只是想验证一个策略想法
走标准 pip 安装即可：装好、备好 OHLCV 数据、写一个 Strategy 子类就能跑。若你连环境都不想维护，可以先看「免部署一句话研究」的另一条路线，但要注意它和本项目是两条独立路线，前者不能替代后者的代码级可控回测。
Installation · Python 回测库
Backtesting.py 安装：pip install backtesting 与源码方式教程
Backtesting.py 是一个 Python 回测库，官方安装方式只有一行 pip install backtesting，但真正卡住人的通常不是这一行命令，而是「装到哪个 Python 里」「依赖版本对不对」「装完怎么确认能跑」。本页把它拆成可对照执行的检查表：安装方式对照、依赖边界、装完自检清单、报错排查表，每一步都给出真实命令与预期输出，并注明哪些结论以官方 README 与 PyPI 为准。另外提醒一句：安装只是起点，真正影响回测结论的是数据口径、手续费假设与参数区间，这三件事在下单看数字之前就要先定好。
pip install backtesting官方安装方式
虚拟环境先隔离再安装
依赖pandas + bokeh
自检命令 + 预期输出
测试版本backtesting 0.6.6（PyPI 发布版）Python 版本本站实测 3.11.9；官方要求以 README / PyPI 为准最后核验2026-09-29（实验数据 2026-09-24 运行）数据来源官方 README / PyPI 与本地安装输出（不涉及行情数据）适用市场不涉及（本页只验证环境）可直接复现是（pip 与自检命令可直接复现）含交易成本不涉及（本页不产出绩效数字）样本外验证不涉及
Options
Backtesting.py 的安装方式怎么选？几条路径对照
官方 README 与 PyPI 给出的安装入口是 pip；下表把常见安装路径放在一起对比，重点看「什么时候用」和「容易踩什么」。
| 安装方式 | 命令 | 适用场景 | 注意点 |
|---|---|---|---|
| pip 基础安装 | pip install backtesting | 绝大多数使用场景，官方推荐入口 | 装到当前解释器下；多环境机器上先确认 python 与 pip 是否同源 |
| 升级到最新发布版 | pip install -U backtesting | 已装过旧版本，想跟官方发布版 | 升级后重跑一次导入自检；依赖版本随发布变化，以 PyPI 页面标注为准 |
| 虚拟环境内安装 | python -m venv .venv 激活后再 pip | 一台机器上跑多个项目、依赖易冲突 | 务必先激活环境再安装，否则会装到全局解释器 |
| 指定版本安装 | pip install backtesting==<版本号> | 复现某次回测结果、对照旧代码 | 版本号只能取自 PyPI 发布列表，本页不背书任何具体号段 |
| 从 GitHub 安装开发主线 | pip install git+https://github.com/kernc/backtesting.py | 想提前用未发布改动、自己提交补丁 | 主分支行为可能变化，回测结论要记录所用提交；生产环境请回到发布版 |
| 源码目录直接引用 | 克隆仓库后把目录放到项目路径 | 需要边读源码边改的实验 | 不走 pip 时依赖要自己装齐，且容易与已安装版本互相覆盖 |
| 加装第三方指标库 | 按需另装（如 talib） | 要在策略里用现成技术指标 | 该项目与指标库解耦，是否可用取决于该库自身与你的环境 |
| 内网/镜像源安装 | pip 加 -i 指定镜像源 | 公司内网或下载超时 | 镜像源同步时间不确定，装到的版本可能与官方最新不同 |
先确认一件事：它是回测库，安装只解决「能 import」；行情数据与策略代码需要你自己准备（数据格式与取数方式见数据页）。
Environment
Backtesting.py 的环境与依赖边界是什么？
下表把「装得对不对」的判断依据列出来：版本边界以官方声明为准，最后一列写的是不满足时你会看到什么现象。
| 依赖项 | 边界 | 作用 | 不满足时的现象 |
|---|---|---|---|
| Python | 官方声明 >= 3.9 | 运行环境 | 安装阶段直接失败并提示版本不受支持 |
| pip | 随 Python 自带，建议较新版本 | 安装入口 | 解析依赖失败、提示找不到匹配版本 |
