研究工具

每套 VBT 工作流背后的带标签数组模型、pandas 扩展、持久化、自动化和内省工具。这些页面介绍一个数组能容纳多少实验、在数组上运行的编译操作，以及保存、调度和检查研究的工具。本节面向已在运行回测，希望理解 VBT 如何组织数据、提高效率或继续扩展功能的读者。

找到下一步所需的工具

研究工具页面

多维研究

将资产、参数和策略作为带标签列运行，再对结果索引与堆叠

时间序列操作

在带标签的 pandas 数据上运行编译滚动窗口、归约和日期逻辑

配置与持久化

压缩保存任意研究对象、快速重新加载，并将设置保存在文件中

工作流自动化

调度数据更新、发送 Telegram 提醒、并行运行任务，并跟踪进度

开发者工具

搜索 API、阅读源码、绘制引用图，并通过工厂扩展类

保留 Python 工作流

从您已在使用的 pandas Series 和 DataFrame 开始。.vbt 访问器增加计算和数组操作，并保留带标签结果，使您能在 pandas 分析与 VBT 编译函数之间切换。实验规模增长时，命名的列层级使交易品种、参数值和策略始终与各自产生的结果关联。

典型工作流会计算信号、比较回测、保存选定输入和投资组合，并在之后重新打开继续分析。同一计算可以覆盖一组品种，也可以按计划运行。需要修改时，可检查参数和源码，再将可复用计算封装为自定义指标。

更大任务如何分批及复用计算，参见并行执行与缓存。实验前准备市场数据，参见金融数据流程。

从这里开始

浏览实用示例集，了解数组、索引、配置和持久化的实用方法。