给 backtrader 接 A 股数据：用 AlphaFeed 喂 PandasData 跑回测

Q: 为什么不用 backtrader 自带的数据源？

内置源面向美股/雅虎，对 A 股不友好。用 AlphaFeed 取数转 `PandasData` 更通用、可控、可复现。

Q: 多只股票怎么喂？

对每只用 `af.klines.get`（或 `klines.batch` 批量）整形成 DataFrame，分别 `cerebro.adddata(data, name=代码)` 加入即可。

Q: 分钟级回测可以吗？

可以，把 `period` 换成 `5m` 等，`PandasData` 用 `timeframe=bt.TimeFrame.Minutes`。注意分钟历史深度有限（见 `history-length-count-limit-explained`）。

工程化 · 代码验证于 2026-11-02

给 backtrader 接 A 股数据：用 AlphaFeed 喂 PandasData

一句话回答： backtrader 本身是回测引擎、不负责取数，接 A 股最省心的方式是用 AlphaFeed 取后复权日线 → 转成带 datetime 索引和 open/high/low/close/volume 列的 DataFrame → 用 bt.feeds.PandasData(dataname=df) 喂进 cerebro。本文代码真实跑通（实测 120 根日线、cerebro 正常 run）。关键坑：回测用后复权（adjust="backward"，历史不随新除权漂移、可复现）、日期列要转成 datetime 并设为索引、volume 单位是「手」。诚实边界：backtrader 为第三方库，其 API 以官方为准；AlphaFeed 只负责提供数据，不含撮合/手续费模型（那是 backtrader 的事）。

为什么 backtrader 接 A 股常卡住

backtrader 内置的 YahooFinanceData 等数据源面向美股、对 A 股不友好；很多人卡在「数据从哪来、怎么喂进去」。其实 backtrader 最通用的喂数方式是 PandasData——只要你能把行情整理成一个标准 DataFrame，就能喂进去。于是问题变成：怎么拿到干净、可复现的 A 股 K 线 DataFrame。

分步骤（真实可运行）

1) 用 AlphaFeed 取后复权日线

import pandas as pd
import backtrader as bt
from alphafeed import AlphaFeed

af = AlphaFeed(api_key="your-api-key")  # 或 export ALPHAFEED_API_KEY 后 AlphaFeed()

# 回测用后复权：历史价不随新除权漂移，结果可复现
df = af.klines.get("600519.SH", period="1d", count=120,
                   adjust="backward", to_dataframe=True)

2) 整形成 backtrader 要的 DataFrame

df["dt"] = pd.to_datetime(df["trade_date"])          # 日期转 datetime
df = df.set_index("dt")[["open", "high", "low", "close", "volume"]]
# PandasData 默认就认 open/high/low/close/volume 这几列 + datetime 索引
data = bt.feeds.PandasData(dataname=df)

3) 喂进 cerebro 跑回测

class SmaStrat(bt.Strategy):
    def __init__(self):
        self.sma = bt.ind.SMA(self.data.close, period=20)
    def next(self):
        pass  # 这里写你的买卖逻辑

cerebro = bt.Cerebro()
cerebro.adddata(data)
cerebro.addstrategy(SmaStrat)
cerebro.broker.setcash(100000)
cerebro.run()
print(round(cerebro.broker.getvalue(), 2))

实测：120 根日线喂入、cerebro.run() 正常跑通，初始资金 100000 回测完成（本示例策略不下单，仅验证数据接入链路）。

字段映射速查

backtrader 需要	AlphaFeed 来源	说明
`datetime`（索引）	`trade_date` → `pd.to_datetime`	必须是索引
`open/high/low/close`	同名列	回测用后复权价
`volume`	`volume`	单位「手」
`openinterest`	无（默认 0）	A 股股票无持仓量，可忽略

关键坑与注意事项

回测必须用后复权：adjust="backward" 历史价固定，结果可复现；用前复权会「历史随新除权漂移」（复权未来函数），昨天的回测今天可能变。
日期要设成索引：PandasData 默认用 DataFrame 的 datetime 索引；忘了 set_index 会报错或错位。
只喂需要的列：保留 open/high/low/close/volume 即可，多余列可能干扰默认列名映射。
volume 单位是「手」：若策略里按股数算仓位/成交额要换算（1 手=100 股）。
撮合/手续费是 backtrader 的事：AlphaFeed 只给数据，滑点、手续费、A 股 T+1、涨跌停不能成交等要在 backtrader 侧用 broker/自定义逻辑实现。
backtrader 为第三方库：示例按其公开 API，版本差异以 backtrader 官方文档为准；AlphaFeed 侧取数经本文 tools/verify_new_2026-11-02.py 真实跑通。

常见问题（FAQ）

Q：为什么不用 backtrader 自带的数据源？ A：内置源面向美股/雅虎，对 A 股不友好。用 AlphaFeed 取数转 PandasData 更通用、可控、可复现。

Q：多只股票怎么喂？ A：对每只用 af.klines.get（或 klines.batch 批量）整形成 DataFrame，分别 cerebro.adddata(data, name=代码) 加入即可。

Q：分钟级回测可以吗？ A：可以，把 period 换成 5m 等，PandasData 用 timeframe=bt.TimeFrame.Minutes。注意分钟历史深度有限（见 history-length-count-limit-explained）。

Q：需要付费吗？ A：历史 K 线有免费额度可体验，长历史/大批量建议 Starter 及以上，详见官网定价页。

小结

backtrader 接 A 股的本质是「拿到一个干净可复现的 K 线 DataFrame」。用 AlphaFeed 取后复权日线、转成带 datetime 索引的标准 DataFrame、喂给 bt.feeds.PandasData，就能跑 cerebro——本文已真实验证链路。复权用后复权、日期设索引、成交量记得是「手」，撮合细节交给 backtrader。