接入自己的行情¶
数据准备需要四部分：原始行情、独立交易日历、证券身份、按日期生效的规则。引擎负责验证和执行，不替你下载或补齐它们。
日线 CSV¶
CSV 使用 UTF-8，包含以下列；成交量以股／份计，价格为人民币元、未复权。
session,symbol,status,open,high,low,close,volume,upper_limit,lower_limit
2025-01-02,DEMO,trading,10,10,10,10,500000,12,8
2025-01-03,DEMO,trading,10,10,10,10,500000,12,8
2025-01-06,DEMO,trading,11,11,11,11,500000,12,8
保存为 bars.csv，运行同一示例的 CSV 入口：
"""读取工作目录的 bars.csv；配套数据见文档的行情教程。"""
from doribt import Backtest, Context, Instrument, MarketData, RunConfig, china_rules
days = ["2025-01-02", "2025-01-03", "2025-01-06"]
data = MarketData.from_csv(
"bars.csv",
calendar=days,
instruments=[Instrument(symbol="DEMO", kind="etf")],
rules=china_rules({"DEMO": "szse_equity_etf"}, start=days[0], end=days[-1]),
source="行情教程的人工 CSV",
)
def strategy(ctx: Context) -> None:
ctx.target_weights({"DEMO": 0.9})
result = Backtest(data, config=RunConfig(initial_cash=10_000)).run(strategy)
print("期末权益：", result.equity[-1])
下载脚本。结果同样应为 10895 元。实际数据需替换脚本中的独立日历与证券配置；不能用行情中已有的日期代替独立日历来检查是否漏交易日。
从 DataFrame 或数据服务转换¶
将表格转换为字典行后调用 MarketData.from_records(...)，例如 pandas 的 frame.to_dict("records")。pandas 不是引擎依赖。数据服务的复权、成交量单位、时区及缺失值应在适配层明确转换。
每个交易日、每个声明证券必须恰有一行。停牌用 status="suspended"、零量和明确估值；上市前／退市后用对应状态及空价格。没有价格限制时，保留 upper_limit 和 lower_limit 两列并同时留空。
china_rules 只生成显式分类的基础制度，不生成每日涨跌停价，也不核验供应商的证券分类。ST 等特殊状态须另外提供已核验规则，详见市场支持矩阵。
复权与公司行动¶
成交和记账始终使用原始价。分红送转通过 CorporateAction 输入；策略需要连续研究价格时，通过 PriceAdjustment 提供当时可知的单次事件因子，再调用 ctx.history(..., adjustment="asof")。