本地行情数据库的优点
如果只是偶尔简单的回测，那直接从tushare、yfinance等数据源获取数据就可以了。但如果每天要进行多次回测且对延迟以及数据处理有很多要求时，建立本地行情数据库就是非常有必要的了。
本地行情数据库的几个优点：
- 网络延迟小
- 只有第一次行情数据需要从远程读取。在多次远程读取行情数据需要多花钱的情况下，可以减少费用支出
- 可以将数据和策略隔离。多个数据源导入到数据库，backtrader只从数据库读取行情数据，不用关心数据是从tushare读取、还是从yfinance读取
- 可方便扩展支持更多指标。除datetime(时间)、open(开盘价)、close(收盘价)、high(最高价)、low(最低价)、volume(成交量)这些常用指标外，其他指标可以很好的扩展
- 方便数据备份恢复。 mysql的生态非常成熟，常见任务比如备份恢复可以很方便完成
本地行情数据库可以是sqlite、mysql、postgresql等sql数据库，也可以是mongodb、leveldb、rocksdb、dolphindb等nosql数据库。本文以mysql为例进行说明，其他数据库请求原理类似，暂不单独说明。
本文介绍几种从本地行情数据库读取数据到backtrader的方法，供参考。示例代码关注微信公众号查看，公众号：诸葛说talk
方法1 — pandas read_sql直接读取
pandas作为数据处理的瑞士军刀，可以直接支持从sql读取数据生成DataFrame，当然需要将数据库连接作为参数。生成DataFrame后将其传给backtrader的bt.feeds.PandasData()类创建pandas data对象，策略便能使用了。
方法2 — 读取数据库，再将数据记录转成pandas dataframe
从数据库读取行情数据后，通过DataFrame()函数手动将list数据转成pandas dataframe数据，然后将其传给backtrader的bt.feeds.PandasData()类创建pandas data对象，策略便能使用了。
方法3—自定义DataFeed从数据库读取
DataFeed 即 backtrader 中的数据源，任何数据进入backtrader策略回测前都要通过DataFeed。方法3就是增加一个基于mysql的DataFeed，示例代码参考官方论坛，如下所示。首先，自定义MySQLData类使其继承自backtrader的数据基类 DataBase,如果需要从外部传入所需股票数据的代码和其一定范围内的K线数据，需要提前定义params。在 cerebro.adddata(data) 的时候，cerebro会遍历Datafeed的所有数据，此时会调用_load函数，需要在_load()函数里面将数据库中提取的每列数据对应到lines上。示例代码关注微信公众号查看，公众号：诸葛说talk
此外，如果你有除了datetime(时间)、open(开盘价)、close(收盘价)、high(最高价)、low(最低价)、volume(成交量) 之外的指标。需要提前自定义对应的lines，如下新增了turnover lines：
lines = (
"turnover"
)
结论
上述三种方法都可以实现目的，不过方法3更加自由一些，特别是需要自定义lines的时候。 我自己用的时候也是基于方法3来实现，但为了更好的兼容其他库，我没有直接使用sqlalchemy来请求mysql，而是使用peewee 来访问mysql。peewee是一个简单好用的orm，支持sqlite, mysql, postgresql 和cockroachdb。
交流
示例代码欢迎关注微信公众号获取，最新最全的文章会优先发布在微信公众号上。
公众号：诸葛说talk