| pandas | 运行时依赖，随包自动安装 | OHLCV 数据结构与计算 | 导入或构造数据时报缺库或版本冲突 |
| bokeh | 官方声明 >= 3.0.0 | 交互式图表渲染 | 回测能跑完但 plot() 报错或出不了图 |
| 第三方指标库（可选） | 按需自装 | 现成技术指标 | 只影响用到该库的策略，不影响回测主体 |
| 网络 | 安装期需要 | 下载包与依赖 | 下载超时、连接中断，表现为安装中途失败 |
| 磁盘与内存 | 无官方硬性数字 | 装包空间 + 回测时数据驻留 | 数据量大或参数扫描时进程被系统结束 |
边界提醒：上表版本约束取自官方仓库与 PyPI 的公开声明，具体小版本变化请以官方 README、PyPI 页面与官方文档为准；本页不替代官方安装说明。遇到与本文不一致的地方，一律以官方说明为准。若你的机器上已装过其它数据分析库，建议先在干净虚拟环境里按上表逐项确认，再决定是否升级全局依赖——升级容易，回退往往更麻烦。
Steps
分步安装与验证怎么做？五步走完
五步走完，每步都给出命令、一句话说明和可验证的预期输出；命令里的版本号与依赖解析结果会随官方发布变化，属正常。
确认解释器与 pip 来源
先确认你即将安装到哪个 Python 里，避免装完却在另一个环境导入。
python -V python -m pip -V
预期输出：两条命令都打印出版本号，且第二条的路径与上一条指向同一套 Python（路径前缀一致即正常）。
创建并激活虚拟环境
用 venv 隔离依赖，避免与系统或其他项目互相影响。
python -m venv .venv :: Windows 激活 .venv\Scripts\activate
预期输出：命令行提示符前出现
(.venv)；再执行python -V显示的仍是同一版本。执行官方安装命令
安装本体，pip 会自动解析 pandas 与 bokeh 依赖。
pip install backtesting
预期输出：末尾出现
Successfully installed backtesting-...（版本号以 PyPI 当前发布为准）。导入自检
确认装好的包能被子解释器导入，这是「装成功」的判据。
python -c "import backtesting; print(backtesting.__version__)"
预期输出：打印出版本号；若报
ModuleNotFoundError，说明装到了别的环境，回到第 1 步核对。跑通一次最小回测
用官方示例数据跑一次，确认依赖链路（数据 → 回测 → 出图）完整。
from backtesting import Backtest, Strategy from backtesting.test import GOOG bt = Backtest(GOOG, Strategy, cash=10000) print(bt.run().head())
预期输出：打印出绩效摘要（含区间与收益指标）；若卡在出图环节，检查 bokeh 是否为 >= 3.0.0——示例调用与字段名以官方文档为准。
不需要激活环境时：CI 或脚本里可以直接用
python -m pip install backtesting 指定解释器安装，效果等同于先激活再 pip，命令细节以官方文档为准。如果你在 CI 里跑回测，建议把安装命令与解释器版本一起写进流水线说明，这样别人复现你的结论时不会先卡在环境上。Self-check
装完怎么自检？七项逐条确认
装完别急着写策略，先按这张表逐项确认；每项都有命令、预期输出和「不通过时先查什么」，比反复重装更快定位问题。
| 检查项 | 命令 | 预期输出 | 不通过时先查什么 |
|---|---|---|---|
| 解释器可用 | python -V | 打印版本号且 >= 3.9 | 系统 PATH 里是否还有更早的 Python 抢先被调用 |
| pip 指向同一环境 | python -m pip -V | 路径与上一条解释器一致 | 是否用了全局 pip；改用 python -m pip 形式执行 |
| 包已安装 | pip show backtesting | 显示名称、版本与安装位置 | 是否在虚拟环境外执行了安装命令 |
| 可被导入 | python -c "import backtesting" | 无任何报错 | 同名目录遮蔽（项目里有同名文件夹） |
| 关键依赖在位 | python -c "import pandas, bokeh; print(pandas.__version__, bokeh.__version__)" | 打印两个版本号，bokeh 为 >= 3.0.0 | 是否装到了别处；是否需要 -U bokeh 升级 |
