407 lines
10 KiB
Markdown
407 lines
10 KiB
Markdown
# 多策略回测引擎
|
||
|
||
一个基于Python的股票交易策略回测系统，支持参数优化、绩效分析和灵活的股票筛选功能。
|
||
|
||
## 功能特性
|
||
|
||
- **多策略支持**：可以同时运行和比较多个交易策略
|
||
- **参数优化**：支持网格搜索和随机搜索算法优化策略参数
|
||
- **实时进度显示**：显示回测和参数优化的进度和耗时
|
||
- **绩效指标计算**：包括总收益率、年化收益率、最大回撤、夏普比率等
|
||
- **可视化报告**：自动生成收益曲线、回撤曲线等图表
|
||
- **灵活配置**：通过配置文件调整回测参数和策略参数
|
||
- **个股筛选**：支持根据股票类型（主板、创业板、科创板、北交所）和是否为ST股票进行筛选
|
||
|
||
## 项目结构
|
||
|
||
```
|
||
backtrader/
|
||
├── analysis/ # 绩效分析模块
|
||
├── backtest/ # 回测引擎
|
||
├── data/ # 数据获取和处理
|
||
├── strategy/ # 策略定义
|
||
├── utils/ # 工具函数
|
||
├── config.py # 配置文件
|
||
├── main.py # 主入口文件
|
||
├── parameter_optimizer.py # 参数优化器
|
||
└── requirements.txt # 依赖包
|
||
```
|
||
|
||
## 安装与依赖
|
||
|
||
### 环境要求
|
||
- Python 3.7+
|
||
|
||
### 安装依赖
|
||
|
||
```bash
|
||
pip install -r requirements.txt
|
||
```
|
||
|
||
## 配置说明
|
||
|
||
配置文件位于 `config.py`，主要包含以下部分：
|
||
|
||
### 数据配置
|
||
```python
|
||
# 数据配置
|
||
START_DATE = '20230101' # 回测开始日期
|
||
END_DATE = '20251231' # 回测结束日期
|
||
STOCK_POOL = ['600252.SH', '002925.SZ', '600362.SH'] # 自定义股票池，用于快速回测
|
||
```
|
||
|
||
### 个股筛选配置
|
||
|
||
可以通过配置文件灵活设置股票筛选条件，支持全市场回测和特定类型股票的筛选：
|
||
|
||
```python
|
||
# 个股筛选配置
|
||
STOCK_FILTER_CONFIG = {
|
||
'include_st': False, # 是否包含ST/*ST股票，默认False
|
||
'include_bse': False, # 是否包含北交所股票（代码以8开头），默认False
|
||
'include_sse_star': False, # 是否包含科创板股票（代码以688开头），默认False
|
||
'include_gem': True, # 是否包含创业板股票（代码以3开头），默认True
|
||
'include_main': True, # 是否包含主板股票（代码以0或6开头），默认True
|
||
'custom_stocks': STOCK_POOL # 自定义股票列表，优先级最高
|
||
}
|
||
```
|
||
|
||
**筛选规则说明：**
|
||
- `custom_stocks`: 自定义股票列表，设置后将忽略其他筛选条件
|
||
- `include_st`: 控制是否包含ST或*ST股票
|
||
- `include_bse`: 控制是否包含北交所股票（股票代码以8开头）
|
||
- `include_sse_star`: 控制是否包含科创板股票（股票代码以688开头）
|
||
- `include_gem`: 控制是否包含创业板股票（股票代码以3开头）
|
||
- `include_main`: 控制是否包含主板股票（股票代码以0或6开头）
|
||
|
||
**使用场景示例：**
|
||
|
||
1. **全市场回测（排除ST和北交所）：**
|
||
```python
|
||
STOCK_FILTER_CONFIG = {
|
||
'include_st': False,
|
||
'include_bse': False,
|
||
'include_sse_star': True,
|
||
'include_gem': True,
|
||
'include_main': True,
|
||
'custom_stocks': None # 不使用自定义股票池，使用全市场筛选
|
||
}
|
||
```
|
||
|
||
2. **仅主板和创业板（排除科创板、北交所和ST）：**
|
||
```python
|
||
STOCK_FILTER_CONFIG = {
|
||
'include_st': False,
|
||
'include_bse': False,
|
||
'include_sse_star': False,
|
||
'include_gem': True,
|
||
'include_main': True,
|
||
'custom_stocks': None
|
||
}
|
||
```
|
||
|
||
### 策略配置
|
||
```python
|
||
# 策略参数
|
||
MA_PARAMS = {
