【vectorbt 系列 第2讲】准备最小回测数据

一、为什么 vectorbt 的第二步不是立刻跑回测，而是先准备一张最小回测表

很多人装好 vectorbt、拿到第一组价格序列后，下一步最自然的冲动就是赶快丢进回测，看看能不能出一张收益曲线。但如果这个时候你还没有一张真正清楚、可解释、能持续往后传的最小回测表，回测越早开始，后面越容易乱。因为一旦结果不对，你根本分不清是输入表没理顺，还是均线、信号、参数或者回测入口本身出了问题。

所以第 2 讲故意不急着进回测，而是回到最基础的数据层，先把当前价格对象整理成一张后面几讲都能继续沿用的最小回测表。这个动作看起来很朴素，但它在 vectorbt 这样的向量化框架里特别重要。因为你后面所有指标、信号和回测结果，本质上都是在这张输入表上继续生长出来的。只要底层输入还没被你看明白，后面新加的每一列都只会让问题更难解释。

因此，这一讲真正要建立的，不是“我能再多调一个 API”，而是“我现在有一张明确知道每一列在干什么的底表，后面几讲都可以在它上面稳定推进”。

二、为什么入门阶段越要克制，越不能一开始就保留全部复杂结构

vectorbt 的一个天然诱惑，是它非常擅长同时处理多资产、多参数、多维信号。也正因为如此，初学者很容易一上来就想把“框架最强的地方”全部打开。问题是，框架越强，入门阶段越需要克制。因为你当前最需要的，不是同时看很多东西，而是先把最简单的数据流跟清楚。

如果你一开始就保留全部多资产结构，再继续往上加均线、信号和参数网格，表面上进度很快，实际上你的注意力很容易被维度问题和列映射问题分散掉。入门者最容易在这里出现一种错觉：觉得自己已经做了很多，却说不清某一列指标到底对应哪一只资产、某一行信号到底是怎么来的。相比之下，先把结构压缩到一张最小回测表，虽然“看起来没那么强”，但能大幅降低理解和排错成本。

换句话说，这一讲在做的，其实是一件很有经验意味的事：先不要贪全，而是先把最小链路做成自己真正看得懂的状态。只有这样，后面再回到多资产和更复杂参数时，你才是真的在扩展，而不是在堆复杂度。

三、为什么先把多资产价格表压成单资产练习对象是合理的

很多人看到第 1 讲明明已经有三列价格数据，到了第 2 讲却先抽一列出来做练习，会本能地觉得像在“退步”。其实恰好相反。这种做法非常合理，因为它在主动为理解让路。

vectorbt 确实擅长多资产，但多资产的价值在于后面做并行比较、参数扫描和组合层分析，而不是在入门第一阶段就把你所有注意力都拆散。对当前来说，最重要的是先把一条完整链路看清楚：一列价格怎样变成工作表，工作表怎样变成均线列，均线列怎样变成信号，再怎样送进回测。只要这条链路在单资产上彻底走通，后面再把它平移回多资产，本质上只是扩维。

因此，先从多资产中抽一列出来，不是放弃 vectorbt 的优势，而是在主动降低理解门槛。对入门者来说，这种局部收缩会比一开始就硬扛所有维度高效得多。

四、为什么要把资产名临时改成close这种极简字段

拿一列单资产价格之后，还有一个很小但非常值得做的动作，就是把原来的资产名先改成一个更直接的字段，比如 close。很多人会觉得这只是重命名，没什么价值。其实这个动作很有帮助，因为它让你当前的注意力从“这列叫 AAPL 还是别的什么”转移到“这列现在扮演的是收盘价角色”。

在入门阶段，这种字段语义的简化特别重要。因为后面你做均线、做信号、做比较的时候，本质上都是在围绕一个价格列继续加工。若列名一直带着具体资产标签，新手很容易一边理解价格逻辑，一边又被资产名分走注意力。先临时把它收成 close，阅读和调试都会轻很多。

