交互式图表
价格走势 + 买卖标记 + 权益曲线，可鼠标缩放、悬停查看。
Quickstart
完整快速开始代码
以下为官方 README 的 SmaCross 双均线交叉示例（示意，2026-09 核验）。
from backtesting import Backtest, Strategy
from backtesting.lib import crossover
from backtesting.test import SMA, GOOG
class SmaCross(Strategy):
def init(self):
price = self.data.Close
self.ma1 = self.I(SMA, price, 10)
self.ma2 = self.I(SMA, price, 20)
def next(self):
if crossover(self.ma1, self.ma2):
self.buy()
elif crossover(self.ma2, self.ma1):
self.sell()
bt = Backtest(GOOG, SmaCross, cash=10_000, commission=.002, exclusive_orders=True)
stats = bt.run()
print(stats)
bt.plot()Steps
分步说明
把上面的代码拆成四步理解。
导入模块
从
backtesting导入 Backtest、Strategy，从backtesting.lib导入 crossover，从backtesting.test导入示例指标 SMA 与数据 GOOG。定义策略
继承 Strategy，在
init计算 10/20 日 SMA，在next用 crossover 判断金叉买、死叉卖。运行回测
用
Backtest(GOOG, SmaCross, cash, commission)创建引擎，调用run()返回统计结果。查看结果
stats是 Series，含收益/回撤/胜率等；plot()打开交互式图表。
Results
回测结果字段对照
run() 返回的 stats 是 pandas Series，常见字段如下。
| 字段 | 含义 |
|---|---|
Equity Final [$] | 期末权益 |
Equity Peak [$] | 峰值权益 |
Return [%] | 总收益率 |
Max. Drawdown [%] | 最大回撤 |
Sharpe Ratio | 夏普比率 |
# Trades / Win Rate [%] | 交易次数 / 胜率 |
说明：字段名称以实际 run() 返回为准；以上为常见统计维度，用于评估而非收益保证。
Plot
绘图与结果保存
plot() 基于 bokeh 输出交互式图表，可缩放查看价格、买卖点与权益曲线。
保存为 HTML
通过 bokeh 输出到独立 HTML 文件，便于分享与归档。
stats 二次分析
stats 是 Series，可转 DataFrame 后导出 CSV 或接入 pandas 进一步分析。
Pitfalls
回测陷阱与验证
跑通示例只是第一步，正式回测前需规避以下常见陷阱。
| 陷阱 | 说明 | 规避 |
|---|---|---|
| 前瞻偏差 | 用未来数据做当前决策 | 用 trade_on_close 前确认成交时点假设；默认下一 bar 成交 |
| 过拟合 | 参数过度优化贴合历史 | 用样本外数据验证，控制参数搜索范围 |
| 忽略佣金/滑点 | 低估交易成本 | 设置合理的 commission，必要时加入滑点假设 |
| 单一标的结论外推 | 把单标的结论当普遍规律 | 多标的、多区间交叉验证 |
合规：回测结果仅代表历史表现，不构成收益保证或投资建议。
FAQ
首次运行常见问题
为什么用内置数据 GOOG？
GOOG 是 backtesting.test 提供的内置示例 OHLCV 数据，便于无需联网/自备数据即可跑通示例。
plot() 打不开图表？
确认 bokeh >= 3.0.0 已安装；plot() 会输出交互式 HTML，可在浏览器打开。
stats 里的收益率可信吗？
它是历史回测的统计结果，受数据、佣金与成交假设影响，不构成收益保证。
能直接换自己的股票数据吗？
可以。把 GOOG 换成你自己的 OHLCV DataFrame（Open/High/Low/Close/Volume 列），详见数据页。