pmorissette/bt · MIT · v1.2.3
bt 回测库：用算法树搭多资产组合回测
bt（pmorissette/bt）是一个 2014 年起持续维护的 Python 回测库。它把一次回测拆成四类可复用算法——什么时候调仓、选哪些券、怎么分权重、怎么成交——按顺序串成一棵策略树，再喂进「日期 × 资产」的价格矩阵，输出组合收益、权重、交易与回撤统计；绩效统计与图表由 ffn 提供。它更像「组合研究框架」而不是单标的快速试算工具。
项目来源
项目页面显示约 3.0k Star / 501 fork；该数字会随社区活动变化，采集日期为 2026-09-20。
查看源码与 release
bt 能解决什么问题？
官方 README 把它的价值写成四条：组合策略逻辑、把策略建成组合树、给交易成本建模、对比结果。翻译成研究场景就是下面四件事。
把策略拆成可复用算法
调度、选券、权重、再平衡各自是独立对象，同一套选券算法可以配上不同的权重与再平衡算法，改一个环节就能做对照实验，不必重写整个策略代码。
把多个策略装进一棵树
策略与证券可以嵌在同一棵树里，因此「先分子策略、再合并成组合」可以写成一个整体回测，而不是自己写循环拼接结果。
给交易成本建模
库内提供成本模型抽象（CostModel、SqrtCostModel、AlmgrenChrissCostModel）与佣金配置，用来观察换手与成本对绩效的影响，而不是默认「无摩擦成交」。
一次拿到多组结果
回测结果对象里同时有收益、权重、交易记录与回撤等统计（统计与图表由 ffn 提供），便于横向对比不同参数与不同组合结构。
一次回测怎么跑通？五步流程
前两步用官方 README 的合成价格示例，不需要下载任何行情数据就能验证环境是否装好；后三步才是真实研究要做的替换工作。命令与类名以官方 README 与 PyPI 包（1.2.3）为准。
什么时候动手
动哪些标的
各分多少
怎么成交
- 装环境并确认版本
命令：
pip install bt，随后python -c "import bt; print(bt.__version__)"。预期输出：1.2.3。若报缺少 pandas，见安装页的依赖边界说明。 - 用合成价格跑通最小回测
代码：README 示例——
bt.Strategy("equal_weight", [RunMonthly(), SelectAll(), WeighEqually(), Rebalance()])配bt.run(bt.Backtest(strategy, prices))。预期输出：result.display()打印统计表与净值曲线。合成价格用np.linspace生成，无需联网取数。 - 换成自己的价格矩阵
把
prices换成pd.DataFrame，行索引是DatetimeIndex，每列一个标的的收盘价。预期：列名即标的代码，缺失日期会按索引对齐，空值会参与计算，先查数据再跑。 - 按研究问题组合算法
把选券换成
SelectMomentum、权重换成WeighInvVol或WeighERC、再平衡换成RebalanceOverTime，即可得到不同的组合行为。预期：result.stats指标随算法组合改变。 - 读结果并做对照
看
result.stats、result.prices、result.weights、result.transactions，或用benchmark_random做随机基准对照。预期：能回答「超额来自选券还是来自权重」这类问题。
bt 的四个核心概念是什么？
下面四个名字在官方 README 与包结构里都能核到（bt/__init__.py 公开导出），理解它们就理解了 bt 的写法。
| 概念 | 它负责什么 | 适用场景 | 注意点 |
|---|---|---|---|
Algo | 最小动作单元，被调用时返回 True/False，用返回值决定后续算法是否继续执行 | 想复用某段判断逻辑（如「只在月末动手」） | 单个算法不产生交易，只改状态或目标权重 |
AlgoStack | 把多个算法按顺序串成一个整体，前一个返回 False 就短路 | 需要「条件不满足就跳过本次调仓」 | 顺序写反会得到完全不同的行为，先调度后选券 |
Strategy | 一棵策略树：持有算法栈与证券/子策略，运行时按数据时间轴推进 | 定义单个策略或嵌套子策略 | 只写选券不写 Rebalance 不会产生交易 |
Backtest | 把策略与价格数据绑定，作为一次回测任务 | 一个策略 × 一段数据 × 一组成本假设 | 数据是「日期 × 标的」的收盘价矩阵 |
bt.run | 执行一个或多个 Backtest 并汇总成结果对象 | 多策略并行对比 | 传多个 Backtest 得到组合结果，统计口径会合并 |
Result | 结果对象：stats / prices / weights / transactions 等 | 读指标、查交易明细、画图 | 统计与图表由 ffn 提供，字段口径以 ffn 文档为准 |