| 回测主体可运行 | 用示例数据执行一次 Backtest(...).run() | 返回含绩效指标的统计对象 | 数据列名是否为 Open/High/Low/Close/Volume |
| 出图链路可用 | 对同一结果执行一次 plot() | 生成可交互图表或输出文件 | bokeh 版本、浏览器环境与输出方式 |
| 环境隔离生效 | 对比 python -V 与全局解释器路径 | 两者路径不同，指向虚拟环境内 | 是否忘记激活；安装与运行是否用了同一个解释器 |
口径说明：上表命令与字段名以官方 README 与官方文档为准；不同小版本的提示文案可能不同，只要功能正常即可，不必逐字对照。若某一步的输出与预期不符，先在干净虚拟环境里重跑一次，确认不是历史环境残留造成的干扰，再去查其它原因。
Other routes
Backtesting.py 还有哪些安装与使用路径？
除标准 pip 安装外，还有几种常见路径；选哪条取决于你是「只想用」还是「要改」，以及网络与团队的约束。
| 路径 | 怎么做 | 适合谁 | 代价与注意点 |
|---|---|---|---|
| 标准 pip 安装 | 虚拟环境内 pip install backtesting | 只想尽快跑通回测的研究者 | 升级会跟随官方发布，结论要记录版本 |
| 锁定版本复现 | 安装时指定版本号，并记录在项目说明里 | 要与同事或历史结论对齐 | 版本号需查 PyPI，本页不提供号段背书记录 |
| GitHub 开发主线 | 用上表同一 git+ 仓库地址安装主分支 | 想用未发布改动、要给上游提补丁 | 行为可能随时变化，不适合作为长期生产依赖 |
| 源码目录引用 | 克隆后放入项目路径直接 import | 要边读源码边调试实现细节 | 依赖需自装，且容易与已安装版本冲突 |
| 离线/内网安装 | 先在可联网机器下载，再拷贝安装包 | 内网环境、公司代理限制 | 依赖需一并带走，版本一致性要自己保证 |
| 容器化运行 | 在镜像里安装并固定依赖 | 团队统一环境、复现历史回测 | 镜像需自行维护；图形化出图在无界面环境下要改用输出文件 |
要在团队里复用
优先「虚拟环境 + 锁定版本 + 记录数据区间」三件套，把安装命令与版本号写进项目说明；回测结论如果要对齐，必须同时对齐代码版本、数据区间与手续费假设，否则数字没有可比性。团队协作里更常见的坑是「各人环境不同、结论看起来一样但细节不同」，所以环境说明建议连依赖清单一起留档。
要读源码或改实现
用 GitHub 安装或源码目录引用更直接，但请把改动与官方发布版分开管理：升级官方版本时先看你改过哪些文件，避免直接覆盖导致回测结论失效。若只是临时验证一个想法，也可以先在发布版上跑通，再决定要不要切到主分支。
能力边界：本项目定位是单资产回测库（不支持多资产组合与分数股交易，以官方说明为准），安装完成后仍需自备行情数据与策略逻辑；本页与本机技能路线之间没有已证实的集成关系。
Troubleshooting
Backtesting.py 安装报错怎么排查？
下表按「现象 → 可能原因 → 处理方式 → 预防」整理安装与导入阶段最常见的七类问题；报错原文与新版行为以官方文档为准。
| 现象 | 可能原因 | 处理方式 | 预防 |
|---|---|---|---|
ModuleNotFoundError: No module named 'backtesting' | 未安装，或装到了另一个 Python 环境 | 在当前解释器下用 python -m pip install backtesting 重装并复测导入 | 安装与运行使用同一解释器，命令统一用 python -m pip |
| 解析依赖失败或一直卡在下载 | 网络受限、镜像源不可用 | 换镜像源或先下载再离线安装 | 内网机器提前准备好安装包与依赖清单 |
| 提示 Python 版本不受支持 | 当前解释器低于官方声明的最低版本 | 换用更高版本的解释器，或在新虚拟环境里安装 | 建项目时先固定 Python 版本 |
| 导入时报依赖版本冲突 | 与环境中已有的 pandas / bokeh 版本相互不兼容 | 新建干净虚拟环境重装，先装本体再按需装其它库 | 一个项目一个虚拟环境，不共用全局解释器 |
回测能跑但 plot() 报错 | bokeh 未安装或低于官方声明版本 | 按 PyPI 标注的约束升级 bokeh，或先跳过出图 | 依赖升级后跑一次出图自检 |
