【vectorbt 系列 第6讲】跑第一轮向量化回测

1. 本节目标

第 6 讲终于把前面几讲准备好的数据、均线和买卖信号真正接到 vectorbt 的回测入口上。目标很具体：用一份最小价格序列、一列买入信号和一列卖出信号，跑出第一轮向量化回测结果对象。

学完这一讲后，你可以直接完成下面几件事：

1. 知道回测入口最少需要哪些输入。
2. 会用 from_signals 跑出一个最小回测对象。
3. 确认回测不是“看上去跑了”，而是真的返回了一个后面还能继续取指标的结果对象。

这是整套 vectorbt 入门短课第一次真正把“规则表达”推进成“可执行回测”。

2. 为什么先跑“第一轮”回测，而不是先追求复杂设置

对新手来说，最容易犯的错误之一，就是一碰到回测就想把手续费、滑点、仓位比例、参数扫描、多资产组合一口气全加进去。这样做表面上很完整，实际上会让你根本分不清回测失败到底是输入错了、信号错了，还是参数太多把问题淹没了。

第 6 讲故意强调“第一轮”，意思就是先拿最少的输入把回测对象跑出来。只要这一步走通，你后面再往里加别的设置时，至少知道最小闭环本身是成立的。

3. 沿用第 5 讲已有买卖信号的工作表

bt_df = signal_df.copy()
print(bt_df[['date', 'close', 'buy_signal', 'sell_signal']].head(15))

此时表里至少应该有四列：

• date
• close
• buy_signal
• sell_signal

如果这四列还没齐，第 6 讲就不应该直接往回测入口推进。

4. 四步跑出第一轮向量化回测

前面几讲准备的价格和信号，到这一讲才第一次真正接入回测引擎。下面四步的重点是先把入口跑通。

5. 确认价格列和信号列长度一致

assert len(bt_df['close']) == len(bt_df['buy_signal'])
assert len(bt_df['close']) == len(bt_df['sell_signal'])

这一步虽然简单，但很重要。向量化回测的前提之一，就是价格和信号在同一组样本位置上对齐。如果长度都不一致，后面结果即使强行跑通，也没有解释意义。

6. 把日期设回索引

bt_df = bt_df.set_index('date')

前面几讲为了便于查看，常把日期做成普通列；而进入回测入口时，把日期设成索引通常会更自然，因为这样价格和信号都会在时间轴上对齐得更直观。

7. 调用Portfolio.from_signals

import vectorbt as vbt

portfolio = vbt.Portfolio.from_signals(
    close=bt_df['close'],
    entries=bt_df['buy_signal'],
    exits=bt_df['sell_signal']
)

这就是第 6 讲最核心的一步。它把前面已经准备好的价格和信号，正式交给 vectorbt 生成一个组合回测对象。

8. 先看最基础的结果对象信息

print(type(portfolio))
print(portfolio.value().head())

此时别急着解读太多绩效指标，先确认两个事实：

1. 真的得到了一个 portfolio 对象。
2. 这个对象已经能继续吐出净值序列等后续结果。

9. 确认第一轮回测确实跑通

这一讲的验证标准很朴素：对象能生成、净值能取出、统计能打印，就说明最小回测链路已经接上了。

10. 回测对象已经生成

assert portfolio is not None

11. 净值序列可取出

value_series = portfolio.value()
print(value_series.head())
assert len(value_series) == len(bt_df)

12. 对象能继续输出基础统计

print(portfolio.stats())

第 6 讲不要求你现在把统计全读懂，但它应该至少能被取出来。

13. 买卖信号确实进入了回测入口

你可以把 entries 和 exits 的样本位置再对照一次，确认它们确实是你上一讲手工检查过的那两列。

14. 为什么回测对象跑出来了，但我还是不放心

第一次看到 portfolio 对象时，不放心很正常。关键是把“对象生成”和“结果解释”分成两步看，不要混在一起判断。

15. 对象有了，但我不知道它是不是“真的在用我的信号”

这是正常疑问。最稳的办法不是猜，而是回头看 buy_signal 和 sell_signal 的触发位置，再看 portfolio.value() 是否在这些位置附近开始出现变化。

16. 统计指标很多，看不懂

第 6 讲不用急着全部理解。你当前只要先确认回测对象已经能吐出结果，下一讲我们再专门看收益、回撤和交易次数。

17. 结果很一般甚至不好看

这不代表第 6 讲失败。入门阶段的目标不是立刻得到“优秀策略”，而是确认一条最小策略从价格、均线、信号一路接到了回测引擎。

18. 我想马上加手续费

可以，但不建议在第 6 讲一开始就加。先把最小回测闭环跑通，再一点点加设置，会更稳。

19. 哪些情况仍然算本讲完成

1. 即使当前绩效看起来一般，只要回测对象可生成，本讲就算完成。
2. 你先只看 value() 和 stats()，不必马上看所有输出。
3. 当前使用单资产和单组参数，不算“太简陋”，这正是第 6 讲应有的难度。
4. 你不必立刻处理成本模型和高级参数，第 6 讲只先建立最小回测入口。

20. 写一个最小回测函数

import vectorbt as vbt
import pandas as pd

def run_first_backtest(df: pd.DataFrame):
    work = df.set_index('date').copy()
    return vbt.Portfolio.from_signals(
        close=work['close'],
        entries=work['buy_signal'],
        exits=work['sell_signal']
    )

portfolio = run_first_backtest(signal_df)
print(portfolio.value().head())

这样你后面换样本、换窗口、换信号时，都能沿用同一个最小入口函数。

21. 第 6 讲真正跑通的是“对象链路”

很多人会把“第一轮回测”理解成只是得到一张净值曲线。但对 vectorbt 入门来说，第 6 讲真正重要的，是你第一次得到一个后面可以持续取各种结果的对象链路。也就是说，你现在手里的不只是几个孤立数组，而是一个能继续产出净值、统计和交易记录的 portfolio 对象。

这个区别很重要。因为一旦对象链路跑通，后面第 7 讲和第 8 讲做的事情，本质上都不再是“重新搭系统”，而只是继续从这个对象里读取结果、比较设置。

22. 本讲对下一讲的铺垫

第 7 讲要看的收益、回撤和交易次数，都要建立在第 6 讲这个 portfolio 对象已经成立的前提上。所以第 6 讲最关键的完成标志，不是“图看起来很好”，而是“对象已经生成，结果已经可取”。只要这一步稳了，后面解读指标就会顺得多。

23. 完成标准

如果你现在已经能把 close、buy_signal、sell_signal 交给 Portfolio.from_signals，并拿回一个可继续查看净值和统计的对象，那第 6 讲就算完成。

24. 系列衔接

本讲是《vectorbt回测入门短课》的第 6/8 讲，当前主题是《跑第一轮向量化回测》。

上一讲：第 5 讲《构造卖出信号》。

下一讲：第 7 讲《查看收益回撤和交易次数》。

后续安排：第 8 讲《比较5日和10日窗口》。

25. 风险揭示与免责声明