|
||
'short_period': 5,
|
||
'medium_period': 10,
|
||
'long_period': 20,
|
||
'extra_long_period': 60
|
||
}
|
||
|
||
YIYANG_CONDITIONS = {
|
||
'min_pct_change': 2.0,
|
||
'min_volume_ratio': 1.0,
|
||
'max_ma_gap_pct': 4.0,
|
||
'min_entity_ratio': 0.6,
|
||
'confirm_days': 2
|
||
}
|
||
|
||
# 策略列表
|
||
STRATEGY_LIST = ['YiYangStrategy'] # 要运行的策略
|
||
```
|
||
|
||
### 回测配置
|
||
```python
|
||
# 回测配置
|
||
BACKTEST = {
|
||
'initial_capital': 100000, # 初始资金
|
||
'commission_rate': 0.0003, # 佣金费率
|
||
'stamp_tax_rate': 0.001, # 印花税
|
||
'slippage_rate': 0.001, # 滑点
|
||
'position_ratio': 0.2, # 仓位比例
|
||
'stop_loss': 0.08, # 止损比例
|
||
'take_profit': 0.20 # 止盈比例
|
||
}
|
||
```
|
||
|
||
### 参数优化配置
|
||
```python
|
||
# 参数优化配置
|
||
RUN_PARAMETER_OPTIMIZATION = False # 是否运行参数优化
|
||
OPTIMIZATION_CONFIG = {
|
||
'strategy_name': 'YiYangStrategy', # 要优化的策略名称
|
||
'metric': 'sharpe_ratio' # 优化指标
|
||
}
|
||
```
|
||
|
||
## 使用方法
|
||
|
||
### 运行回测
|
||
|
||
直接运行主入口文件：
|
||
|
||
```bash
|
||
python main.py
|
||
```
|
||
|
||
### 查看结果
|
||
|
||
回测完成后，会生成以下结果：
|
||
|
||
- **控制台输出**：回测结果摘要、最近交易记录
|
||
- **日志文件**：位于 `logs/` 目录
|
||
- **图表文件**：位于 `charts/` 目录
|
||
- **参数优化结果**：如果启用了参数优化，会生成 `optimization_results.csv` 文件
|
||
|
||
## 添加新策略
|
||
|
||
### 1. 创建策略类
|
||
|
||
在 `strategy/` 目录下创建新的策略文件，例如 `my_strategy.py`，继承自 `BaseStrategy` 类：
|
||
|
||
```python
|
||
# strategy/my_strategy.py
|
||
from strategy.base_strategy import BaseStrategy
|
||
import pandas as pd
|
||
|
||
class MyStrategy(BaseStrategy):
|
||
def __init__(self, config=None):
|
||
super().__init__()
|
||
self.config = config or {}
|
||
self.params = {
|
||
'param1': 10,
|
||
'param2': 0.5
|
||
}
|
||
|
||
def initialize(self, data):
|
||
# 初始化策略
|
||
pass
|
||
|
||
def generate_signals(self, data):
|
||
# 生成交易信号
|
||
signals = pd.DataFrame(index=data.index)
|
||
signals['signal'] = 0
|
||
signals['strength'] = 0.0
|
||
signals['reason'] = ''
|
||
|
||
# 实现信号生成逻辑
|
||
# signals.loc[..., 'signal'] = 1 # 买入
|
||
# signals.loc[..., 'signal'] = -1 # 卖出
|
||
|
||
return signals
|
||
|
||
def on_signal(self, date, signal, price):
|
||
# 处理交易信号
|
||
if signal == 1:
|
||
return {'action': 'buy', 'quantity': 100}
|
||
elif signal == -1:
|
||
return {'action': 'sell', 'quantity': 100}
|
||
else:
|
||
return {'action': 'hold', 'quantity': 0}
|
||
```
|
||
|
||
### 2. 注册策略
|
||
|
||
在 `main.py` 中的 `strategy_class_map` 字典中注册新策略：
|
||
|
||
```python
|
||
# main.py 中的 strategy_class_map
|
||
def main():
