tvdatafeed + backtrader:用真实行情回测你的交易策略完整指南
tvdatafeed + backtrader:用真实行情回测你的交易策略完整指南
想用真实市场数据验证你的交易策略?tvdatafeed 是一个免费的 TradingView 历史数据下载器,配合 backtrader 量化回测框架,你可以零成本获取最多 5000 根 K 线数据,覆盖股票、期货、加密货币等多类资产,快速搭建完整的 Python 量化回测流程。
tvdatafeed 是什么?
tvdatafeed 是一个轻量级的 Python 库,核心功能是从 TradingView 平台下载历史行情数据。它通过 WebSocket 连接 TradingView 的数据接口,将 OHLCV(开盘、最高、最低、收盘、成交量)数据以 pandas DataFrame 形式返回,可直接对接 backtrader 等回测引擎。
核心特性一览:
| 特性 | 说明 |
|---|---|
| 数据量 | 单次最多下载 5000 根 K 线 |
| 周期 | 1分钟 / 3分钟 / 5分钟 / 15分钟 / 30分钟 / 45分钟 / 1H / 2H / 3H / 4H / 日线 / 周线 / 月线 |
| 资产类型 | 股票、指数、期货、加密货币、ETF 等 |
| 登录方式 | 可选登录(未登录时部分品种受限) |
| 实时行情 | 提供 TvDatafeedLive 子类,支持近实时数据推送 |
项目源码位于 tvDatafeed/main.py,核心逻辑仅百余行,易于阅读和二次开发。
一键安装步骤
打开终端,执行以下命令即可完成安装:
pip install --upgrade --no-cache-dir git+https://gitcode.com/gh_mirrors/tv/tvdatafeed
安装后,核心依赖自动包含 pandas、websocket-client 和 requests,无需额外配置。如需搭配 backtrader 回测,再执行:
pip install backtrader
💡 如果你使用国内网络访问 GitHub 受限,可优先从上方 gitcode 镜像源安装。
获取 TradingView 历史行情数据
初始化与登录
from tvDatafeed import TvDatafeed, Interval
# 方式一:登录(数据更全)
tv = TvDatafeed(username='你的用户名', password='你的密码')
# 方式二:不登录(部分品种可能受限)
tv = TvDatafeed()
初始化逻辑在 tvDatafeed/main.py#L39-L64 中实现,未登录时会生成一个 unauthorized_user_token 并打印警告。
下载 K 线数据
核心方法是 get_hist,参数如下:
# 下载 AAPL 日线,1000 根
df = tv.get_hist(symbol='AAPL', exchange='NASDAQ', interval=Interval.in_daily, n_bars=1000)
# 下载 BTC/USDT 1小时线,5000 根
df = tv.get_hist(symbol='BTCUSD', exchange='BINANCE', interval=Interval.in_1_hour, n_bars=5000)
# 下载 NIFTY 期货连续合约
df = tv.get_hist(symbol='NIFTY', exchange='NSE', interval=Interval.in_1_hour, n_bars=5000, fut_contract=1)
返回的 DataFrame 包含列:symbol、open、high、low、close、volume,索引为 datetime。
查找交易品种
不确定品种代码时,用 search_symbol 搜索:
results = tv.search_symbol('WTI')
# 返回包含 symbol、description、exchange、type 等信息的列表
将数据接入 backtrader 回测框架
backtrader 原生支持 pandas.Data 数据源,而 tvdatafeed 返回的恰好就是 pandas DataFrame,两者天然兼容。
数据适配
tvdatafeed 返回的列名为小写(open, high, low, close, volume),而 backtrader 默认期望 Open, High, Low, Close, Volume 首字母大写。做一步列名映射即可:
import backtrader as bt
# 重命名列以匹配 backtrader 要求
df.columns = ['symbol', 'Open', 'High', 'Low', 'Close', 'Volume']
df = df.drop(columns=['symbol']) # 去掉多余列
data = bt.feeds.PandasData(dataname=df)
完整回测示例:双均线策略
import backtrader as bt
from tvDatafeed import TvDatafeed, Interval
# 1. 获取数据
tv = TvDatafeed()
df = tv.get_hist(symbol='AAPL', exchange='NASDAQ',
interval=Interval.in_daily, n_bars=1000)
