backtrader作者在这篇博客里测试了使用pypy能够显著提升backtrader回测速度，至少节约一半时间。
作者看reddit论坛有人说backtrader处理不了160万k线。
作者用backtrader进行了如下测试：
1 数据
作者首先生成100支股票，每支生成20000根k线，这样总共有200万根k线，分别放在100个csv文件里。
2 测试平台
i7 cpu 32G内存， win10
比较了两个python 解释器：传统的CPython 3.6.1 和快速的pypy 3.6.0.0
3 策略
测试策略就是一个简单的双均线策略，所有股票出现金叉买入，死叉卖出。
4 不执行交易的测试结果
所谓不执行交易，也就是策略的next方法为空，相当于只是加载数据。另外，不计算指标，只是简单的迭代。
4.1 在backtrader默认的批运行模式（runonce mode）下
CPython：高峰内存348M，总时间135秒，其中76秒用于预加载数据，其余是迭代时间。平均每秒处理14713根k线。
pypy： 高峰内存269M，总时间57秒，每秒处理34971根k线。相对CPython，时间节约了一半多。
4.2 在exactbars=True模式下
如果不用默认模式，在cerebro运行参数里设置exactbars=True，stdstats=False，则不会一次性预加载所有数据。来看看测试结果。
CPython：高峰内存75M，总时间114秒。平均每秒处理17494根k线。
pypy： 高峰内存49M，总时间66秒，每秒处理30025根k线。
相对4.1 内存节约明显，速度节约不明显。
5 执行交易的测试结果pypy
如果在策略next方法中，执行双均线交易逻辑，这是和实际策略一样的测试。运行在批模式下runonce mode。只报告pypy下的结果。
高峰内存消耗：1.3G
执行时间：156秒（含指标计算+交易），每秒处理12743根k线。
6 结论
backtrader默认可以处理百万级k线。
尽量使用pypy（例如，如果你不需要绘图输出的话）
7 测试8000支股票？
pypy下，如果回测8000支股票，每支20000根k线，相当于总计1.6亿根k线。所花时间粗略估计为上述80倍，即156x80=12480秒=3.5小时。内存可能消耗几个G。