pyalgotrade到底能喂哪些数据
做量化回测的人常会遇到一个尴尬：策略写好了，历史数据搞不到。pyalgotrade作为一个轻量级Python回测框架，它自带的数据接口不算多，但胜在结构清晰，可以自己扩展。很多人第一次用pyalgotrade时，会下意识以为它只能拉雅虎财经的股票数据。其实它的数据加载方式分两条路：一条是官方内置的在线数据源，另一条是本地文件或自定义数据源。理解这两条路，就知道它能支持哪些市场数据集了。
内置在线数据源
pyalgotrade的pyalgotrade.barfeed模块里，直接提供了两个在线数据源类：
YahooFinanceFeed：从雅虎财经拉取日线数据。雅虎财经覆盖全球主要交易所的股票、ETF、共同基金、部分指数和外汇汇率。代码里传入股票代码如AAPL、SPY、EURUSD=X就能获取对应日线。GoogleFinanceFeed：从谷歌财经拉取日线数据。谷歌财经覆盖的品种与雅虎类似，股票、ETF为主，但谷歌财经在2020年后逐步收缩了服务接口，稳定性和数据完整性不如雅虎。
这两个feed都是日线级别，不支持分钟级或tick级。而且它们只能拉历史数据，不能用于实时交易。如果你只想快速验证一个股票或ETF的日线策略，用内置feed是最省事的。
本地CSV导入
这是pyalgotrade最实用的数据接入方式。GenericBarFeed类允许你从CSV文件加载任意市场的K线数据。CSV文件的格式要求很宽松，只要包含日期时间、开盘价、最高价、最低价、收盘价、成交量、复权因子（可选）这几列，就能被解析成bar数据。
这意味着期货、期权、加密货币、商品、甚至你从其他数据商买来的tick聚合后的分钟线，全部可以通过CSV喂给pyalgotrade。国内期货市场比如螺纹钢、铁矿石、沪深300股指期货，只要把历史数据整理成规范CSV，就能回测。加密货币的7x24小时数据同样可以。
自定义数据源
yalgotrade的架构里，数据源是一个抽象概念。BarFeed基类定义了getNextBars方法，任何继承这个基类并实现该方法的类，都可以作为数据源。你可以写一个类去连接本地MySQL、MongoDB、InfluxDB，或者调用交易所的REST API、WebSocket实时推送。
这种设计让pyalgotrade不局限于特定市场。股票、期货、外汇、数字货币、甚至体育博彩赔率数据，只要转换成OHLCV格式，就能接入策略引擎。
不同市场的支持程度
股票市场：内置feed直接支持美股、部分欧洲和亚洲股票。A股需要自己准备CSV或写自定义feed，因为雅虎和谷歌对A股覆盖有限且代码格式不同（如600000.SS）。
期货市场：没有内置feed。必须通过CSV或自定义数据源接入。国内期货数据可以从天勤、聚宽、米筐等平台导出CSV，再加载。外盘期货如CME的ES、CL，同样走CSV路径。
外汇市场：雅虎财经提供外汇日线数据，代码如EURUSD=X，可以直接用YahooFinanceFeed。分钟级外汇数据需要自定义feed。
加密货币：没有内置feed，但CSV导入非常方便。从币安、Coinbase等交易所导出历史K线，整理成CSV即可回测。由于加密货币7x24交易，回测时要注意时间戳对齐。
数据频率的限制
pyalgotrade原生设计以日线为主。内置feed只返回日线。GenericBarFeed可以加载分钟线，但需要设置timeFrame参数为bar.Frequency.MINUTE。不过框架内部的事件驱动机制对高频数据的处理效率一般，分钟级回测尚可，tick级回测不建议使用pyalgotrade。
如何选择数据接入方式
如果你做美股日线策略，直接用YahooFinanceFeed，一行代码拉数据。
如果你做国内期货或A股，从数据平台导出CSV，用GenericBarFeed加载。
如果你需要实时数据或非常规品种，写一个自定义BarFeed子类，对接你的数据源。
pyalgotrade的数据层不复杂，它的定位是让策略逻辑与数据获取解耦。你不需要改策略代码，只需要换一个feed，就能把同一个策略跑在股票、期货或加密货币上。这种灵活性比它内置多少数据源更重要。