# 2. 数据适配
df.columns = ['symbol', 'Open', 'High', 'Low', 'Close', 'Volume']
df = df.drop(columns=['symbol'])
data = bt.feeds.PandasData(dataname=df)
# 3. 定义策略:短期均线穿越长期均线
class DualMA(bt.Strategy):
params = dict(fast=12, slow=26)
def __init__(self):
ma_fast = bt.ind.SMA(period=self.params.fast)
ma_slow = bt.ind.SMA(period=self.params.slow)
self.crossover = bt.ind.CrossOver(ma_fast, ma_slow)
def next(self):
if self.crossover > 0: # 金叉 → 买入
if not self.position:
self.buy()
elif self.crossover < 0: # 死叉 → 卖出
if self.position:
self.close()
# 4. 创建回测引擎
cerebro = bt.Cerebro()
cerebro.adddata(data)
cerebro.addstrategy(DualMA)
cerebro.broker.setcash(100000) # 初始资金 10 万
cerebro.broker.setcommission(commission=0.001) # 手续费 0.1%
# 5. 运行并查看结果
results = cerebro.run()
final_value = cerebro.broker.getvalue()
print(f'最终资产: {final_value:.2f}')
cerebro.plot() # 输出回测图表
关键参数与进阶技巧
支持的周期枚举
所有可用周期定义在 tvDatafeed/main.py#L16-L29 中:
| 枚举值 | 对应周期 |
|---|---|
Interval.in_1_minute |
1 分钟 |
Interval.in_5_minute |
5 分钟 |
Interval.in_15_minute |
15 分钟 |
Interval.in_30_minute |
30 分钟 |
Interval.in_1_hour |
1 小时 |
Interval.in_4_hour |
4 小时 |
Interval.in_daily |
日线 |
Interval.in_weekly |
周线 |
Interval.in_monthly |
月线 |
期货连续合约
下载期货数据时,通过 fut_contract 参数选择合约类型:
None:现货/现金价格1:当前主力连续合约2:下一主力连续合约
实时行情推送(TvDatafeedLive)
如果你不仅想回测,还想做近实时模拟交易,可以使用 tvDatafeed/datafeed.py 中的 TvDatafeedLive 类:
from tvDatafeed import TvDatafeedLive, Interval
tvl = TvDatafeedLive(username='xxx', password='xxx')
seis = tvl.new_seis('BTCUSD', 'BINANCE', Interval.in_1_hour)
def on_new_bar(seis, data):
print(f'新K线: {seis.symbol} 收盘价={data["close"].iloc[-1]}')
tvl.new_consumer(seis, on_new_bar)
当 TradingView 产生新一根 K 线时,注册的回调函数会自动被调用。注意:这是"近实时"而非"真正实时",存在一个周期的延迟。
数据量上限与分批下载
单次 get_hist 最多返回 5000 根 K 线。如果需要更长的历史数据,可以结合 pandas 按时间窗口多次请求并拼接(TradingView 对单次请求条数有限制,多次请求之间建议加入短暂延时)。
常见问题速查
Q:不登录能下载数据吗? A:可以,但部分交易所的品种可能无法访问。登录后可获取完整权限。
Q:返回的 DataFrame 能直接喂给 backtrader 吗?
A:需要做一步列名重命名(小写→首字母大写),去掉多余的 symbol 列后即可直接使用 bt.feeds.PandasData。
Q:支持哪些交易所? A:凡是在 TradingView 上可交易的品种均可下载,包括 NASDAQ、NYSE、BINANCE、MCX、NSE 等主流交易所。
Q:数据是前复权还是后复权?
A:TradingView 默认返回前复权数据(调整类型 splits),对于回测场景通常足够使用。
总结
tvdatafeed 将"获取真实行情数据"这一步变得极其简单——几行代码即可拿到标准化的 OHLCV DataFrame,与 backtrader 回测框架无缝衔接。对于量化交易初学者来说,这套组合让你在零 API 费用、零数据订阅的前提下,就能用真实市场数据验证交易策略的有效性。
核心工作流:
- 安装 tvdatafeed + backtrader
- 下载数据 →
tv.get_hist(...)获得 DataFrame - 适配格式 → 列名重命名
- 编写策略 → 继承
bt.Strategy - 运行回测 →
cerebro.run()+cerebro.plot()
从零到第一份回测报告,通常不超过 30 分钟。🚀