在使用bt进行多股回测时，经常会出现回测开始的日期比预期日期要晚很多的情况，本文将结合案例，分析这一现象的原因。本文仅对实践中用到的日线回测进行分析，如要处理分时数据，可参考本文方法分析。
本文将先通过3个案例展示多股回测的开始时间的变化情况，然后通过分析源代码说明产生这种变化情况的原因。
案例
在以下3个案例中，分别使用[600035]、[600035，300412]、[600035，300412，300919]3组股票作为股票池，回测开始时间选定为1月8日，在策略的next函数中打印以下信息：
def next(self):print('next-------------------------------------------{}'.format(bt.num2date(self.lines.datetime[0])))
在回测过程中，cerebro的所有参数均使用默认值，所有的数据均通过pandas data数据导入，所需要的指标已前期计算完成，保存在pandas data中，无需backtrader在进行计算，即数据的最小周期数为1。
案例1
股票池：600035
回测开始时间：-01-08
打印结果：
next--------------------------------------------01-08 00:00:00next--------------------------------------------01-09 00:00:00...
案例2
股票池：600035，300412
回测开始时间：-01-08
打印结果：
next--------------------------------------------02-08 00:00:00next--------------------------------------------02-09 00:00:00...
案例3
股票池：600035，300412，300919
回测开始时间：-01-08
打印结果：
next--------------------------------------------12-23 00:00:00next--------------------------------------------12-24 00:00:00...
案例分析
3个案例中，除参与回测的股票池不同外，其余设置完全相同，但从打印结果可以看出，回测的开始时间相差非常大。
案例1的真实回测开始时间为-01-08，案例2的真实回测开始时间为-02-08，案例3的真实回测开始时间为-12-23。
来看一下参与回测的股票的情况：
600035，在回测开始时间-01-08有K线数据。300412，在回测开始时间-01-08没有K线数据，-01-08至-02-07停盘，-02-08恢复交易，开始有K线数据。300919，在回测开始时间-01-08没有K线数据，-12-23上市，开始有K线数据。
通过回顾个股的情况可以发现，600035在回测开始时间-01-08有K线数据，因此案例1从-01-08开始回测；300412在-02-08才开始有K线，因此案例1从-02-08开始回测；300919在-12-23才开始有K线，因此案例1从-12-23开始回测。也就是说，多股回测时，回测真实的开始时间是参与回测的所有股票，在设置的回测开始时间后，均具有最小周期个K线数据的时间（本文中的最小周期均为1）。
源码分析
这里结合案例2，即股票池为600035和300412，进行源码分析。
最小周期状态值
回测的核心代码都在strategy的next函数中，来看一下该函数的调用堆栈：
1. run, cerebro.py: 11272. runstrategies, cerebro.py: 12933. _runonce, cerebro.py: 16954. _oncepost, strategy.py: 305
_oncepost的部分源码如下：
def _oncepost(self, dt):...minperstatus = self._getminperstatus()if minperstatus < 0:self.next()elif minperstatus == 0:self.nextstart() # only called for the 1st valueelse:self.prenext()...
可以看到，_oncepost会根据最小周期状态值minperstatus来决定是调用next、nextstart还是prenext，下面展示了这3个函数默认的实现内容。
def prenext(self):'''This method will be called before the minimum period of alldatas/indicators have been meet for the strategy to start executing'''passdef nextstart(self):'''This method will be called once, exactly when the minimum period forall datas/indicators have been meet. The default behavior is to callnext'''# Called once for 1st full calculation - defaults to regular nextself.next()def next(self):'''This method will be called for all remaining data points when theminimum period for all datas/indicators have been meet.'''pass
其中，prenext在最小周期达到前别调用，默认实现为空；nextstart在最小周期达到时被调用一次，默认是调用next函数；当达到最小周期后，next被调用，进入回测逻辑，通常用户会根据自己的策略重写next函数。
了解了这3个函数的内容后，那么什么时候进入next，开始真正的策略回测，就取决于最小周期状态值minperstatus，来看一下_getminperstatus函数的代码：
def _getminperstatus(self):# check the min period status connected to datasdlens = map(operator.sub, self._minperiods, map(len, self.datas))self._minperstatus = minperstatus = max(dlens)return minperstatus
实现非常简洁，说明如下：