内置算法库有哪些类？
bt 1.2.3 的 bt.algos 里共 59 个算法类，按用途可以分成八组。下表每组给出代表类名与搭配方式，逐类清单见「算法库」页。
| 分组 | 代表类名 | 典型搭配 | 注意点 |
|---|---|---|---|
| 调度（什么时候动手） | RunOnce / RunDaily / RunWeekly / RunMonthly / RunQuarterly / RunYearly / RunPeriod | 放在算法链最前 | 没有调度算法时回测不会按预期频率调仓 |
| 日历与条件触发 | RunOnDate / RunAfterDate / RunAfterDays / RunEveryNPeriods / RunIfOutOfBounds | 配合调度类使用 | 边界条件写错会整段不调仓，建议用小样本先验证 |
| 选券（动哪些标的） | SelectAll / SelectN / SelectMomentum / SelectWhere / SelectRegex / SelectHasData | 接在调度之后 | 选完标的集合变了，仍需权重算法分配资金 |
| 权重（各分多少） | WeighEqually / WeighSpecified / WeighTarget / WeighInvVol / WeighERC / WeighMeanVar | 接在选券之后 | 权重之和与杠杆上限以库的实现为准，先看是否需要用 ScaleWeights |
| 限额与风控 | LimitWeights / LimitDeltas / TargetVol | 放在权重之后、再平衡之前 | 限额会改变目标权重，别和回测假设混着讲 |
| 再平衡与成交 | Rebalance / RebalanceOverTime / PTE_Rebalance / CapitalFlow / SetNotional | 算法链收尾 | 不写再平衡算法就不会成交 |
| 逻辑与统计 | Require / Not / Or / SetStat / StatTotalReturn / StatMultiPeriodReturn | 做条件分支或记录自定义统计量 | 统计量只在结果对象里可读，不是绩效指标本身 |
| 交易与公司行为 | CorporateActions / CloseDead / ClosePositionsAfterDates / RollPositionsAfterDates / ReplayTransactions | 需要模拟现金流与到期处理时 | 这类算法偏进阶，先确认数据里是否有对应字段 |
| 风险与保证金 | UpdateRisk / PrintRisk / HedgeRisks / Margin / SimulateRFQTransactions | 做对冲或保证金场景 | v1.2.3 修复了保证金维持追缴与证券乘数相关问题，注意版本 |
bt 1.2.3 的 bt/algos.py（2026-09-20 核验，共 59 个类）；每个类的参数与默认值以官方文档 algos 章节为准。自建 bt 回测，还是先用本机技能路线？
同一个研究问题，两条路线的准备成本差别很大：一条是把环境、数据与代码都握在自己手里，另一条是先拿到结论再决定是否值得自建。
自建 bt 回测管道
- Python 3.9+ 环境与
pip install bt（含编译核心，轮子与 Python 版本绑定） - 自己准备「日期 × 标的」价格矩阵，自己处理缺失与复权
- 自己把研究问题翻译成算法链，并解释统计口径
- 好处：可复现、可回归测试、可写进版本管理
本机技能路线（免部署）
- 用自然语言描述研究问题，直接拿结构化结论
- 数据获取与出图可由本机技能完成，不必先装 Python 环境
- 适合先判断「这个问题值不值得做成回测」
- 边界：本机 29 个技能里没有等价于 bt 算法树 + 组合回测引擎的能力
| 你的当前状态 | 建议先做 | 理由 |
|---|---|---|
| 只有「某只标的最近怎么样」这类问题 | 技能路线 | 取数与指标摘要即可回答，不值得搭环境 |
| 要比较多套权重/再平衡方案 | 自建 bt | 算法链正好是为「换一个环节做对照」设计的 |
| 要做多资产组合而不是单标的 | 自建 bt | 价格矩阵天然是多列结构 |
| 只想验证一个想法是否值得深挖 | 先技能路线，再自建 | 先用一句话确认现象，再决定要不要写代码 |
| 结论要进报告或对外发布 | 自建 bt | 需要可复现的代码与数据版本 |
| 没有 Python 环境也不想装 | 技能路线 | 本机技能免部署；但组合回测仍需自建环境 |
本机技能路线用起来怎么样？
下面两张截图来自本机对话的真实使用（左右翻页查看），用于对照自建路线「装环境 + 备数据 + 写算法链」的准备成本；它们演示的是技能路线，不是 bt 的运行结果。
