Backtrader导入CSV数据报ValueError: year x is out of range如何解决

错误原因 #

你遇到的ValueError: year x is out of range错误由毫秒级Unix时间戳格式不匹配导致：

• 你的CSV文件第一列为13位毫秒级Unix时间戳
• Backtrader中dtformat=2配置仅支持10位秒级Unix时间戳，直接传入13位数值会被解析为远超出合理范围的年份，触发报错

解决方案 #

有两种可选用的解决方式，推荐优先使用第一种，无需修改原始CSV文件：

方式1：自定义时间解析函数（推荐） #

在你的代码中新增时间戳转换函数，同时补充数据源列的映射配置即可，修改后的完整代码如下：

import backtrader as bt
import matplotlib

# 新增毫秒时间戳转datetime对象的函数
def millisec_parser(timestamp_str):
    return bt.num2date(int(timestamp_str) / 1000)

class RSIStrategy(bt.Strategy):
    def __init__(self):
        self.rsi = bt.talib.RSI(self.data, period=14)

    def next(self):
        if self.rsi < 30 and not self.position:
           self.buy(size=1)
        if self.rsi > 70 and self.position:
            self.close()

cerebro = bt.Cerebro()

# 修改数据源配置，传入自定义解析函数，补充列映射
data = bt.feeds.GenericCSVData(
    dataname='daily_2021.csv',
    dtformat=millisec_parser,
    open=1,
    high=2,
    low=3,
    close=4,
    volume=5,
    openinterest=-1 # 无持仓量数据，设为-1忽略该字段
)

cerebro.adddata(data)
cerebro.addstrategy(RSIStrategy)
cerebro.run()
# 若绘图报错可添加iplot=False参数，或把matplotlib降级到3.2.2版本
cerebro.plot(iplot=False)

方式2：预处理CSV文件转换时间戳 #

如果不想修改原有导入逻辑，可以先把CSV的时间戳转换为秒级，运行如下预处理脚本生成新的CSV文件：

import pandas as pd
# 读取原始CSV
df = pd.read_csv('daily_2021.csv', header=None)
# 第一列毫秒时间戳转秒级
df[0] = df[0] // 1000
# 保存新文件
df.to_csv('daily_2021_seconds.csv', index=False, header=False)

之后把原有代码中数据源的文件名替换为新生成的daily_2021_seconds.csv即可，不需要修改其他配置。

内容的提问来源于stack exchange，提问作者Swashbuckler75