在backtrader官网文档中，介绍了两种多周期回测方式，第一种是读入多周期的K线数据，第二种是对数据进行resample。本文将对第一种方式进行介绍。

有些策略会使用到多周期的数据，典型的应用为：

使用周线（大周期）数据判断趋势

使用日线（小周期）数据判断买卖点

这就需要同时读入多周期数据进行回测，backtrader内置了对多周期策略回测的支持。

回测时需要遵循以下规则：

在backtrader中，第一个被添加的数据将被作为时钟数据，因此需要将小周期数据首先添加到系统中，以使得小力度的时间都能被遍历到。

backtrader在回测过程中，不会对时间进行重新排序，只能按照整理好的数据顺序依次处理，因此需要将不同周期的数据都做好对齐。很幸运，从TuShare及BaoStock下载下来的不同周期的数据均做好对齐，可以直接使用，注意数据需要按时间升序组织。

如果要计算出技术指标的有效值，至少需要若干根K线数据，例如：计算5日均线，则至少需要前5根日K线，才能计算出第一个有效值，也就是至少经过5日，这里的5日就是backtrader里所指的最小周期。不同指标可能具有不同的最小周期，单周期回测时，策略的最小周期就是所有指标最小周期的最大值。而多周期回测中，最小周期则变得复杂。通常，要计算出大周期技术指标的有效值，策略的最小周期会变大，也就是回测开始后，要经过更多的K线来保证大周期技术指标能够计算出第一个有效值。

为了演示多周期策略回测，本文使用以下方案：

平安银行的日线及周线数据分别保存在目录 ‘./stk_data/d/sz.000001.csv’ 和 ‘./stk_data/w/sz.000001.csv’ 中，通过load_data方法先后读入日线和K线数据，保存在data_list之后，依次添加到cerebro中，等待系统回测。

在策略类的init方法中，定义所需的技术指标：

定义字典self.inds，来存储不同数据的技术指标。

定义self.orders，来存储特定股票的订单，key为股票的代码。

然后遍历所有的数据，将数据的订单先置为空，并且为每个数据创建字典，来存储技术指标。由于系统是先添加日线数据，再添加周线数据，因此当i % 2等于0时，d为日线数据，那么就计算MACD金叉指标；当i % 2不等于0时，d为周线数据，那么计算RSI指标。

在策略类的next方法中，定义买入卖出条件：