用途：Backtrader 是开源 Python 量化回测框架，用于开发量化策略、编写交易逻辑、进行回测分析与参数优化。采用事件驱动架构，核心组件包括 Cerebro（引擎）、Strategy（策略类）、Data Feed（数据源）、Broker（经纪商）、Indicator（内置 100+ 技术指标）、Analyzer（绩效分析）。纯 Python 实现，无外部依赖，适合离线研究。官方文档：https://www.backtrader.com/docu/
安装：pip install backtrader；如需绘图 pip install backtrader[plotting] 或 pip install matplotlib。
主要能力：支持从 Pandas DataFrame、CSV 加载数据，多股票与多周期回测，数据重采样（如分钟线转日线）；策略可定义可调参数，支持市价、限价、止损、止损限价单及撤单、目标仓位调整；提供订单与交易回调；内置 SMA、EMA、MACD、RSI、布林带、KDJ、ATR、CrossOver 等指标；可设置初始资金、手续费、滑点与仓位管理器；内置夏普比率、最大回撤、收益率、交易统计、SQN、年化收益等分析器；通过 optstrategy 进行参数网格搜索并支持多核并行。
使用方式：在 init 中定义指标，在 next 中编写交易逻辑；用 self.data.close[0] 访问当前值、[-1] 访问前值；通过 cerebro.addstrategy 添加策略、adddata 加载数据、broker.setcash 设置资金、run 运行、plot 绘图。
适用场景：量化策略研究、回测分析、参数优化与交易逻辑验证。
限制：数据需用户自行准备，可配合 baostock、AKShare、Tushare 等数据源使用；DataFrame 列名须为小写 open、high、low、close、volume，索引须为 DatetimeIndex；数据量不足会导致指标计算报错；绘图需安装 matplotlib；参数优化时 sharpe 可能返回 None，需处理空值。更多进阶策略示例见 references/advanced-strategies.md。