引入bt框架作为回测新引擎基础，附带A股核心指数历史数据（全回测系统+数据下载）

原先的计算是把系统开发的差不多，再写专栏。

随着星球小伙伴越来越多，对于系统构建思路，代码讲解，系统的可运行性，包括向后兼容提出更高的要求。

因此今天开始，把专栏这个事情提上日程，尽量更新吧。

说实话，这个写完差不多是一本书了。

不一定会按照顺序写，一开始肯定是围绕一个可以跑起来，但扩展性要好的回测系统。然后数据模块，因子模块，机器学习模型，最后是策略实战。

昨天我们提及的bt。http://pmorissette.github.io/bt/

特点：

1. 矩阵模式回测

2. 结构简单，只三个文件，再引用了ffn库，也是三个文件

3. 可以绘图，生成权重、持仓、交易清单等。

另外：

1. 支持策略树，可以将多个策略进行叠加、嵌套，组合成复杂策略

2. 支持大类资产配置，内置了等权、波动率倒数，均值方法、风险平价四种方法

3. 模块化，可以对模块进行组合定制。如定时运行、指定权重等等

咱们之类的框架，实现了它的大类资产配置和模块化，策略树这个有点意思。

因为它只有三个文件，而且backtest.py和algos我们都比较熟悉了，只需要熟悉一下bt这个树结构，在core.py中。

上述就是我们的传统策略，SPY和AGG做股债平衡，但我们可能需要这样的策略，债券是被动操作，但权益类的需要主动管理，比如动量策略，那么策略树可以改成这样：

在我们自己用的“绝对型收益”组合策略构建上，这个很有多，通常策略有择时、轮动，大类资产配置，还是就是策略组合，多策略组合在一起，可以有效降低回撤，提升夏普比。

node是这个树结构里的重要节点，它即是策略的基类，也是证券的基类，我们可以把多策略组合，策略与证券也做组合等等。

class Node(object):
    _capital = cy.declare(cy.double)
    _price = cy.declare(cy.double)
    _value = cy.declare(cy.double)
    _notl_value = cy.declare(cy.double)
    _weight = cy.declare(cy.double)
    _issec = cy.declare(cy.bint)
    _has_strat_children = cy.declare(cy.bint)
    _fixed_income = cy.declare(cy.bint)
    _bidoffer_set = cy.declare(cy.bint)
    _bidoffer_paid = cy.declare(cy.double)

    def __init__(self, name, parent=None, children=None):
        self.name = name

        # children helpers
        self.children = {}
        self._lazy_children = {}
        self._universe_tickers = []
        self._childrenv = []  # Shortcut to self.children.values()
        self._original_children_are_present = (children is not None) and (
            len(children) >= 1
        )

        # strategy children helpers
        self._has_strat_children = False
        self._strat_children = []

        if parent is None:
            self.parent = self
            self.root = self
            # by default all positions are integer
            self.integer_positions = True
        else:
            self.parent = parent
            parent._add_children([self], dc=False)

        self._add_children(children, dc=True)

        # set default value for now
        self.now = 0
        # make sure root has stale flag
        # used to avoid unnecessary update
        # sometimes we change values in the tree and we know that we will need
        # to update if another node tries to access a given value (say weight).
        # This avoid calling the update until it is actually needed.
        self.root.stale = False