| bt 工作流里的环节 | 本机技能路线能否覆盖 | 前置条件 |
|---|---|---|
| 取历史行情（价格矩阵的原料） | 可以：财经数据类技能可取行情 | 安装客户端；部分数据源需 Token 或账号 |
| 看单标的指标状态 | 可以：技术分析类技能给指标状态 | 覆盖范围以技能说明为准，部分仅覆盖 A 股 |
| 组合统计与图表 | 部分：可出收益、回撤等摘要与图 | 口径与你自建回测未必一致，比较前先对齐 |
| 算法链与再平衡执行 | 不能替代：本机无等价引擎 | 需要 Rebalance/WeighX 这类逐日推进的引擎 |
| 可复现与回归测试 | 不能替代：结论需固化成代码 | 版本管理、数据版本、成本假设都要自建 |
| 交易成本建模 | 不能替代：成本模型属于回测引擎能力 | 自建时用 CostModel 系列配置 |
什么时候适合用 bt、什么时候不适合？
bt 的定位是「组合与算法复用」，不是「任何回测需求都套」。下面六条对应最常见的匹配与错配。
| 场景 | 适不适合 | 原因 |
|---|---|---|
| 多资产组合、按权重定期再平衡 | 适合 | 价格矩阵与权重/再平衡算法正是为这类问题准备的 |
| 想比较多套权重或再平衡规则 | 适合 | 换一个算法对象即可做对照实验 |
| 要模拟交易成本与换手影响 | 适合 | 库内提供成本模型抽象与佣金配置 |
| 单标的日内高频、逐笔撮合 | 不适合 | bt 按数据行推进，不是逐笔撮合引擎 |
| 要接实盘下单 | 不适合 | bt 是回测库，不提供实盘通道 |
| 只想快速看一只股票的技术指标 | 不必用 | 指标计算与看图有更轻的做法，自建成本更高 |
跑不通时先查什么？
下面六种现象覆盖了初次使用 bt 最容易卡住的地方，按「处理方式」逐条试；报错原文、依赖约束与版本差异以官方 README、文档与本地终端提示为准。
| 现象 | 常见原因 | 处理方式 |
|---|---|---|
No matching distribution found for bt | Python 版本或平台没有对应轮子 | 确认 Python ≥3.9（官方 classifier 覆盖 3.9–3.13），或改用源码安装并准备编译工具链 |
ModuleNotFoundError: No module named 'pandas' | bt 的运行时依赖里没有直接写 pandas | 显式安装 pandas / numpy（它们经 ffn 进入依赖链，环境不完整时会缺） |
| 回测跑完没有任何交易 | 算法链里没写再平衡算法 | 在链尾补 Rebalance()（或用 RebalanceOverTime 分步成交） |
| 结果与预期差很远 | 算法顺序写反，或权重算法没接在选券之后 | 按「调度 → 选券 → 权重 → 再平衡」顺序检查，必要时先插 Debug / PrintInfo 看中间状态 |
| 净值曲线有异常跳变 | 价格矩阵有空值、重复索引或货币不一致 | 先检查 DataFrame 索引是否 DatetimeIndex、是否有 NaN 与重复日期 |
| 统计口径与自己的算法对不上 | 绩效统计由 ffn 计算，口径与自算不同 | 以 ffn 文档为准，或自行用 prices 序列复算并注明口径 |
bt 常见问题
bt 是免费的吗？可以商用吗？
bt 采用 MIT 许可（PyPI 包元数据与仓库 LICENSE 均标注 MIT），可自由使用与修改；具体使用仍以仓库 LICENSE 原文为准。使用时请自行确认第三方数据源的授权范围。
bt 支持哪些 Python 版本？
包元数据 Requires-Python >=3.9，分类器覆盖 3.9 / 3.10 / 3.11 / 3.12 / 3.13。实测下载到的是与解释器和平台绑定的编译轮子（如 cp311-win_amd64），装到没有轮子的环境会走源码构建分支，需自备编译工具链。
能回测 A 股 / 港股 / 美股吗？
bt 本身不提供行情，只要你能把数据整理成「日期 × 标的」的收盘价矩阵，市场不受限制。数据来源与复权口径需自己解决；本机技能路线里的财经数据类技能可以取到部分市场行情，但覆盖面以各技能说明为准。
bt 能实盘交易吗？
不能。bt 是回测库，不包含实盘通道与风控执行；它输出的是回测结果统计。若目标是实盘，需要另外接入交易接口，并自行承担全部风险。
bt 和 backtesting.py 有什么区别？
两者的抽象方向不同：backtesting.py 面向单标的策略，用 Strategy.init/next 两个方法描述逐根 K 线的行为；bt 面向多资产组合，把「调度 / 选券 / 权重 / 再平衡」拆成可复用算法串成策略树。选哪个取决于你要做单标的研究还是组合研究，具体能力以各自官方文档为准。
回测结果能当作收益预期吗？
不能。官方 README 明确写了「回测结果依赖数据质量与建模假设，不预测未来表现」。本站所有示例都只用于说明用法，不构成投资建议。