本文详解如何在 Backtrader 中正确定义和访问 SMA30/SMA50 等技术指标，解决 TypeError: list indices must be integers or slices, not str 常见错误，并提供可直接运行的策略模板。
本文详解如何在 backtrader 中正确定义和访问 sma30/sma50 等技术指标，解决 `typeerror: list indices must be integers or slices, not str` 常见错误，并提供可直接运行的策略模板。
在 Backtrader 中，指标（如 SimpleMovingAverage）必须在策略类的 __init__ 方法中定义，而非通过 cerebro.addindicator() 全局添加。这是导致 self.lines["sma30"] 报错的根本原因：self.lines 是一个 Lines 对象（类似命名元组），不支持字符串索引；它仅允许通过属性名（如 self.sma30[0]）或整数下标（如 self.lines[0]）访问，且所有自定义指标需作为策略实例属性显式声明。
✅ 正确做法：在策略中定义并引用指标
以下是一个精简、健壮的双均线交叉策略示例，已适配最新 yfinance 数据源：
import backtrader as bt
import yfinance as yf
import pandas as pd
# 1. 获取并预处理数据
data_df = yf.download("AAPL", period="2y") # 建议限制时长，避免内存溢出
data_df = data_df[["Open", "High", "Low", "Close", "Volume"]] # 确保列名合规
# 2. 构建 Backtrader 数据源
data = bt.feeds.PandasData(dataname=data_df)
# 3. 定义策略 —— 关键：指标必须在 __init__ 中创建
class SMACrossStrategy(bt.Strategy):
params = (
("sma_fast", 30),
("sma_slow", 50),
)
def __init__(self):
# ✅ 正确：在策略初始化时创建指标实例
self.sma_fast = bt.ind.SMA(period=self.p.sma_fast)
self.sma_slow = bt.ind.SMA(period=self.p.sma_slow)
# 可选：保存收盘价引用，提升可读性
self.data_close = self.datas[0].close
def next(self):
# ✅ 正确：通过属性名 + [0] 访问当前值（[0] = 当前K线，[-1] = 上一根）
if not self.position: # 未持仓
if self.sma_fast[0] > self.sma_slow[0] and self.sma_fast[-1] <= self.sma_slow[-1]:
# 金叉买入（增强过滤：避免假突破）
self.buy()
else: # 已持仓
if self.sma_fast[0] < self.sma_slow[0] and self.sma_fast[-1] >= self.sma_slow[-1]:
# 死叉平仓（推荐用 self.close() 替代 self.sell()，语义更清晰）
self.close()
# 4. 运行回测
cerebro = bt.Cerebro()
cerebro.adddata(data)
cerebro.addstrategy(SMACrossStrategy)
cerebro.broker.setcash(10000.0)
cerebro.broker.setcommission(commission=0.001) # 千一佣金
print(f"初始资金: {cerebro.broker.getvalue():.2f}")
cerebro.run()
print(f"最终资金: {cerebro.broker.getvalue():.2f}")⚠️ 关键注意事项
- ❌ 错误示范：cerebro.addindicator(...) 仅用于 绘图调试，不会将指标注入策略的 self.lines 或 self 命名空间，因此 self.lines["sma30"] 必然报 TypeError。
- ✅ 正确路径：所有交易逻辑依赖的指标，必须在 Strategy.__init__ 中以 self.xxx = bt.ind.Indicator(...) 方式创建，之后可通过 self.xxx[0] 安全访问。
-
数据兼容性：yfinance 返回的 DataFrame 默认含 Adj Close，但 PandasData 默认使用 Close。若需复权价格，请显式传入 adjclose=True 并确保列存在：
data = bt.feeds.PandasData( dataname=data_df, adjclose=True, # 启用复权 datetime=None, # 自动识别时间索引 openinterest=-1 # 表示无该字段 ) -
空值与长度安全：SMA 需要至少 period 根 K 线才能产生有效值。在 next() 中应默认跳过前 max(period_fast, period_slow) 根无效数据（Backtrader 会自动处理，但建议日志校验）：
def next(self): if len(self) < max(self.p.sma_fast, self.p.sma_slow): return # 跳过指标未就绪阶段 # ... 后续逻辑
? 总结
Backtrader 的设计哲学是“策略即一切”：指标、信号、订单管理均封装于策略内部。放弃全局 addindicator，拥抱 __init__ 中的面向对象定义，是规避索引错误、实现可维护策略的基石。本文示例已通过 yfinance + PandasData 验证，可直接运行。后续扩展（如 RSI 过滤、止损止盈）均可沿用相同范式——定义 → 引用 → 判断 → 执行。