self._minperiods是一个列表，列表的长度为self.datas的长度，加载数据的个数，其中每个元素对应的是每个data的最小周期数（本文的案例中均为1），案例2中加载了2个数据，每个数据最小周期都为1，那么self._minperiods=[1, 1]。map(len, self.datas)使用map求取每个data已处理过的K线的数目，案例2共加载2个数据，第1个数据已处理1根K线，即len(self.datas[0])=1，第2个数据已处理0根K线，即len(self.datas[1])=0，那么map(len, self.datas)就返回由1和0两个元素组成的迭代器。使用operator.sub，对self._minperiods和map(len, self.datas)对应元素相减，返回1个迭代器，按上面的示例就会得到[1, 1] - [1, 0] = [0, 1]（dlens）。最后使用max求取迭代器dlens中的最大值，示例中为1，并返回。
在回看_oncepost的源码，如果minperstatus > 0，就会调用prenext函数，默认就什么操作也没进行。
通过上面的分析可以看出，在最小周期确定的情况下，如果有部分数据K线一直未被处理（即len(self.data[x])=0，那么max(self._minperiods - map(len, self.datas)) > 0），则会使求得的最小周期状态值minperstatus一直大于0，就一直无法调用next函数进入真实回测阶段。
更新已处理K线长度
下面再来分析下bt中，依据K线数据时间更新len(self.data[x])的逻辑。
调用堆栈如下：
1. run, cerebro.py: 11272. runstrategies, cerebro.py: 12933. _runonce, cerebro.py: 1664
_runonce中相关代码如下：
def _runonce(self, runstrats):...while True:# Check next incoming date in the datasdts = [d.advance_peek() for d in datas]dt0 = min(dts)if dt0 == float('inf'):break # no data delivers anything# Timemaster if needed be# dmaster = datas[dts.index(dt0)] # and timemasterslen = len(runstrats[0])for i, dti in enumerate(dts):if dti <= dt0:datas[i].advance()# self._plotfillers2[i].append(slen) # mark as fillelse:# self._plotfillers[i].append(slen)pass...for strat in runstrats:strat._oncepost(dt0)...
dts = [d.advance_peek() for d in datas]返回的是1个日期的列表，每个元素是每个数据将要处理的日期。案例2中，加载了数据600035和300412，在首次循环时dts=[-01-08, -02-08]（默认为时间戳，这里为了方面说明，转化为日期）。dt0取dts中的最小值，即-01-08。循环for i, dti in enumerate(dts)中，对待处理日期小于等于dt0的数据，进行 datas[i].advance()，而在advance函数中，进行了self.lencount += size，其中size默认为1。在len(self.datas[x])中，最底层也是访问的self.lencount。因此advance的调用就会改变len(self.datas[x])的值。len函数的底层方法实现如下：
def __len__(self):return self.lencount
对于案例2，600035的dti（-01-08） <= dt0（-01-08），因此会调用datas[i].advance()；而300412的dti（-02-08）> dt0（-01-08），不会进行advance，因此没有改变len(self.datas[x])，这就导致上面提到的计算最小周期状态值minperstatus时，len(self.datas[x])一直为0，进而minperstatus=max(self._minperiods - map(len, self.datas)) > 0，进而无法进入next回测阶段。进入下一轮while循环 下一个待处理的日期列表dts = [-01-09, -02-08]，即600035移动了1根K线数据，300412没有改变；dt0 = -01-09；循环for i, dti in enumerate(dts)中，600035的dti（-01-09） <= dt0（-01-09），因此会调用datas[i].advance()；而300412的dti（-02-08）> dt0（-01-09），不会进行advance；最小周期状态值minperstatus > 0，未进入next。 进入下一轮while循环 下一个待处理的日期列表dts = [-01-10, -02-08]，即600035移动了1根K线数据，300412没有改变；dt0 = -01-10；循环for i, dti in enumerate(dts)中，600035的dti（-01-10） <= dt0（-01-10），因此会调用datas[i].advance()；而300412的dti（-02-08）> dt0（-01-10），不会进行advance；最小周期状态值minperstatus > 0，未进入next。 。。。。。。进入下一轮while循环 下一个待处理的日期列表dts = [-02-08, -02-08]，即600035移动了1根K线数据，300412没有改变；dt0 = -02-08；循环for i, dti in enumerate(dts)中，600035的dti（-02-08） <= dt0（-02-08），因此会调用datas[i].advance()；300412的dti（-02-08） <= dt0（-02-08），因此会调用datas[i].advance()；最小周期状态值minperstatus = 0，进入next，开始回测。
通过上面的跟踪分析发现，虽然600035自回测开始时间-01-08就有K线数据，但是300412直到-02-08才有K线数据，回测直到两只股票都有K线数据时才会真正开始。也就是上面提到的，多股回测时，回测真实的开始时间是参与回测的所有股票，在设置的回测开始时间后，均具有最小周期个K线数据的时间。
欢迎大家关注、点赞、转发、留言，感谢支持！
微信群用于学习交流，群1已满，群2已创建，感兴趣的读者请扫码加微信！
QQ群（676186743）用于资料共享，欢迎加入！
如果觉得《Python量化交易学习笔记（58）——backtrader多股回测的开始时间》对你有帮助，请点赞、收藏，并留下你的观点哦！
