企业官网建设流程全解析

Qbot 教程如何为 Backtrader 接入自定义 MySQL 数据源回测股票策略？

【免费下载链接】Qbot[🔥updating ...] AI 自动量化交易机器人(完全本地部署) AI-powered Quantitative Investment Research Platform. 📃 online docs: https://ufund-me.github.io/Qbot ✨ :news: qbot-mini: https://github.com/Charmve/iQuant项目地址: https://gitcode.com/GitHub_Trending/qbot/Qbot

如果你的日线行情存在自己的 MySQL 数据库里，而 Backtrader 默认只支持 CSV 等内置数据格式，就需要自定义一个 Data Feed 把数据库数据加载进回测引擎。Qbot 仓库的教程代码目录 09.custom_data_source 提供了完整做法：一个继承backtrader.feed.DataBase的MySQLData数据源类，加一个基于它的 MACD 回测脚本 macd.py。本文按这两个文件整理出从建表数据要求、数据源实现到跑通回测的完整路径。

准备条件

回测脚本 macd.py 依赖backtrader（Qbot 根目录 requirements.txt 中已包含backtrader），数据源文件 stock_datafeed.py 依赖pymysql。本地 MySQL 中需要有存放股票日线数据的表，并且表中包含ts_code（股票代码）和trade_time（交易时间）字段——数据源内部按这两个字段做过滤查询：

SELECT * FROM {table} WHERE trade_time >= '{start_time}' and trade_time < '{end_time}' and ts_code = '{ts_code}' order by trade_time asc

表结构要求：按 SELECT * 的列顺序取数

数据源通过SELECT *取出整行后，按列下标（从 0 开始）读取数值，因此你数据表的列顺序必须与代码中的下标对应，stock_datafeed.py 中实际读取的列如下：

如果表结构与上述顺序不一致，需要调整_load()方法中的下标或改用显式列名查询。另外数据源声明了两条自定义线：

lines = ( "turnover", "turnover_rate" )

后文策略正是通过self.datas[0].turnover_rate读取换手率的。

数据源实现：MySQLData 类

完整实现见 stock_datafeed.py。核心是一个MySQLData(DataBase)类，包含三个部分：

1. 连接参数声明：fromdate、todate、ts_code三个参数，供外部实例化时传入回测起止时间和股票代码；
2. start()方法：回测启动时调用load_data_from_db，按表名（示例中为stock_normalk）、ts_code和起止时间查询，返回迭代器；
3. _load()方法：逐行消费迭代器，把每行数据写入self.lines对应的线，StopIteration时返回False结束。

需要替换的地方在load_data_from_db的数据库连接上。示例代码中的连接信息是文档作者的本地环境，需替换为你自己的 MySQL 信息，表名也要与你的实际数据表一致：

db = pymysql.connect( host="localhost", user="root", password="12345678", db="golden_stone", port=3306 )

其中host、user、password、db、port全部按你的数据库环境修改；start()中的表名stock_normalk同样要与真实表名保持一致。

用 MACD 策略回测

macd.py 通过from stock_datafeed import MySQLData引入数据源（因此两个文件需放在同一目录下运行），策略类TestStrategy的逻辑为：

• 指标：EMA(12)与EMA(26)之差作为 MACD，EMA(9)作为信号线，同时创建bt.indicators.MACDHisto；
• 买入：无持仓时，当 MACD 前一日小于信号线、当日大于信号线（金叉），且turnover_rate[0] < 3（换手率小于 3%）时创建买单；
• 卖出：有持仓时，若当前收盘价相对成交日收盘价的涨跌幅超过 +10% 或低于 -10%，创建卖单。

入口部分把数据、策略、资金和交易规则组装进 Cerebro，示例参数如下：

if __name__ == "__main__": cerebro = bt.Cerebro() cerebro.addstrategy(TestStrategy) # 加载数据到模型中 data = MySQLData( ts_code="sh603520", fromdate=datetime.datetime(2017, 1, 1), todate=datetime.datetime(2020, 4, 12), ) cerebro.adddata(data) cerebro.broker.setcash(10000) cerebro.addsizer(bt.sizers.FixedSize, stake=100) cerebro.broker.setcommission(commission=0.005) print("Starting Portfolio Value: %.2f" % cerebro.broker.getvalue()) cerebro.run() print("Final Portfolio Value: %.2f" % cerebro.broker.getvalue()) cerebro.plot()

各参数用途：ts_code、fromdate、todate决定从数据库取哪只股票、哪段时间的行情，需换成你库中真实存在的代码和时间范围（示例值sh603520、2017-01-01 至 2020-04-12 为文档示例）；setcash(10000)设置初始资金 10000；FixedSize每次交易 100 股；setcommission(commission=0.005)设置 0.5% 手续费。

运行与结果验证

在两个文件所在目录执行：

python macd.py

运行结果从三处判断：

1. 终端先打印Starting Portfolio Value，cerebro.run()结束后打印Final Portfolio Value，两者对比即本次回测的资金变化（具体数值取决于你的数据）；
2. 策略的log会按 K 线逐日打印，成交时输出形如BUY EXECUTED, Price: .../SELL EXECUTED, Price: .../OPERATION PROFIT, GROSS ..., NET ...的行，用于核对买卖时机是否符合 MACD 金叉 + 换手率条件；
3. cerebro.plot()回测结束后弹出图形窗口，展示价格与指标曲线。

如果终端没有任何 K 线日志、也没有成交输出，优先检查ts_code与时间段内数据库是否有数据，以及连接参数和表名是否已按上文替换正确。

已知问题

• 遇到ImportError: cannot import name 'warnings'错误时，按 docs/tutorials_code/README.md 的说明安装指定版本 matplotlib：

  pip install matplotlib==3.2.2

• 数据源连接参数在代码中硬编码，若更换数据库环境需修改load_data_from_db中的连接信息，这是该示例的固定写法；

• macd.py中信号线周期为EMA(self.macd, period=9)，与 02.easy_macd_strategy 中的简单 MACD 示例（周期 5、无换手率条件）不是同一套参数，对照两个脚本时注意区分。

下一步

数据源模式确认跑通后，同一目录结构下的 03.macd_in_A_market 展示了如何把单只股票的回测扩展为批量股票回测，可按同样方式把数据读取层换成你的MySQLData。

【免费下载链接】Qbot[🔥updating ...] AI 自动量化交易机器人(完全本地部署) AI-powered Quantitative Investment Research Platform. 📃 online docs: https://ufund-me.github.io/Qbot ✨ :news: qbot-mini: https://github.com/Charmve/iQuant项目地址: https://gitcode.com/GitHub_Trending/qbot/Qbot