bt 是一个灵活的 Python 回测框架，重点面向组合策略和资产配置，而不是逐笔订单级交易。它使用算法块的方式组合策略步骤，例如选择资产、设置权重、再平衡和计算绩效。

这个项目适合学习“组合策略”而不是“交易策略”。银行财富管理和理财产品更关心资产配置、再平衡、风险收益和客户组合表现，不一定需要模拟每一笔交易撮合。bt 的抽象更贴近这类需求。

bt 与 PyPortfolioOpt、Riskfolio-Lib 可以组合学习：前者负责回测组合规则，后者负责生成优化权重。AI 预测或大模型观点也可以作为权重或信号输入，再用 bt 做历史验证。

• 项目方向是：灵活组合回测框架，核心学习问题是：如何用模块化算法块快速组合、测试和复用资产配置策略。
• 关注金融数据、组合管理、风险指标、回测验证、交易智能体、图风控或策略评估等金融 AI 基础能力。
• 可以与机器学习、大模型或智能体结合：模型生成信号，工具负责数据、约束、验证和风险解释。
• 项目地址：https://github.com/pmorissette/bt。 ↗
• 开源协议标注为：MIT；非宽松协议或未明确协议的项目，应用时要特别注意复用边界。

重点学习模块化策略设计。把选择资产、计算权重、再平衡、风险控制拆成可复用算法块，便于比较不同方案。

还可以学习组合层面的绩效评估：净值曲线、回撤、波动、夏普、换手和基准比较。

• 财富管理资产配置回测。
• 理财产品组合再平衡策略实验。
• AI 生成配置观点后的历史验证。
• 客户风险等级下的组合规则比较。
• 资产配置教学和报告生成。

bt 简化了很多交易细节，不适合高频或复杂执行模拟。组合回测仍需考虑交易成本、流动性、产品可得性和客户适当性。