。安装 Anaconda 后，上述 命令应完成安装。

推荐设置

我们相信使用 bt 进行开发的最佳环境是 IPython Notebook。 从他们的主页上看，IPython Notebook 是：

<span style="background-color:var(--bgColor-muted, var(--color-canvas-subtle))"><span style="color:#1f2328"><span style="color:var(--fgColor-default, var(--color-fg-default))"><span style="background-color:var(--bgColor-muted, var(--color-canvas-subtle))"><code>"[...] a web-based interactive computational environment
where you can combine code execution, text, mathematics, plots and rich
media into a single document [...]"
</code></span></span></span></span>

此环境允许您内联绘制图表，还允许您 使用 Markdown 轻松添加周围的文本。您可以轻松创建具有以下特点的 Notebook 您可以与同事共享，也可以将它们另存为 PDF。如果你不是 但被说服了，请前往他们的网站。
 

 正文

以下是 bt 库中 algos 模块的类的翻译说明。这个模块包含了用于创建策略逻辑的各种算法（Algos）。

bt.algos.CapitalFlow(amount)

继承自：Algo

用于模拟资金流动。资金流动可以是流入或流出。

此算法可用于模拟资金流动。例如，一个养老金基金可能每月或每年都会有因缴款而产生的资金流入。此算法会影响目标节点的资本，但不会影响该节点的收益。

因为这是作为调整来建模的，因此在重新分配/再平衡之前，资本将保留在策略中。

参数：

• amount (float)：调整的金额。

bt.algos.CloseDead

继承自：Algo

关闭所有价格为零的头寸（我们假设这些股票已经不存在），并将它们从 temp['weights'] 中移除（如果它们碰巧进入了 temp['weights']）。应该在 Rebalance() 之前调用。

在正常工作流程中，这不是必需的，因为这些证券不会被 SelectAll(include_no_data=False) 或类似方法选择，并且 Rebalance() 会关闭 temp['weights'] 中不存在的头寸。但是，在某些情况下，当 include_no_data=False 无法使用或使用了一些修改过的加权方法时，CloseDead() 可以避免错误。

要求：

• weights

bt.algos.ClosePositionsAfterDates(close_dates)

继承自：Algo

在给定日期之后关闭证券头寸。这可以确保在到期/赎回的证券头寸被关闭。它还可以作为策略的一部分，例如确保策略不持有到期时间少于一年的证券。

注意，如果在堆栈中放置在 RunPeriod 算法之后，实际关闭头寸的时间将发生在提供的日期之后。要使其正常工作，即使已到期，证券的“价格”也必须存在到该日期为止。或者，使用 @run_always 装饰器立即关闭头寸。

此外，该算法不使用 temp['weights'] 和 Rebalance 进行操作，这样对冲（不包含在该工作流中）也会根据需要关闭。

参数：

• close_dates (str)：一个以证券名称为索引的数据框名称，列为“date”：我们希望尽快关闭头寸的日期。

设置：

• target.perm['closed']：用于跟踪已经关闭的证券。

bt.algos.Debug(name=None)

继承自：Algo

调试工具算法，在触发时调用 pdb.set_trace。

在调试会话中，target 可用，可以通过 StrategyBase 接口进行检查。

bt.algos.HedgeRisks(measures, pseudo=False, strategy=None, throw_nan=True)

继承自：Algo

使用选定的工具对风险测度进行对冲。

确保事先调用了 UpdateRisk 算法。

参数：

• measures (list)：要对冲的风险测度的名称。
• pseudo (bool)：是否使用伪逆来计算逆雅可比矩阵。如果为 False，则如果所选工具的数量不等于测度的数量，或如果雅可比矩阵是奇异的，则会失败。
• strategy (StrategyBase)：如果提供，将对冲该策略的风险以及目标的风险。这允许单独跟踪对冲和未对冲的性能。注意，risk_strategy 必须在对根的子树的深度优先遍历中早于 target 出现，否则对冲将在 risk_strategy 的头寸更新之前发生。
• throw_nan (bool)：是否在对冲数量为 nan 时抛出异常，而不是简单地不进行对冲。

要求：

• selected

bt.algos.LimitDeltas(limit=0.1)

继承自：Algo

基于权重增量限制修改 temp['weights']。

基本上，如果我们希望限制某个证券的目标权重从一天到另一天下降多少，这个算法非常有用。当我们希望对某一天的实际交易量更加保守而不影响市场时，也可以使用它。

例如，如果我们有一个策略目前持有 100% 的一个证券，而加权算法将新权重设为 0%，但我们使用此算法并将限制设置为 0.1，则新目标权重将为 90% 而不是 0%。

参数：

• limit (float, dict)：权重增量限制。如果为浮点数，则将是所有证券的全局限制。如果为字典，可以按股票代码指定限制。

设置：

• weights

要求：

• weights