| 导入成了项目里的同名模块 | 当前目录存在同名文件/文件夹，优先级高于已安装包 | 重命名本地文件，或在项目外目录运行脚本 | 不要用与依赖同名的文件名 |
| 升级后原有脚本报错 | 新版行为或依赖约束变化 | 按官方变更说明调整，必要时回退到之前版本 | 升级前记录当前版本与关键结论，便于回退对照 |
Verified env
Backtesting.py 装出来应该是哪个版本？实测环境清单
本节记录的是本次实测使用的环境快照与确认命令：安装成功不等于环境可用，解释器、依赖版本、样例数据与出图环境都可能单独出问题。下表六项各给出实测值，便于你在自己的机器上逐项对照。
| 记录项 | 确认命令 | 本次实测值 | 异常表现 | 处置 |
|---|---|---|---|---|
| 解释器是否一致 | python -c "import sys; print(sys.executable)" | 与本机 pip 一致的 3.11.9 解释器路径 | 与 pip 装到的解释器不是同一个 | 统一改用 python -m pip 安装，或建独立虚拟环境 |
| 库能否导入 | python -c "import backtesting; print(backtesting.__version__)" | 0.6.6 | ModuleNotFoundError | 确认装到了当前解释器；必要时重装同版本 |
| 依赖版本区间 | python -c "import pandas, numpy, bokeh; print(pandas.__version__, numpy.__version__, bokeh.__version__)" | 2.2.3 2.4.6 3.3.0 | ImportError 或依赖冲突 | 按官方元数据核对：numpy>=1.17.0、pandas!=0.25.0,>=0.25.0、bokeh!=3.0.*,!=3.2.*,>=3.0.0 |
| Python 版本门槛 | python -c "import sys; print(sys.version_info >= (3, 9))" | True | False | 官方元数据要求 Requires-Python >= 3.9，低于此版本需先升级解释器 |
| 内置样例数据 | python -c "from backtesting.test import GOOG, SMA; print(len(GOOG), list(GOOG.columns))" | 2148 与 Open/High/Low/Close/Volume | ImportError 或列名缺失 | 说明装到的不是完整发行版，按官方仓库重新安装 |
| 出图环境 | 跑一次 bt.plot() 并打开生成的 HTML | 图表可在浏览器打开、买卖点有标注 | 图打不开或空白 | 先确认浏览器环境；批量实验阶段可只保留统计结果不出图 |
# 一条命令跑完前五项（本次实测环境：Windows + Python 3.11.9）
python -c "import sys, backtesting, pandas, numpy, bokeh; \
print(sys.version.split()[0], backtesting.__version__, pandas.__version__, numpy.__version__, bokeh.__version__)"
# 实测输出：3.11.9 0.6.6 2.2.3 2.4.6 3.3.0为什么自检值得单独做一遍：Backtesting.py 的报错大多不是「装错了」而是「装到了别处」或「依赖被别的东西改过」。把上面五项的输出现场记下来，后面排查策略问题时就少一个变量；版本号与依赖区间以官方 PyPI 页面和你安装当时的实际输出为准。
Version traps
Backtesting.py 装完却跑不起来，先查哪五件事？
下面六类现象来自本次实测与官方元数据，按「出现频率从高到低」排列。每条都给出确认方式与依据来源，具体报错原文以你的终端输出与官方文档为准。
| 现象 | 常见原因 | 怎么确认 | 处置 | 依据 |
|---|---|---|---|---|
用 method='sambo' 优化时报 ImportError | sambo 不在默认依赖里，只列在 PyPI 的 test 附加项 | 直接调 optimize(method='sambo') | pip install sambo，或改用默认 method='grid' | 实测报错原文：ImportError: Need package 'sambo' for method='sambo'. pip install sambo |
