tvdatafeed + backtrader:用真实行情回测你的交易策略完整指南

原创2026-11-02 22:12:581,811 阅读

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:

  1. 安装 tvdatafeed + backtrader
  2. 下载数据 → tv.get_hist(...) 获得 DataFrame
  3. 适配格式 → 列名重命名
  4. 编写策略 → 继承 bt.Strategy
  5. 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。🚀

登录后查看全文
tvdatafeed