跳轉到

回測：資料與週期

所屬章節：回測

資料怎麼進引擎：從哪裡取歷史 K 線、有哪幾種餵入方式、框架對時序的要求。

三種餵入方式

方式 呼叫 觸發事件 適用
一、整份 K 棒 core.feed_data(df) on_bar、on_intrabar、on_position 最快；單一頻率、不需多週期訊號
二、週期聚合 core.set_tick_period(...) + core.feed_tick_df(df) 上述 ＋ on_bar2 / on_bar3、on_other* 多週期訊號；用小 K 模擬盤中，停損觸發順序最準
三、單筆 tick core.set_tick_period(...) + core.feed_tick(row) 同上 live 即時行情

feed_data 不走週期聚合系統，所以不會觸發 on_bar2 / on_bar3 / on_other*。 feed_tick / feed_tick_df 是呼叫 set_tick_period 之後才動態掛上的方法 （會印出 [加載] feed_tick）。

feed_data

core.feed_data(df,
               args=['DateTime', '開盤價', '最高價', '最低價', '收盤價', '成交量'],
               columns=['Settlement'])
參數 說明
df K 棒 DataFrame，欄位由 args / columns 對應
args [DateTime欄, Open欄, High欄, Low欄, Close欄, Volume欄] 六個欄名，依序對應
columns 要一併帶進每根 bar 的額外欄位（例如積木訊號欄、['Settlement']）

args 只是告訴引擎哪一欄扮演哪個角色；row 裡的 key 一律是英文 Open/High/Low/Close/Volume。columns 帶進去的則保留原欄名。

# 積木訊號當進出場：sig 欄一定要在 columns 宣告，否則 row 裡沒有
bars['sig'] = bars['DateTime'].map(sig_series).fillna(False)
core.feed_data(bars, ['DateTime','開盤價','最高價','最低價','收盤價','成交量'],
               columns=['sig'])

set_tick_period

core.set_tick_period(freq=60,
                     period=[['0845','1345'], ['1500','0500']],
                     need_settlement=True,
                     args=['DateTime','開盤價','最高價','最低價','收盤價','成交量'],
                     columns=[])
參數 說明 預設
freq 聚合頻率。int（分鐘）為單一週期；list 為多週期，例如 [60, 'D'] 代表 base=60 分（觸發 on_bar）+ 日線（觸發 on_bar2，純訊號不進帳務）。'D' 代表日線，日盤 + 前一夜盤視為同一交易日 60
period 交易時段區間列表。期貨預設日盤 08:45–13:45 + 夜盤 15:00–隔日 05:00；股票常用 [['0900','1330']] 期貨日夜盤
need_settlement 是否計算結算日（期貨適用） True
args / columns 同 feed_data —

freq 是 list 時：freq[0] → on_bar（走帳務），freq[1] → on_bar2， freq[2] → on_bar3，以此類推（純訊號）。 設了第 N 週期卻沒實作對應的 on_barN，框架會印警告並略過。

set_other_period（對標商品）

core.set_other_period(freq=60, period=..., need_settlement=True, args=..., columns=[])

對標商品只供訊號參考、完全不進帳務，觸發 on_other / on_other2 / on_other3。

feed_tick_df

core.feed_tick_df(df1)             # 只餵主商品
core.feed_tick_df(None, df2)       # 只餵對標
core.feed_tick_df(df1, df2)        # 主 + 對標，依時間交錯（同一時點對標先行）

feed_tick（單筆，live 用）

core.feed_tick({'time': '20260821101500', 'price': 18500.0, 'vol': 3})
key 說明
time 該筆 tick 的時間，字串 'YYYYMMDDHHMMSS'
price 成交價
vol 成交量

聚合週期 freq

get_*_ohlc 的 freq 與 set_tick_period 的 freq 用同一套轉換邏輯， 所以「先轉好再餵」與「餵小週期讓引擎聚合」兩條路徑產生的 K 棒逐根相同（已逐欄驗證 OHLCV）：

# 路徑 A：先轉好再餵
dfD = bt.Tools.get_fut_ohlc('TXF', freq='D')
core.feed_data(dfD)

# 路徑 B：餵小週期，讓引擎自己聚合
df60 = bt.Tools.get_fut_ohlc('TXF', freq=60)
core.set_tick_period(freq='D')
core.feed_tick_df(df60)          # 餵 1 分 K 也可以，結果一樣

freq 可傳分鐘數（int）或日線（'D'）。日線的規則：日盤 + 前一夜盤視為同一交易日。

取得歷史資料

bt.Tools 提供個股與期貨的歷史 K 線下載，內部依 symbol 分兩段快取： 原始資料只下載一次，之後不同 freq / period 組合各自快取聚合結果， 重複呼叫不會重複下載或重算。

get_stock_ohlc

bt.Tools.get_stock_ohlc(symbol, freq=1, adj=True, period=[['0900', '1330']])

