用途：面向使用 VectorBT 做策略回测的场景，覆盖信号生成、组合表现分析、参数优化与行情数据获取。
主要能力：以向量化方式完成回测与绩效统计；支持 from_signals、from_orders、from_holding 等模拟模式及多空方向；内置仓位管理（金额/价值/百分比/目标百分比）、固定止损止盈与移动止损；支持广播式与循环式参数优化；可做走前分析、蒙特卡洛与参数敏感性等稳健性测试；提供策略与基准对比表。
数据与环境：Python 环境依赖 vectorbt、pandas、numpy、plotly。数据源包括 OpenAlgo（印度市场）、DuckDB（直连数据库，兼容 OpenAlgo Historify 与自定义 ohlcv 格式）、yfinance（美股/全球）与 CCXT（加密货币）。API 密钥从项目根目录单个 .env 通过 python-dotenv 的 find_dotenv() 加载，不硬编码。脚本放在 backtesting/{strategy_name}/ 目录。
指标与信号：默认使用 OpenAlgo ta（from openalgo import ta），仅在用户明确要求时使用 TA-Lib；不使用 VectorBT 内置指标。Supertrend、Donchian、Ichimoku、HMA、KAMA、ALMA、ZLEMA、VWMA 等无 TA-Lib 对应的指标始终用 openalgo.ta。信号清理统一使用 ta.exrem、ta.crossover、ta.crossunder、ta.flip，生成原始信号后需先 fillna(False) 再 exrem。
费用与基准：按市场选择费用模型（印度 STT 加法定费用及每单 20 卢比、美国、加密）。默认基准为印度 NIFTY（OpenAlgo NSE_INDEX）、美国 S&P 500（^GSPC）、加密比特币（BTC-USD）。
限制：需自备数据源与 API 密钥；回测结果依赖数据质量与假设，不构成投资建议；具体品种、参数与文件路径需按用户环境提供，资料未给出更多细节。