不少朋友运行backtrader回测程序，调用cerebro.plot()命令时，会出如下错误cannot import name ‘warnings’ from ‘matplotlib.dates’左查又查找不到原因。其实原因可能很简单，就是matplotlib版本不兼容。backtrader与matplot 3.3不兼容，要降级到3.2，运行如下命令可降级：pip uninstall matp

看了我的必须入门连载系列，如果你还不能入门，算我白写哈!全文见这里本次介绍backtrader技术教程的1.6节，介绍佣金、滑点的设置，以及怎样输出调试用执行信息，这个非常重要。我发现很多同学不会调试，当你不理解一些运行结果时，要多用print或log来输出信息，帮助自己理解和调试策略运行逻辑。...

backtrader自带的所有案例和文档，以及网络上几乎所有文章，编写策略逻辑时，使用的信息都仅限于datafeed提供的数据。这很容易给初学者造成一个印象，即编制策略时，只能使用datafeed里的信息。而有时，我们的策略需要一些不适合放到datafeed里的额外信息，能不能做到这点呢？完全可以，只要把这些外部信息放到普通pandas dataframe里，以参数形式传给策略（注意，不是传给da

backtrader回测功能非常强大，但是只开发了国外的实盘交易接口，国内还没有公开的实盘交易接口。鉴于广大用户都有实盘交易需求。我们对此进行了开发。目前完成了第一阶段的工作。即开发了针对国内期货交易的实盘接口，目前可以进行实盘模拟交易，但还不能进行实际交易（支持实际交易是下一阶段的工作）。对期货实盘模拟交易感兴趣的用户可以加群QQ群1125384417下载“backtrader ctp国内期货实

本文完整内容请参见我的微信公众号“optMaster”中的backtrader高级专题部分，或参看我们开发的视频课程中backtrader高级专题部分。目录：1 引例：输出html绩效报表2 Quantstats详解2.1 quantstats.stats：输出文字形式的各项绩效指标2.2 quantstats.plots：以图的形式输出绩效指标（仅notebook）2.3 quantstats.

上一篇文章我们简单介绍了backtrader中交易trade的概念。其实关于trade，backtrader文档讲得很不清晰，或者太简略，以至于没几个人知道它的确切用法和用处。比如策略自身带的_tades属性是什么，怎么访问它的信息。trade对象的history属性又是什么，如何访问其信息，这些都语焉不详。本文从我们编写的教程里摘出部分内容，彻底解释清楚trade相关知识，以飨读者。...

有同学看了我的Qlib教学视频后，想将视频中的示例机器学习模型LGBModel换成Qlib提供的另一个模型LSTM，但不知道怎么配置。我看了一下，确实LSTM模型的配置要比LGBModel麻烦。参考Qlib源码中的如下yaml文件：我们可以在jupyter notebook中写出对应的词典配置，其中改动的是data_handler_config和task配置段。我已将源码传到腾讯课堂Qlib课程最

最近微软研究院发布了一个融合了各种机器学习算法的人工智能量化投资平台Qlib，可以用来进行量化机器学习和交易策略量化回测。看其他介绍文章都是半通不通的翻译英文文档，不着要点。我安装试用了一下，用大白话告诉你Qlib的功能，也许你看起来更容易明白它是干什么的。从应用层来看，它主要包括数据、机器学习和策略回测松耦合的三大块（每块可以独立），我们会陆续制作相关视频课程介绍这些内容。本次发出第一部分视频，

市场上有不少开源量化回测与交易框架，很多朋友不知如何选择。我也看过许多，到目前为止，backtrader是我看到的编写策略最简洁优雅的框架，同样的事情，他的代码量往往最少。1 统一简洁的策略编写模式大家可以观察如下链接中经典双均线策略的单股和多股实施：扫地僧backtrader给力教程系列可以看出单股、多股是在统一的模式下编制，不像有些框架单股、多股需要两套不同的模板，处理得很不优雅。如果你想对比

上一个视频介绍了怎么安装Qlib，本次视频演示将网上的行情数据下载到本地。视频地址点此可以将Qlib的机器学习和另一个更加成熟的基于python的开源量化回测框架backtrader一起使用。关于backtrader技术教程，请进QQ群1125384417下载样书及源码。===============背景资料：微软研究院发布的融合了各种机器学习算法的AI人工智能量化投资平台Qlib，可以用来进行交