等你后面回到多资产场景时，再保留原资产名完全不晚。现在这一步的重点是先让你把“这是一列价格”这件事看得最直接，而不是同时处理业务含义和资产标识两层信息。

五、为什么加一个顺序编号列，对新手的价值远大于它看起来那么小

第 2 讲里另一个看起来很小的建议，是给工作表加一个 row_id 这样的顺序编号。很多有经验的人平时未必会特地这么做，但对入门阶段来说，这个小列非常有用。因为你后面无论看均线、信号还是回测结果，最经常遇到的问题之一就是：我现在盯着的是哪一行，它在整张表里的位置到底是什么。

时间索引当然也能看，但对新手来说，“第几行”往往比“某一天”更直观。尤其当你需要检查第一个均线值、第一个买入信号，或者对照某一行发生了什么时，顺序编号会像一个非常稳定的锚点。你不用每次都在日期和位置之间来回换算，而是能立刻定位到具体一行。

所以，这一列虽然不是业务字段，却非常适合作为调试字段保留下来。它会让你后面几讲的理解成本明显下降。

六、最小回测表真正该服务什么，为什么不能只是“看起来整齐”

第 2 讲做出来的这张最小回测表，意义绝不只是“好看一点”。它最重要的价值，在于后面真的要拿它继续干活。至少从当前系列的节奏看，它后面会服务几件非常具体的事情：第 3 讲要在这张表上计算 5 日均线，第 4 讲要基于价格和均线构造买入信号，第 5 讲要继续构造卖出条件，后面的回测入口也会继续依赖这里已经理顺的字段。

也正因为如此，这张表的标准不应该只是“看起来清爽”，而是“后面继续使用时是否足够稳定”。列名是否清楚，日期是否容易读，价格列是否适合直接计算，顺序是否已经整理明确，这些都比表面整洁更重要。真正好的底表，不是装了很多信息，而是让后续每一步都能自然接上。

这也是这一讲值得被单独拿出来的原因。它在做的，不是微调格式，而是在给后续整个回测链路准备一个真正可复用的底层工作面。

七、为什么建议原始价格对象和工作表副本同时保留

入门阶段还有一个非常稳的习惯，就是不要让工作表直接覆盖掉底层原始对象。更好的做法，是原始价格表保留一份，工作表单独做成副本。这样，你后面无论怎么加均线、信号或调试列，底层输入始终都还在，随时可以对照“问题到底出在输入，还是出在中间加工层”。

这个习惯在向量化框架里尤其值钱。因为你后面可能会在同一张表上连续叠加很多列，一旦结果异常，若没有原始副本，很容易一路回退得很痛苦。相反，只要底层价格表还保留着，你就总能回到一个更干净的起点重新检查。

所以第 2 讲虽然看起来是在做很小的整理动作，实际上也在帮你建立一种很成熟的工作流意识：原始输入和中间加工最好分开管理。对后面所有指标和回测步骤，这都是很有价值的底层习惯。

八、这一讲真正建立的，是 vectorbt 系列的“底表意识”

如果把整个 vectorbt 入门系列看成一条链，第 1 讲是在解决“对象能不能成立”，第 2 讲则是在建立“底表意识”。也就是你开始知道：后面所有计算，不应该都直接压在原始对象上杂糅完成，而应该先有一张小而清楚、自己能跟住的数据表，作为整个后续流程的承接层。

这个意识非常重要。因为很多回测学习之所以最后断在一半，不是不会继续写代码，而是中间没有一个真正稳定的承接层。数据对象太原始，回测接口又太后面，中间缺少一张自己看得懂、能逐列检查的表，于是所有问题一旦出现，都会一起糊成一团。第 2 讲恰恰是在补这块地基。

只要底表意识先建立，后面每一讲都不再是从零开始，而是在同一个工作面上继续加一层新逻辑。这样学起来会稳很多。

九、为什么最小回测表一旦整理好，就不应该频繁改它的基础列名

很多初学者在学习过程中，会一边往下做，一边不断调整底表的基础列名，今天叫 close，明天想改成 price，后天又想换回原资产名称。这样做在小练习里看似无伤大雅，但很容易让后面每一讲的衔接变得混乱。更稳的做法，是一旦第 2 讲已经把最小回测表整理出来，就尽量让基础列名保持稳定，把新增逻辑放到新列里，而不是反复改底层命名。

这个习惯的价值在于，它能让后续系列保持一个固定工作面。你后面看均线、看信号、看回测输入时，不需要每一讲重新适应一次字段语义。尤其对入门者来说，这种命名稳定性会显著减少不必要的理解负担，也更利于排错。

