# 功能 (/zh/features)

使用 Python 构建和测试交易策略，从加载市场数据、计算信号，到模拟订单、分析交易和检验样本外结果。VectorBT PRO 让您使用自己的 pandas
数据和交易规则，在同一研究流程中比较资产、参数设置和时间区间。

通过可运行的 Python 示例、交互式图表和真实回测结果，了解各项功能如何实际运作。从一个策略想法出发，探索进一步开发它所需的工具。

## 找到您的起点 \[#find-your-starting-point]

| 您想做什么？                 | 从哪里开始                                                                               |
| ---------------------- | ----------------------------------------------------------------------------------- |
| 将买卖信号、订单规模或自定义规则转化为回测  | [回测](/zh/features/backtesting/)涵盖模拟、执行、止损、成本和投资组合核算。                                |
| 准备数据并构建策略输入            | [数据](/zh/features/data/)涵盖数据源、存储和时间周期。[指标](/zh/features/indicators/)涵盖计算、信号和机器学习标签。 |
| 理解交易、收益、回撤，以及结果背后的驱动因素 | [分析](/zh/features/analytics/)涵盖度量指标、交易行为、图表和报告。                                     |
| 比较参数或资产配置，并在未见数据上检验    | [优化](/zh/features/optimization/)涵盖参数搜索、前向滚动验证、稳健性和投资组合权重。                           |
| 查看完整策略如何组合构建           | [策略](/zh/features/strategies/)涵盖配对交易、横截面排名和策略组合。                                    |

## 跨资产、参数和时间开展研究 \[#research-across-assets-parameters-and-time]

从一个策略开始，比较它在不同交易标的和时间区间的参数设置。带标签的结果将每种组合与对应信号、交易和指标关联起来，方便您选取一次回测进行检查，或比较整个实验。

您可以预先计算信号，也可以在模拟运行时，利用当前现金、持仓和历史成交作出决策。[回测引擎](/zh/features/backtesting/backtesting-engine/)介绍了可用输入，[事件驱动回测](/zh/features/backtesting/event-driven-backtesting/)则展示如何加入自己的有状态逻辑。

随着研究规模增长，[性能](/zh/features/performance/)介绍编译计算、可选的 Rust
支持、并行执行和基准测试。[工具箱](/zh/features/tooling/)帮助您处理数组、复用配置、保存结果和实现自动化。[AI](/zh/features/ai/)为编程助手提供文档搜索、对话和工具。

## 探索所有功能领域 \[#explore-all-feature-areas]

VBT 基于开源 vectorbt 的[功能](https://vectorbt.dev/getting-started/features/)，并在以下领域进行扩展。已经在使用
vectorbt？[VectorBT PRO 与 vectorbt 对比](/zh/getting-started/vectorbt-pro-vs-vectorbt/)解释了 PRO
新增的能力，以及如何迁移代码。

*   [数据](/zh/features/data): 连接、存储、更新、变换并组合本地和远程市场数据
*   [指标与信号](/zh/features/indicators): 计算指标，构建自定义指标，进行流式更新并转为信号
*   [回测](/zh/features/backtesting): 对订单、信号、杠杆、止损、限价、现金流及模拟回调进行建模
*   [分析](/zh/features/analytics): 衡量收益和风险，剖析交易，绘制结果并研究市场事件
*   [优化与验证](/zh/features/optimization): 搜索参数，进行样本外验证，测试稳健性并跨资产配置
*   [策略](/zh/features/strategies): 通过完整策略示例，贯通数据、信号、模拟和验证
*   [性能](/zh/features/performance): 通过分块、缓存、即时编译和并行执行扩展计算规模
*   [研究工具](/zh/features/tooling): 使用带标签数组、pandas 扩展、持久化、自动化和开发者工具
*   [AI](/zh/features/ai): 获得 Python 回测帮助，搜索 VBT 知识，并连接编程助手

!!! info
    为保持页面简洁，我们仅展示每个版本中部分最值得关注的功能。完整版本说明仅向订阅者提供。如果您正在访问私有网站，请前往 *Getting started* → *Release notes*。

    标签表示功能首次引入的版本。请注意，大多数功能都在持续更新，因此以下示例应在安装了 **最新** VBT 版本的环境中运行 ✍️

    ```python title="Import required by code examples"
    from vectorbtpro import *  # (1)
    ```

    1.  如需查看导入的内容，请调用 `whats_imported()`。