bt
通过可组合 Algo 和策略树构建资产选择、权重分配与再平衡流程的回测工具。
为什么值得学
适合从组合层学习策略，把“何时调仓、选什么、配多少”拆成小步骤。
数据与控制流程
- 1价格表
- 2调仓调度
- 3资产筛选
- 4目标权重
- 5再平衡
- 6多策略比较
此流程为教学归纳，便于建立整体认识；完整条件分支与运行细节请对照下方源码。
架构拆解 · 3 个核心模块
每个入口均已核对，点击可阅读源码策略树和基础对象
core 定义策略、证券和 AlgoStack，使多层组合共享一套树形结构。
- 输入
- 策略层级、资产与算法列表
- 输出
- 组合节点与状态
bt/core.py可组合算法
algos 提供调度、选券、权重和再平衡等独立步骤。
- 输入
- 当前时点与策略上下文
- 输出
- 选择结果、权重与调仓行为
bt/algos.py回测与比较
Backtest / run 推进价格数据，借助 Result 和 ffn 汇总多策略结果。
- 输入
- 策略树与价格表
- 输出
- 净值、交易与比较结果
bt/backtest.py建议阅读顺序
- 先从 README 的 RunMonthly / SelectAll / WeighEqually / Rebalance 开始
- 读 AlgoStack 的执行顺序
- 用 core 理解策略树与证券节点
- 最后跟踪 Backtest 与 Result
动手做一次
用固定资产池比较月度等权和季度等权再平衡。
完成后，检查这些证据
- 每次调仓权重与目标一致
- 计入统一手续费并保留交易表
- 解释调仓频率对换手和结果的影响
适用边界与版本说明
组合级再平衡不等于精细盘口撮合；策略树、缺失价格和成本模型的假设需在报告中说明。
Star 快照：2,997 · 核验日期：2026-10-20 · GitHub 归档标记：未归档
核验默认分支：master · 源码固定提交：d1abb14db411 ↗
来源：GitHub 仓库与 Star 页面、README及上述源文件。分层、阅读顺序与练习为本站归纳；未逐一安装运行这些框架，源码提交不等于推荐安装版本。