如何绘制回测收益曲线图
本文手把手教你如何从 backtesting.py 等主流回测框架中快速、精准地提取并独立绘制权益曲线(Equity Curve),避开冗杂的综合图表,直接获取包含总资产价值、回撤和收益率等关键指标的结构化数据,并通过几行简洁代码实现专业级可视化、导出图片或CSV,甚至叠加交易信号;无论你是想深入分析资金增长路径、计算夏普比率,还是将权益图嵌入仪表盘或与基准对比,这种方法都高效、稳定且易于复用——真正让量化分析从“能跑”迈向“可解释、可交付、可扩展”。
本文介绍如何从 Backtrader 或类似回测框架(如 backtesting.py)生成的综合图表中,精准提取并独立绘制“权益曲线(Equity Curve)”部分,适用于需深入分析资金增长路径、计算夏普比率或嵌入自定义可视化场景。
在使用 backtesting.py 进行策略回测时,调用 bt.plot() 会默认渲染一个包含多子图的综合面板:通常包括价格走势、买卖信号、持仓状态以及底部的累计权益曲线(Equity Curve)。但实际分析中,我们往往需要将权益曲线单独导出——例如用于与基准指数对比、叠加滚动指标、或嵌入仪表盘系统。
幸运的是,backtesting.py 的 Backtest.run() 方法返回一个丰富的 pandas.DataFrame 对象(严格来说是 pd.Series 与 pd.DataFrame 混合结构),其中权益数据已结构化存储于 _equity_curve 属性下。该属性是一个 pd.DataFrame,索引为时间戳,列包含 "Equity"(总资产价值)、"Drawdown"(回撤)、"Returns"(单期收益率)等关键字段。
✅ 正确提取并绘图的代码如下:
# 执行回测并获取结果
stats = bt.run()
# 单独绘制 Equity 曲线(推荐方式)
stats._equity_curve["Equity"].plot(
title="Strategy Equity Curve",
xlabel="Date",
ylabel="Account Equity ($)",
figsize=(12, 5),
grid=True,
linewidth=1.8
)⚠️ 注意事项:
stats._equity_curve["Equity"] 是一个 pd.Series,其索引与原始数据时间对齐,可直接用于 matplotlib 或 plotly 绘图;
属性名带下划线(如 _equity_curve)表示其为内部属性(非官方 API),但当前版本(v0.4.0+)稳定可用;若未来升级,建议查阅 backtesting.py 官方文档 中 BacktestResult 类的 equity_curve 属性(注意:截至 v0.4.3,公开属性仍为 _equity_curve);
若需导出为图片或 CSV,可进一步调用:
# 保存为 PNG import matplotlib.pyplot as plt plt.savefig("equity_curve.png", dpi=150, bbox_inches='tight') # 导出为 CSV(含时间索引) stats._equity_curve[["Equity", "Drawdown"]].to_csv("equity_and_dd.csv")
? 小技巧:若想添加买入/卖出点到权益图上,可结合 stats._trades 表:
ax = stats._equity_curve["Equity"].plot() # 标注开仓日期(示例:首次买入) entry_date = stats._trades.iloc[0]["EntryTime"] ax.axvline(entry_date, color='green', linestyle='--', alpha=0.7, label='First Entry') ax.legend()
综上,无需手动重构资金流逻辑,只需一行核心访问语句即可解耦权益数据——这不仅提升了分析效率,也为构建可复现、模块化的量化研究工作流打下坚实基础。
终于介绍完啦!小伙伴们,这篇关于《如何绘制回测收益曲线图》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识,快来关注吧!
抖音账号注销步骤详解
- 上一篇
- 抖音账号注销步骤详解
- 下一篇
- 骡子快跑成长思维设置与反馈优化
-
- 文章 · python教程 | 18小时前 | python · Python decimal compare_total 全序比较
- Python Decimal.compare_total 怎样区分数值相等的不同表示
- 331浏览 收藏
-
- 文章 · python教程 | 18小时前 |
- Python AST 怎样提取节点对应的原始源码片段
- 261浏览 收藏
-
- 文章 · python教程 | 19小时前 | python · 类型系统 · Python types.resolve_bases __mro_entries__
- Python types.resolve_bases 怎样展开动态基类占位对象
- 108浏览 收藏
-
- 文章 · python教程 | 19小时前 | Python SQLite sqlite3 getlimit Connection.setlimit
- Python sqlite3.Connection.setlimit 怎样限制单个连接的资源上限
- 247浏览 收藏
-
- 文章 · python教程 | 19小时前 | SQLite · Python教程 · Python SQLite sqlite3 complete_statement 多语句脚本 CREATE TRIGGER
- Python sqlite3.complete_statement 判断多语句输入完整性的处理方案
- 140浏览 收藏
-
- 文章 · python教程 | 19小时前 | python · pathlib · Python pathlib walk_up relative_to
- Python pathlib.relative_to 怎样避免无关路径抛错
- 256浏览 收藏
-
- 文章 · python教程 | 19小时前 | python · Python Property 描述符 inspect.getattr_static 静态属性读取
- Python 怎样读取属性定义而不触发 property
- 299浏览 收藏
-
- 文章 · python教程 | 19小时前 | 依赖管理 · 故障排查 · Python教程 · Python importlib.metadata packages_distributions 发行包 导入名
- Python 怎样根据导入名查询对应的发行包
- 138浏览 收藏
-
- 文章 · python教程 | 20小时前 | 数据校验 · Python教程 · Python Pydantic JSON校验 model_validate_json strict mode
- Pydantic model_validate_json 怎样在严格模式下解析请求体
- 417浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1076次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1078次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1238次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1182次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1026次使用
-
- Python TaskGroup 怎样让子任务失败统一收敛
- 2026-11-12 501浏览
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览