取個股／ETF 歷史 K 線。內部固定抓「回溯約 4 年、到昨日為止」的 1 分 K 原始資料再聚合。

參數 說明 預設
symbol 個股／ETF 代號，例如 '0050'、'2330' 必填
freq 聚合頻率（分鐘） 1
adj 是否還原權息。True 時用「還原日 K 價量資料」的 收盤價/次日開盤參考價 比例，依交易日往前填補後調整開高低收（乘）與成交量（除） True
period 交易時段區間列表 [['0900','1330']]

回傳欄位：DateTime（K 棒結束時間）、dt_period（原始 tick 涵蓋的起訖時間字串）、 開盤價 / 最高價 / 最低價 / 收盤價 / 成交量。 adj=True 時多一欄 ratio（還原比例係數，供除錯驗證）。

get_fut_ohlc

bt.Tools.get_fut_ohlc(symbol='TXF', freq=1,
                      period=[['0845', '1345'], ['1500', '0500']])

取期貨歷史 K 線（日盤＋夜盤合併）。symbol 省略或 None 視為 'TXF'， 而 'TXF' 直接讀預先快取好的近期資料（不用另外下載），其他商品才會即時下載。 內部固定抓「回溯約 2 年、到昨日為止」的 1 分 K。

回傳欄位：DateTime、dt_period、開盤價 / 最高價 / 最低價 / 收盤價 / 成交量、 Settlement（該筆所屬的結算日）、結算（布林，標記結算日 13:30 強制切斷的那根 K 棒）。

df     = bt.Tools.get_stock_ohlc('0050', freq=60, adj=False)
df_fut = bt.Tools.get_fut_ohlc('TXF', freq=60)

要跟積木訊號對齊時：不要用 get_stock_ohlc

積木的 sig 是日頻矩陣（來自 api.MSMP.日_K），而 get_stock_ohlc 是 1 分 K 聚合的結果。頻率對不上，還要多下載一份 1 分 K。

兩邊都取 MSMP 日頻時，日期 index 天然完全對齊，不需要 reindex/ffill：

import pandas as pd

def daily_bars(api, symbol):
    k = api.MSMP.日_K
    zh2en = {'開盤價':'Open','最高價':'High','最低價':'Low','收盤價':'Close','成交量':'Volume'}
    df = pd.DataFrame({zh: getattr(k, en)[symbol] for zh, en in zh2en.items()})
    df.index.name = 'DateTime'
    return df.reset_index()

完整範例見 回測總覽。

時序管控

feed_data / feed_tick / feed_tick_df / feed_other 四個入口都有時序管控。

時間倒退的資料若不擋，會被當成新的一根接在後面，造成 row_list 時序錯亂、 self.row 變成舊價、停損停利以錯誤價位判斷，而且不會產生任何錯誤訊息。

處理分兩道：

道 處理對象 做法
排序 同一批資料內部亂序 餵入前檢查是否遞增，否則自動穩定排序並提示。已排序時零成本
守門 與先前已餵入的資料重疊 重疊區段整段丟棄，並輸出一行總結
情況 行為
同一批資料內部時間亂序 自動穩定排序後餵入
同一份 df 內同一時間多列 收下，維持原相對順序
時間與前一筆相同（單筆 feed_tick） 收下（逐筆行情同秒多筆成交屬正常）
與先前已餵資料重疊的區段 整段丟棄
邊界上時間完全相同的一列 feed_tick_df 丟棄（增量累加，重複會重計成交量）
feed_data 保留（整根覆蓋，且需支援重餵更新當前 K 棒）

主商品與對標各自維護水位線，互不影響。重疊區段在進入迴圈前就向量化濾除， 整段重疊時不做 K 棒轉換（20 萬列實測 1.98 秒 → 0.004 秒）。

會看到的警告：

[警告] 主商品資料時間 20240102103000 早於前一筆 20240102120000，已忽略（時序守門）
[警告] feed_tick_df 主商品: DateTime 沒有依時間遞增，已自動排序後才餵入
[警告] feed_data: 有 2 列時間早於已餵入的前一筆，已忽略（時序守門）

框架會幫你排序，但看到排序警告就該回頭查資料來源——那代表你的 df 本來就是亂的。

相關頁