用 ccxt 和 vectorbt 搭一个 Python 交易脚本

一个 Python 脚本就能拉实时行情、毫秒级回测策略、把订单路由到交易所。ccxt（数据和执行）加 vectorbt（向量化回测）覆盖了多数散户加密工作流，不需要事件驱动引擎的开销。

为什么用 ccxt 和 vectorbt

ccxt 把 100 多家交易所的 API 统一到一个接口后。一次库调用就能从 Binance、Kraken 或 Bybit 用相同语法拉 OHLCV。vectorbt 把回测当成数组运算跑，而不是逐根 K 线循环，5 年参数扫描几秒完成而不是几分钟。

用 ccxt 拉数据

import ccxt
ex = ccxt.binance()
ohlcv = ex.fetch_ohlcv("BTC/USDT", "1h", limit=1000)

永远尊重频率限制。Binance 每分钟 1,200 次请求，ccxt 内置的 enableRateLimit: True 会自动节流。显式设上避免被封。

在 vectorbt 里搭回测

import vectorbt as vbt
import pandas as pd

df = pd.DataFrame(ohlcv, columns=["ts","open","high","low","close","volume"])
df["ts"] = pd.to_datetime(df["ts"], unit="ms")
df.set_index("ts", inplace=True)

fast = vbt.MA.run(df["close"], 20)
slow = vbt.MA.run(df["close"], 50)
entries = fast.ma_crossed_above(slow)
exits  = fast.ma_crossed_below(slow)

pf = vbt.Portfolio.from_signals(df["close"], entries, exits,
        init_cash=10000, fees=0.001, slippage=0.0005)
print(pf.total_return(), pf.sharpe_ratio())

注意 fees 和 slippage 参数：短持仓周期上省掉它们会让收益虚高 30–60%。

从回测到实盘下单

ex = ccxt.binance({"apiKey": KEY, "secret": SECRET, "enableRateLimit": True})
ex.create_order("BTC/USDT", "market", "buy", 0.001)

实操护栏

• 永远别硬编码密钥；从环境变量加载。
• 上实盘前永远先模拟 2 周。用 testnet 端点（ccxt.binance({"urls": ...})）。
• 每次拉取后验证 OHLCV 时间戳对齐——交易所的数据空洞会静默污染指标。
• 单笔下单封在权益的 1%，并在脚本里加硬止损，不只是脑子里。

什么时候换 backtrader

vectorbt 擅长干净数据上的快速扫描。一旦你需要逐笔成交、部分成交、或多资产组合带交叉保证金，转 backtrader 或 QuantConnect Lean。向量化速度在不现实的成交模型面前一文不值。

耐用的工作流：vectorbt 里原型、验证逻辑、然后移植到事件驱动引擎做最终生产测试。让实盘和回测代码路径共享同一个信号函数，结果才可比；两者分叉是静默 bug 的第一个信号。上面这个脚本 50 行内带你从想法到测试过的信号。