使用baostock量化如何进行回测？

大家应该都很清楚，做量化投资回测是很重要的，因为，我们做回测就是根据历史数据来验证交易策略的可行性和有效性的过程。那我们如何通过baostock去进行回测呢？

说到底，做回测是希望可以用回测后的表现来评估未来实盘表现。我们假设如果回测结果好，实盘结果也不会太差，也就是说我们假设回测时的市场历史表现会在未来重演。假设我们现在有100种策略，我们可以通过做回测来筛选5种表现好的策略实盘，从而节约选择的机会成本。如果要用到baostock去进行回测，那大家可能会用到下面这段代码：

#!/usr/local/bin/python
# -*- coding: utf8 -*-
"""
Author:Lin Ouy
Date: 2022-11-30
量化-数据爬取-证券宝www.baostock.com

baostock是一个免费、开源的证券数据平台（无需注册）
提供大量准确、完整的证券历史行情数据、上市公司财务数据等。
通过python API获取证券数据信息，满足量化交易投资者、数量金融爱好者、计量经济从业者数据需求。
返回的数据格式：pandas DataFrame类型，以便于用pandas/NumPy/Matplotlib进行数据分析和可视化。
同时支持通过BaoStock的数据存储功能，将数据全部保存到本地后进行分析。
支持语言：目前版本BaoStock.com目前只支持Python3.5及以上(暂不支持python 2.x)。

使用国内源安装：
pip install baostock -i https://pypi.tuna.tsinghua.edu.cn/simple/ --trusted-host pypi.tuna.tsinghua.edu.cn
"""
import os
import datetime
import numpy as np
import pandas as pd
import baostock as bs
from pathlib import Path
from dateutil import parser
from datetime import timedelta


class BaoStockData:

    def __init__(self, code, fields, start_date, end_date, frequency="5", adjustflag="2"):
        self.code = code
        self.fields = fields
        self.start_date = start_date
        self.end_date = end_date
        self.frequency = frequency
        self.adjustflag = adjustflag

        BASE_DIR = Path(__file__).resolve().parent
        bar_path = f"results/{self.code}_5m_{datetime.date.today()}.csv"
        tick_path = f"results/{self.code}_ticks_{datetime.date.today()}.csv"
        bar_path_exce