用途：在 Python 环境中基于 VectorBT 构建并运行交易策略回测，生成入场/出场信号，分析组合表现，优化参数，并获取行情数据。
主要能力：使用 vectorbt、pandas、numpy、plotly；数据源含 OpenAlgo（印度市场）、yfinance（美国/全球）、CCXT（加密货币）及自定义来源；技术指标一律使用 TA-Lib，VectorBT 内置指标（如 vbt.MA.run、vbt.RSI.run）不使用；TA-Lib 未覆盖的指标（Supertrend、Donchian、Ichimoku、HMA、KAMA、ALMA、ZLEMA、VWMA）及信号工具 ta.exrem、ta.crossover、ta.crossunder、ta.flip 使用 openalgo.ta。信号需在生成后清洗，先 .fillna(False) 再 exrem。费率按市场选择：印度 Zerodha（每单 20 卢比）、美国 IBKR、加密 Binance；基准默认印度 NIFTY（OpenAlgo NSE_INDEX）、美国 S&P 500、加密 Bitcoin。回测后输出策略与基准对比表，并用通俗语言解释报告；Plotly 蜡烛图 x 轴须设为 type="category" 以避免周末缺口；股票设置 min_size=1、size_granularity=1。
使用方式：API 密钥通过项目根目录单一 .env 配合 python-dotenv 的 find_dotenv() 加载，禁止硬编码；脚本放入 backtesting/{strategy_name}/ 目录；规则文档在 rules/ 下按主题划分（数据获取、模拟模式、仓位管理、指标信号、止损止盈、参数优化、绩效分析、绘图、各市场费率、期货回测、多空交易、CSV 重采样、walk-forward、稳健性测试、常见陷阱、策略目录、QuantStats 报告等）；rules/assets/ 提供现成模板，如 EMA 交叉、RSI、Donchian、Supertrend、MACD、SDA2、动量、双动量、买入持有、RSI 累积、walk-forward、真实成本等。
适用场景：股票、期货、加密等市场的策略验证、参数优化与绩效对比。
限制：需本地 Python 环境及相应依赖与数据源凭据；费率、税费与合约乘数等细节需按所在市场核验；回测结果不构成投资建议。