Quant Buffet API

数据 API

load_daily_prices、load_price_panel、磁盘缓存与价格面板约定。

市场数据位于 `backtest.data`。实验室使用来自 Yahoo Finance 的日频复权收盘价（auto_adjust=True），并以 CSV 缓存在 backtest/data_cache/，使重复运行既快速又可复现。

load_daily_prices

python

prices = load_daily_prices(
    ["SPY", "TLT", "GLD"],   # symbols: list[str]
    "2010-01-01",            # start: str = "2000-01-01"
    None,                    # end: str | None = None
    use_cache=True,          # keyword-only: read/write backtest/data_cache/
    strict=False,            # keyword-only: raise on first failure
)
# -> pd.DataFrame, DatetimeIndex rows, one float column per loaded ticker

参数	类型	默认值	说明
`symbols`	`list[str]`	—	要加载的标的，例如 `["SPY", "TLT"]`。
`start`	`str`	`"2000-01-01"`	含起始日的 ISO 日期。
`end`	`str \| None`	`None`	可选结束日；`None` 表示至最新可得。
`use_cache`	`bool`（仅关键字）	`True`	读写 CSV 缓存。
`strict`	`bool`（仅关键字）	`False`	为 `True` 时首个标的失败即抛异常，而非跳过。

返回值

一个 `pd.DataFrame`，索引为已排序、不带时区的 `DatetimeIndex`。
每个成功加载的标的一列浮点值 —— 失败的标的直接缺列（除非 strict=True）。
每列独立前向填充，因此该标的的空缺被补齐，而其 IPO 之前的历史仍为 NaN。
当部分标的失败时，原因会附加到 `prices.attrs["load_errors"]`。
若没有任何标的加载成功，会抛出 RuntimeError 并列出前几条错误。

磁盘缓存

方面	行为
位置	`backtest/data_cache/`
文件名	`{SYMBOL}_{start}_{end or 'latest'}.csv`
列	`Date`、`AdjClose`
复用条件	文件存在且大于 50 字节
缓存键注意点	不同的 `start` 会生成不同文件 —— 并触发重新下载

Note. 由于缓存键包含日期区间，在各次实验中保持 start="2000-01-01" 可以让每个标的复用同一个缓存文件。每次运行都改 start 会强制重新下载，运行明显变慢。

load_price_panel

python

from backtest.data import load_price_panel

prices, missing = load_price_panel(["SPY", "TLT", "XYZ"], start="2010-01-01")
# prices:  已成功加载部分的 pd.DataFrame
# missing: ["XYZ"] — 无数据的标的

load_price_panel 会对标的列表去重、始终以非严格模式运行，并显式返回缺失标的。适合用在「希望报告缺口而不是直接崩溃」的脚本中。

Note. 在实验室沙箱里，你通常无需调用这两个加载函数 —— 运行器会替你加载 ASSETS，并把面板传入 make_on_day。它们主要用于本地脚本与批量回测。

可以放心依赖的面板约定

保证	对你代码的意义
索引升序排列	`rolling` 与 `shift` 行为符合预期
索引不带时区	比较时无需 `tz_localize`
列顺序遵循 `ASSETS`	但若某标的失败，列数可能更少
值为复权收盘价	拆股与分红已处理完毕
全 NaN 行已被运行器丢弃	面板首行至少有一个真实价格

python

# 每个策略都值得写上的防御性开头
cols = [c for c in ASSETS if c in prices.columns]
if not cols:
    raise ValueError("No ASSETS loaded")

first_valid = {s: prices[s].first_valid_index() for s in cols}
# 当回测起始日远晚于预期时，先检查这个字典