[16] 回测框架评测
2026-03-19
策略验证 · 共 5 篇
- 👉 [13] 综合架构蓝图 v4
- 👉 [14] Plan E 回测
- 👉 [15] SVOL 真实数据验证（证伪）
- 📖 [16] 回测框架评测 ← 当前
- 👉 [17] PEAD 原型回测（策略已死）
tradeSys 回测框架实测评测报告
评测时间: 2026-03-19 评测人: 娃彩研究 subagent 测试环境: macOS, Python 3.12.2, Apple x86_64
测试方法
策略: 12个月动量策略（价格 > 252天前价格则持有，否则空仓）
数据: 模拟 SPY 10年日线（2014-2024, 2869条），年化收益10%，波动率15%
注意: yfinance 被限速，使用模拟数据测试。框架本身的数据获取能力正常（vectorbt 内置 YFData）。
框架一: vectorbt
安装
- 命令:
pip3 install vectorbt - 结果: ✅ 一次成功，无依赖冲突
- 依赖: 较重（numpy, pandas, numba, scipy, scikit-learn, matplotlib, plotly, ipywidgets 等）
- 安装时间: ~30s（大部分已缓存）
代码量
- 核心策略代码: ~12行
- 关键API:
vbt.Portfolio.from_signals(price, entries, exits)— 一行搞定回测
# 核心代码（完整可运行版本见 self/scratch/backtest-eval/vectorbt_momentum_v2.py）
momentum = price / price.shift(252) - 1
entries = momentum > 0
exits = momentum <= 0
portfolio = vbt.Portfolio.from_signals(price, entries, exits, init_cash=100000, freq='1D')
运行速度
- 回测计算: 4.12s（2617天回测期）
- 总运行时间: 21.09s（含 import 开销，numba 首次 JIT 编译较慢）
- 第二次运行会快很多（numba 缓存生效）
输出指标
自动输出 25+ 指标：总收益、年化收益、最大回撤、夏普、Calmar、Omega、Sortino、胜率、盈亏比等。
回测结果
| 指标 | 值 |
|---|---|
| 总收益率 | 440.88% |
| 年化收益率 | 26.55% |
| 最大回撤 | -18.12% |
| 夏普比率 | 1.47 |
| 交易次数 | 20 |
框架二: bt
安装
- 命令:
pip3 install bt - 结果: ✅ 一次成功
- 依赖: 较轻（ffn, tabulate, pyprind）
- 安装时间: ~5s
代码量
- 核心策略代码: ~8行
- 关键API: 组合式 Algo 设计（SelectWhere → WeighEqually → Rebalance）
# 核心代码（完整可运行版本见 self/scratch/backtest-eval/bt_momentum.py）
signal = ((price / price.shift(252) - 1) > 0).astype(float)
strategy = bt.Strategy('12M_Momentum', [
bt.algos.SelectWhere(signal),
bt.algos.WeighEqually(),
bt.algos.Rebalance()
])
result = bt.run(bt.Backtest(strategy, price))
运行速度
- 回测计算: 8.54s（同样数据）
- 总运行时间: 8.57s（无 JIT 编译开销）
- 比 vectorbt 慢约 2x
输出指标
自动输出 30+ 指标，分 Daily/Monthly/Yearly 三个时间尺度，报表格式清晰。
回测结果
| 指标 | 值 |
|---|---|
| 总收益率 | 440.83% |
| CAGR | 16.59% |
| 最大回撤 | -18.12% |
| 夏普比率 | 1.16 |
| Win Year % | 90% |
注：两框架收益率一致（440.8%），年化/夏普计算方法不同导致数值差异。
对比总结
| 维度 | vectorbt | bt |
|---|---|---|
| 安装 | ✅ 顺利，依赖重 | ✅ 顺利，依赖轻 |
| 核心代码行数 | ~12行 | ~8行 |
| 回测速度 | 4.12s ⚡ | 8.54s |
| 首次启动 | 慢（numba JIT） | 快 |
| 输出报表 | 丰富，25+指标 | 更丰富，30+指标，分时间尺度 |
| API 风格 | 向量化信号 | 组合式 Algo 链 |
| 可视化 | Plotly 交互图 | Matplotlib |
| 新手友好度 | ⭐⭐⭐ 中等 | ⭐⭐⭐⭐ 较好 |
| 进阶灵活度 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ |
| 维护状态 | 活跃 | 活跃 |
推荐
对 tradeSys 的建议
入门首选: bt — 代码最少，报表最清晰，API 设计直觉化（SelectWhere → WeighEqually → Rebalance 读起来像自然语言）。适合快速验证策略想法。
进阶首选: vectorbt — 向量化计算更快，参数优化能力强（可以同时回测上千组参数），适合做策略调参和批量测试。
实际推荐路径:
- 先用
bt快速验证策略逻辑 ✅ - 需要参数优化/批量回测时切换
vectorbt - 两者可以并行使用，不冲突
- 先用
风险提示
- vectorbt 的 numba 依赖可能在某些环境（ARM/M系列 Mac）有兼容问题
- yfinance 数据源不稳定（本次测试就被限速），生产环境建议用自己的数据源
- 两个框架都不支持实盘交易，需要额外接入 broker API
测试代码位置
- vectorbt:
self/scratch/backtest-eval/vectorbt_momentum_v2.py - bt:
self/scratch/backtest-eval/bt_momentum.py