事實上，backtrader雖然沒有直接提供接口給我們做這樣的優化，但是我們可以通過繼承DataBase基類重寫DataFeed實現目的。下面就給大家演示一下如何從MySQL中提取數據并增加換手率指標進行回測。

本文完整源代碼和數據均在開源代碼倉庫中：
https://github.com/Ckend/pythondict-quant

1.準備

開始之前，你要確保Python和pip已經成功安裝在電腦上，如果沒有，請訪問這篇文章：超詳細Python安裝指南 進行安裝。如果你用Python的目的是數據分析，可以直接安裝Anaconda：Python數據分析與挖掘好幫手—Anaconda，它內置了Python和pip.

此外，推薦大家用VSCode編輯器，因為它可以在編輯器下方的終端運行命令安裝依賴模塊：Python 編程的最好搭檔—VSCode 詳細指南。

Windows環境下打開 Cmd (開始-運行-CMD)，蘋果系統環境下請打開 Terminal (command+空格輸入Terminal)，準備開始輸入命令安裝依賴。

在終端輸入以下命令安裝我們所需要的依賴模塊:

pip install backtrader
pip install numpy
pip install matplotlib

看到 Successfully installed xxx 則說明安裝成功。

2.自定義DataFeed

何為DataFeed？DataFeed 即 backtrader 中的“數據源”，任何數據進入策略回測前都要通過DataFeed，而DataFeed中會對數據進行處理，使得策略可以高效地進行計算。

我們今天要做的，就是增加一個基于MySQL的DataFeed，使得整個流程變得更加自動化。

首先，需要定義一個類，使其繼承與backtrader的數據基類 DataBase:

from backtrader.feed import DataBase
from backtrader import date2num


class MySQLData(DataBase):
  pass

如果需要從外部傳入所需股票數據的代碼和其一定范圍內的K線數據，需要提前定義params. 此外，如果你有除了：datetime(時間)、open(開盤價)、close(收盤價)、high(最高價)、low(最低價)、volume(成交量) 之外的指標。需要提前定義lines，如下所示：

從上圖可見，在lines中我增加了兩個自定義指標：turnover(成交額) 和 turnover_rate(換手率)。

接下來，編寫一個函數根據params參數從MySQL中獲取數據：

代碼本身沒有什么可說的，記得替換你本地的mysql配置，值得注意的是最后一行，拿到mysql數據后需要轉化為迭代器。

在類初始化的時候，需要定義相關的數據存放變量并調用上述函數獲取數據：

接下來到了關鍵的步驟，在調用回測策略前，cerebro會遍歷Datafeed的所有數據，此時會調用_load函數, 因此我們需要在這里，將數據庫中提取的每列數據對應到lines上：

如果你完整地看完了我的上述分析，那么理解下面整個DataFeed，甚至自己寫一個DataFeed，是非常容易的。

3.使用自定義數據流進行回測

接下來，讓我們嘗試使用這個自定義數據流輸入數據，采用第二章的macd策略輔助增加換手率指標進行回測。

這里當然需要你先讀懂第二章的內容，如果有點忘記了，可以回頭閱讀一下，非常簡單：

Python 量化投資實戰教程(2) —MACD策略

首先，在回測模塊及next函數中，引入換手率指標：

next函數買入時增加判斷換手率必須小于3%的條件：

最后，引入我們剛剛編寫完成的MySQLData Feed，傳入相關參數讀取股票為603520.SH的數據流，取2017年1月1日至2020年4月12日的數據，并調用回測函數：