| 导入时报 ModuleNotFoundError | 包装到了另一个解释器 | python -c "import sys; print(sys.executable)" 与 pip 输出对比 | 统一解释器，或建独立虚拟环境重装 | 本次实测环境要求：安装与运行必须同一个解释器 |
| 版本冲突 / 依赖被降级 | 与系统里已有包混装 | python -m pip check | 换干净环境重装，再对照官方依赖区间 | PyPI 元数据：numpy>=1.17.0、pandas!=0.25.0,>=0.25.0、bokeh!=3.0.*,!=3.2.*,>=3.0.0 |
| 下单时报 AssertionError | 下单数量不是整数股（例如 size=100.5） | 用最小脚本跑一次固定数量下单 | 先 int() 取整，再按 100 股整手处理 | 库断言原文：size must be a positive fraction of equity, or a positive whole number of units |
| 官方要求与本地 Python 不匹配 | 解释器版本低于官方门槛 | python --version | 升级到官方要求的版本区间内再装 | PyPI 元数据 Requires-Python >= 3.9；更换版本后请重跑上表自检 |
| 不清楚能不能商用 | 未确认许可条款 | 打开仓库根目录的 LICENSE 原文阅读 | 先做许可评估再集成，网络分发场景尤其要注意 | 仓库许可为 AGPL-3.0（PyPI License 字段同为 AGPL-3.0），本页不构成法律意见 |
排查顺序：先确认「解释器与库版本」（前三条），再确认「调用方式与参数」（第四条），最后才是许可与合规（第六条）。实测中最容易浪费时间的做法是：在依赖冲突的环境里反复改策略代码——那时代码并没有错。版本号、依赖区间与报错原文一律以官方仓库、PyPI 页面和你本机终端的实际输出为准。
FAQ
Backtesting.py 安装常见问题
包名到底是 backtesting 还是 backtesting.py？
PyPI 包名是 backtesting（安装命令 pip install backtesting），GitHub 仓库名才是 backtesting.py；两者指向同一项目。包名与命名规则以官方 README 与 PyPI 页面为准；搜索教程时如果看到两种写法，指的都是同一个项目，不要以为是两个库。
Backtesting.py 需要什么 Python 版本？
官方声明 Python >= 3.9，建议直接用更高版本并配合虚拟环境；具体支持范围以 PyPI 页面标注为准，不要照抄第三方教程里的旧版本号。如果团队里有人用旧版本解释器，建议在虚拟环境里各装一份、分别验证，而不是把全局环境升到最新再回头修别人的脚本。
依赖哪些库，需要自己装指标库吗？
运行时依赖 pandas 与 bokeh（官方声明 >= 3.0.0），pip 会自动解析；技术指标库是可选的，本项目与指标库解耦，用不用 talib 取决于你的策略。依赖清单以官方 README 与 PyPI 为准。
Backtesting.py 能用在 A 股数据上吗？
只要能整理成带 Open/High/Low/Close/Volume 列的时间索引数据即可用于回测；取数方式（本地文件、公开接口等）与字段口径需自行确认，具体数据要求见数据页。A 股常见的复权与停牌处理没有统一默认值，属你自己的数据准备工作。建议先把「用哪一段区间、用哪种复权口径」写清楚，再去比较回测数字，否则换了口径结论就会变。
支持多资产组合和分数股吗？
官方说明其定位是单资产回测，不支持多资产组合与分数股交易，适合单标的方向性策略研究；如果你需要组合级回测，需要在别的工具里完成或自行扩展。能力边界以官方 README 为准，使用前建议先想清楚策略属于单标的还是组合级，避免做到一半才发现工具不匹配。
能在本机技能里一键安装 Backtesting.py 吗？
没有已证实的集成关系：它通过 pip 独立安装，本机技能提供的是另一条免部署的研究路线，两者互不替代。是否存在后续集成以双方官方说明为准，本页不做任何暗示。你现在能确定的是：安装与运行完全在本地 Python 环境里完成，回测结论与是否安装其它工具无关。