连载第 1 期：从零构建我的量化系统——为什么我先选 backtrader，又为什么在第 3 天想放弃

本系列记录一个研发经理从零构建量化系统的真实过程。不是教程，是实录——包括走弯路、返工、想放弃的时刻。只谈工程与方法，不谈标的、不做投资建议。

本期做了什么

这周的目标本来很小：把本地回测环境跑起来，用一份日线数据跑通一个最小策略。

实际发生的事情是：

1. 花半天做框架选型，选了 backtrader；
2. 花一天写环境脚本，自以为很稳；
3. 第 3 天被 Python 3.13 的兼容性问题打崩心态；
4. 又花一天排查、降级、验证；
5. 周末终于跑通，但留下了 3 条决定要写进规范的教训。

选型：为什么先试 backtrader

我的需求清单其实很朴素：

需求	重要度	说明
纯本地运行	高	研究阶段不碰实盘接口
事件驱动或向量化都行	中	先跑通，不纠结架构
社区资料多	高	出问题要搜得到答案
许可证友好	高	未来可能商用衍生品
支持 A 股日线回测	高	当前只做日线

候选是三个：backtrader、vectorbt、vnpy。

• vectorbt 很快，但许可证里带 Commons Clause，禁止把它的功能打包成收费交付物。对我这种「未来可能做数字产品」的规划来说是个雷区——教学可以，产品底座不行。
• vnpy 是全栈方案，事件引擎、实盘接口都有，但对「我只想先跑个日线回测」来说太重了。
• backtrader 是 GPL-3.0，社区资料最多、概念最贴近我熟悉的事件驱动模型，先拿它入门最稳。

结论：先用 backtrader 学概念，未来产品底座自研或选 MIT/Apache 系。

第 3 天：撞墙

环境脚本我写得很自信：

# 环境搭建脚本（节选）
uv venv .venv --python 3.13
source .venv/bin/activate
uv pip install backtrader matplotlib pandas

装是装上了。然后跑最小示例：

import backtrader as bt

cerebro = bt.Cerebro()
cerebro.broker.setcash(100_000)
print('启动资金:', cerebro.broker.getvalue())
cerebro.run()
print('结束资金:', cerebro.broker.getvalue())

输出直接给我一记暴击：

ModuleNotFoundError: No module named 'collections.MutableMapping'

不是示例代码的问题，是 backtrader 在 Python 3.13 下的依赖链炸了——collections.MutableMapping 这类 ABC 别名在 Python 3.10 就被移除了，旧版依赖还在用。

排查过程

第一步：确认是依赖问题而不是我的代码问题。 用干净环境复现：

uv venv /tmp/probe --python 3.13
uv pip install backtrader
python -c "import backtrader"

3.13 稳定复现，3.12 正常。锁定解释器版本是触发条件。

第二步：找到具体炸点。 完整 traceback 指向一条间接依赖，它 import 了旧路径的 collections 抽象类：

# 出问题的用法（示意）
from collections import MutableMapping  # Python 3.10+ 已移除

# 正确写法
from collections.abc import MutableMapping

第三步：决策——等上游修复，还是降级 Python？

查了一圈 issue，上游修复的节奏不可控。我的需求是「这周跑通」，不是「贡献 patch」。所以决定：

# 回退到 Python 3.12
uv venv .venv --python 3.12
uv pip install backtrader matplotlib pandas

跑通了。数字终于对了。

为什么第 3 天想放弃

说真的，第 3 天晚上我关掉了编辑器。不是因为技术多难——一个 import 问题而已——而是因为一种熟悉的挫败感：明明是「跑个示例」这种最简单的一步，却要先给整个生态做一次考古。

后来我想明白了一件事：量化系统的工程复杂度，大部分不来自策略，而来自环境、数据和复现性。策略代码可以 20 行写完，但让这 20 行在半年后还能跑出一样的数字，是一套完全不同的工程问题。

这恰恰是我想持续记录的东西——不是「我用了什么策略」，而是「我怎么把这个系统搭起来」。

留下的 3 条规范

这次踩坑直接变成了我自己的工程规范：

1. Python 版本锁定到小版本。 requires-python = ">=3.12,<3.13"，锁文件入库。「用最新解释器」在研究阶段不是美德，是风险。
2. 所有实验必须能一键复现。 脚本、锁文件、数据快照版本号三件套，缺一个就不算完成。
3. 每次跑通都要留 evidence 快照：环境、版本、数据来源、验证时间。写文章要用，做产品更要用。

下期预告

两件事：把数据管道从「直接读 CSV」升级成带校验的加载层；给回测结果加第一版陷阱自检——先查未来函数和前视偏差，再看收益率曲线。

---

本系列只讨论工程实现与方法论，不构成任何投资建议。