所以，这一讲虽然只是在准备数据，但它也在帮助你建立一个很重要的开发习惯：底层字段一旦定住，就尽量少动，让后面的变化更多发生在新增层，而不是基础层。

十、为什么这张底表越早被你“看顺眼”，后面越容易真正学会回测

有一个很实际但常被忽略的点是，底表不只是给程序读的，它同样是给你自己看的。若你看这张表时还总觉得别扭、分不清列、搞不清顺序，后面几讲即使代码都能跑，理解仍然会断断续续。相反，只要第 2 讲把这张底表整理到你自己一眼就能读顺，它后面就会像一个稳定工作台一样，帮助你持续叠加新逻辑。

这也是为什么第 2 讲看起来不像“真正开始回测”，却仍然非常关键。它在处理的是理解成本，而理解成本恰恰决定了你后面能不能把回测学习持续推进下去。很多人不是不会写代码，而是中间没有一张自己真正看顺的表，于是每加一层都像重新开始。第 2 讲正是在预防这种情况。

十一、为什么这张最小回测表准备好以后，最好先做一次“只读不算”的浏览

很多入门者一把底表整理出来，就会迫不及待地往上加均线和信号。更稳的做法，是先花一点时间对这张表做一次“只读不算”的浏览。也就是暂时不继续加工，只是检查日期是否连续、价格列是否一眼能看懂、顺序编号是否方便定位。这个动作看起来慢了一步，实际上却会显著减少后面很多糊涂账。

原因很简单。底表一旦没看顺，后面新增的每一列都会叠在一个你还不够熟悉的对象上，理解成本会不断累积。相反，只要先把这张表真正看顺眼，你后面加的每一层逻辑都会更容易找到落点。对回测学习来说，这种“先熟悉工作面再继续加功能”的节奏非常值钱。

所以，第 2 讲并不只是准备数据，它也在训练你尊重中间层，不急着一步跳到最终结果。这个节奏会让后面的整条链路更稳。

十二、这一讲做到什么程度，才算真正把底表准备好了

真正把底表准备好，并不只是代码运行成功，而是你已经能明确回答几件事：当前表里保留了哪些核心列，这些列为什么足够支撑后面几讲，顺序编号和日期各自承担什么定位作用，以及为什么要把原始对象和工作副本分开。只要这些问题你都已经能说清楚，第 2 讲就不再只是数据整理，而是真正完成了回测中间层的搭建。

这一步一旦到位，后面加均线、加信号和进入回测时，心里就会一直有一个稳定底座，而不是每一步都像从一堆原始对象里重新往外扒逻辑。

换句话说，底表真正准备好的标志，是你已经可以安心把后面几讲全部建立在它上面，而不用每一步都回头怀疑输入层。

一旦这个底座稳定下来，后面新增指标和信号时，理解就会明显更连贯。

这正是第 2 讲作为中间层准备环节最核心的价值。

如果现在回头看整个入门链路，你会发现第 2 讲并没有直接产出收益曲线，却反而决定了后面收益曲线能不能被真正读懂。因为没有这张底表，均线会显得像凭空长出来，信号会显得像突然出现，回测结果也会像脱离输入层悬在空中。只有当底表先被你看熟、看顺、看稳，后面所有新增列才会真正有落点。也正因为如此，第 2 讲虽然动作克制，却是整个短课里非常关键的一段中间承接。

十三、总结

这一讲的重点，不是让 vectorbt “看起来更专业”，而是把原始价格对象整理成一张后面几讲都会持续复用的最小回测表。通过先抽单资产、临时统一为 close 语义列、补上顺序编号，并保留原始对象副本，你已经开始为后面的均线、信号和回测搭一个真正可解释、可调试的中间层。只要这张底表立住，后面的复杂度就不再是直接压上来，而是有序叠加。

十四、系列衔接

本讲是《vectorbt回测入门短课》的第 2 讲，当前主题是《准备最小回测数据》。上一讲把第一组价格序列对象建立起来，这一讲则把它整理成真正适合继续加工的底表。下一讲会直接在这张表上计算第一列 5 日均线，把“准备数据”和“生成指标”真正接起来。

十五、风险揭示与免责声明