BulletTrade 是一个专业的量化交易系统 Python 包，提供完整的回测和实盘交易解决方案。
简体中文 | 完整文档
- 🔄 聚宽兼容：
from jqdata import * - 📊 多数据源：JQData、MiniQMT、TuShare、本地缓存、远程 QMT server，以及 Beta 版 RQData/easy_tdx 均可切换。
- ⚡ 回测 & 报告：分钟/日线回测、真实价格撮合、HTML/PDF 报告一键生成。
- 💼 实盘接入：本地 QMT、远程 QMT server、模拟券商按需选择。
- 🧩 可扩展：数据/券商接口基于抽象基类，便于自定义实现。
如果只是运行量价策略，例如 ETF 策略，通常不需要额外购买数据，也可以在本地完成回测和运行。涉及财务数据、小市值等策略时，可以按自己的数据条件选择聚宽、TuShare 或自定义数据源，社区里也有不少用户改成 TuShare 等数据源后正常使用。
建议按下面顺序阅读：
- 安装 Python 和运行环境：先把本地 Python、虚拟环境和依赖准备好。
- 新手入门总览：如果需要实盘，先看这里判断应该选择方案 A 还是方案 B。
- 方案 A：BulletTrade 本地独立运行：策略直接在本地 BulletTrade 里运行，并连接本地 QMT 执行交易。
- 方案 B：聚宽模拟盘运行策略：策略在聚宽模拟盘运行，BulletTrade 负责接收信号并在本地 QMT 执行交易。
- 文档首页: 站点 https://bullettrade.cn/docs/
- 环境准备：安装 Python：两个方案共用的前置步骤，先装 Python，再创建虚拟环境。
- 新手入门总览：先看 BulletTrade 目前支持的两种方案、结构图和选型方法，再进入对应文档。
- 方案 A：独立运行：策略在 BulletTrade 独立运行，连接本地 QMT。
- 方案 B：聚宽侧模拟盘运行：策略在聚宽侧模拟盘运行，BulletTrade 负责接收信号并在本地 QMT 执行。
- 方案 B 子文档：
- 聚宽策略修改方案对比：比较显式调用 helper 和接管聚宽函数两种改法。
- 策略修改方案 1：显式调用 helper：下单处显式改成
bt.order_target_value(...)等函数。 - 策略修改方案 2：接管聚宽函数：模拟盘接管账户状态和下单函数，尽量减少策略代码改动。
- 快速上手：三步跑通回测/实盘，聚宽策略无改直接复用。
- 配置总览：回测/本地实盘/远程实盘/聚宽接入的环境变量一览。
- 回测引擎：真实价格成交、分红送股处理、聚宽代码示例与 CLI 回测。
- 实盘引擎：本地 QMT 独立实盘与远程实盘流程。
- 交易支撑：聚宽模拟盘接入、远程 QMT 服务与 helper 用法。
- QMT 服务配置：bullet-trade server 的完整说明。
- 数据源指南：聚宽、MiniQMT、Tushare、RQData/easy_tdx Beta 以及自定义 Provider 配置。
- API 文档：策略可用 API、类模型与工具函数。
- 邀请贡献: 贡献与联系方式。
如需交流或反馈，低佣开通QMT等，可扫码添加微信，并在 Issue/PR 中提出建议：
