BulletTrade 是一套兼容聚宽 API 的量化研究与交易框架，支持多数据源、多券商接入，覆盖回测、仿真与本地/远程实盘。本页是文档主入口，与 bullettrade.cn 首页的“文档/帮助”按钮保持一致。
- 快速上手：三步跑通回测/实盘，聚宽策略无改直接复用。
- 研究环境（JupyterLab）：
bullet-trade lab一键启动 Notebook，默认根目录、设置文件与示例说明。 - 配置总览：回测/本地实盘/远程实盘/聚宽接入的环境变量一览。
- 回测引擎：真实价格成交、分红送股处理、聚宽代码示例与 CLI 回测。
- 参数优化：多进程并行参数寻优，自动找出最优策略参数。
- 实盘引擎：本地 QMT 独立实盘与远程实盘流程。
- 交易支撑：聚宽模拟盘接入、远程 QMT 服务与 helper 用法。
- QMT 服务配置：bullet-trade server 的完整说明。
- Tick 订阅指南：本地 xtdata 与远程 qmt-remote 的订阅、字段与常见问题。
- 数据源指南：聚宽、MiniQMT、Tushare 以及自定义 Provider 配置。
- API 文档：策略可用 API、类模型与工具函数。
链接：
- 量化及实盘有市场与系统风险，任何策略/软件均不保证收益,软件不可避免有BUG,请先小额或模拟验证，自行承担交易风险。
- TuShare 数据源受测试账号权限限制，覆盖不完全，欢迎补充测试与提交 PR 完善。
- 目前示例策略以量价数据为主，若需要财务/基本面等扩展，建议先在聚宽模拟环境调用，再通过 qmt server 完成下单。
- 推荐使用 Python 3.10+ 并创建虚拟环境：
python -m venv .venv # macos/linux source .venv/bin/activate # windows .venv\Scripts\activate.bat
- 一键安装：
pip install bullet-trade
- 开发/贡献模式：
pip install -e "bullet-trade[dev]" cp bullet-trade/env.example bullet-trade/.env - 安装后可用
python -m bullet_trade.cli --help或bullet-trade --version检查。
- 兼容聚宽策略：
from jqdata import */from bullet_trade.compat.api import *即可平滑迁移。 - 数据自由切换：JQData、MiniQMT、TuShare、本地缓存、远程 QMT server 均可用。
- 券商多入口：本地 QMT、远程 QMT server 与模拟券商可按场景切换。
- CLI 简单双击：回测、报告生成、实盘/服务启动都用同一套命令。
- 回测：
bullet-trade backtest strategies/demo_strategy.py --start 2024-01-01 --end 2024-03-01 --frequency minute --benchmark 000300.XSHG - 参数优化：
bullet-trade optimize strategies/demo_strategy.py --params params.json --start 2020-01-01 --end 2023-12-31 --output optimization.csv - 实盘（本地/远程 QMT，未配置时可先用模拟券商）：
bullet-trade live strategies/demo_strategy.py --broker qmt
bullet-trade live strategies/demo_strategy.py --broker qmt-remote # 需要 .env 配好 QMT_SERVER_* - 远程服务（MiniQMT+QMT）：
bullet-trade server --listen 0.0.0.0 --port 58620 --token secret --enable-data --enable-broker - 报告：
bullet-trade report --input backtest_results --format html
如需交流或反馈，低佣开通QMT等，可扫码添加微信，并在 Issue/PR 中提出建议：
