zipline
事件驱动的回测引擎，被广泛用于因子与策略历史回测。
Trading & Backtesting
量化回测框架有哪些：awesome-quant 收录的回测与交易库
awesome-quant 的「交易与回测」类收录了 zipline、backtrader、PyAlgoTrade 等回测引擎，同时「金融工具与定价」「技术指标」「跨语言框架」几类也常与回测配套使用。下面是清单里可查到的代表性库。
回测引擎zipline / backtrader
交易框架PyAlgoTrade
Libraries
代表性回测与交易库
库名来自官方 README，收录不代表背书；各库独立安装维护。
backtrader
Python 回测与实盘交易框架，内置指标与订单管理。
PyAlgoTrade
轻量 Python 算法交易库，用于回测与策略模拟。
Related
常与回测配套的类
金融工具与定价
PyQL（QuantLib Python）、vollib 等期权与衍生品定价库。
技术指标
pandas_talib、finta 等基于 pandas 的技术指标库。
跨语言框架
连接 Python 与 C++/Java/Julia 等语言的量化框架桥接。
Route
回测自建，还是 EasyClaw 一句话研究？
回测库灵活但需要自己装环境、配数据、写策略；EasyClaw 量化 Skill 则把「找库、装库、写代码」压缩成一句话提问。
装 zipline/backtrader→配数据→写策略→跑回测
安装 EasyClaw→一句话提问
边界：回测结果仅代表历史表现，不构成收益保证或投资建议；EasyClaw Skill 与 awesome-quant 收录的第三方库无已证实集成。
Selection
选回测框架的四个维度
清单里的回测库各有所长，选型时可以从四个维度比较。
语言生态
Python 库最多；跨语言框架用于连接 C++/Java 等性能敏感场景。
数据接入
不同库对数据源、数据格式的适配程度不同，需与你的数据层匹配。
回测粒度与速度
事件驱动与向量化回测在速度、精度、复杂策略支持上各有取舍。
维护活跃度
优先选仍在维护、文档清晰的库，降低踩坑与兼容性风险。