|
||
# ...
|
||
# 策略类映射，用于动态加载策略
|
||
strategy_class_map = {
|
||
'YiYangStrategy': YiYangStrategy,
|
||
'MyStrategy': MyStrategy # 添加新策略
|
||
}
|
||
# ...
|
||
```
|
||
|
||
### 3. 在配置文件中启用策略
|
||
|
||
在 `config.py` 中的 `STRATEGY_LIST` 中添加新策略：
|
||
|
||
```python
|
||
# config.py
|
||
STRATEGY_LIST = ['YiYangStrategy', 'MyStrategy'] # 添加新策略
|
||
```
|
||
|
||
## 策略参数配置
|
||
|
||
### 1. 策略内部默认参数
|
||
|
||
在策略类的 `__init__` 方法中设置默认参数：
|
||
|
||
```python
|
||
class MyStrategy(BaseStrategy):
|
||
def __init__(self, config=None):
|
||
super().__init__()
|
||
self.params = {
|
||
'param1': 10, # 默认参数1
|
||
'param2': 0.5 # 默认参数2
|
||
}
|
||
```
|
||
|
||
### 2. 通过配置文件配置参数
|
||
|
||
在 `config.py` 中添加策略参数配置：
|
||
|
||
```python
|
||
# config.py
|
||
MY_STRATEGY_PARAMS = {
|
||
'param1': 15, # 覆盖默认参数1
|
||
'param2': 0.7 # 覆盖默认参数2
|
||
}
|
||
```
|
||
|
||
在策略初始化时读取配置：
|
||
|
||
```python
|
||
class MyStrategy(BaseStrategy):
|
||
def __init__(self, config=None):
|
||
super().__init__()
|
||
self.params = {
|
||
'param1': 10,
|
||
'param2': 0.5
|
||
}
|
||
# 从配置中更新参数
|
||
if config and hasattr(config, 'MY_STRATEGY_PARAMS'):
|
||
self.params.update(config.MY_STRATEGY_PARAMS)
|
||
```
|
||
|
||
## 策略参数优化
|
||
|
||
### 1. 启用参数优化
|
||
|
||
在 `config.py` 中设置：
|
||
|
||
```python
|
||
# config.py
|
||
RUN_PARAMETER_OPTIMIZATION = True # 启用参数优化
|
||
```
|
||
|
||
### 2. 定义参数搜索空间
|
||
|
||
在 `main.py` 的 `run_parameter_optimization` 函数中定义参数搜索空间：
|
||
|
||
```python
|
||
def run_parameter_optimization(config, data_fetcher):
|
||
# ...
|
||
# 定义参数搜索空间
|
||
param_space = {
|
||
'param1': [5, 10, 15, 20], # 参数1的搜索范围
|
||
'param2': [0.3, 0.5, 0.7, 0.9] # 参数2的搜索范围
|
||
}
|
||
# ...
|
||
```
|
||
|
||
### 3. 运行参数优化
|
||
|
||
运行主程序，参数优化会自动执行：
|
||
|
||
```bash
|
||
python main.py
|
||
```
|
||
|
||
### 4. 查看优化结果
|
||
|
||
参数优化完成后，会输出最佳参数组合，并生成 `optimization_results.csv` 文件，包含所有参数组合的回测结果。
|
||
|
||
## 常用优化指标
|
||
|
||
- `total_return`: 总收益率
|
||
- `annual_return`: 年化收益率
|
||
- `sharpe_ratio`: 夏普比率
|
||
- `max_drawdown`: 最大回撤
|
||
- `win_rate`: 胜率
|
||
- `profit_factor`: 盈亏比
|
||
|
||
可以在 `config.py` 的 `OPTIMIZATION_CONFIG` 中指定优化指标：
|
||
|
||
```python
|
||
OPTIMIZATION_CONFIG = {
|
||
'strategy_name': 'MyStrategy',
|
||
'metric': 'sharpe_ratio' # 使用夏普比率作为优化目标
|
||
}
|
||
```
|
||
|
||
## 性能优化建议
|
||
|
||
1. **减少参数空间**：在进行参数优化时，减少每个参数的取值数量可以显著提高优化速度
|
||
2. **缩短回测周期**：对于初步优化，可以使用较短的回测周期
|
||
3. **使用缓存数据**：确保数据获取模块使用缓存功能，避免重复请求数据
|
||
|
||
## 扩展功能
|
||
|
||
### 添加新的数据源
|
||
|
||
在 `data/` 目录下创建新的数据源类，继承自 `DataFetcher` 基类：
|
||
|
||
```python
|
||
# data/my_data.py
|
||
from data.data_fetcher import DataFetcher
|
||
|
||
class MyDataFetcher(DataFetcher):
|
||
def get_daily_data(self, ts_code, start_date, end_date):
|
||
# 实现数据获取逻辑
|
||
pass
|
||
```
|
||
|
||
### 添加新的绩效指标
|
||
|
||
在 `backtest/performance.py` 中添加新的绩效指标计算函数：
|
||
|
||
```python
|
||
def calculate_new_metric(trades_df, equity_curve):
|
||
# 实现新指标的计算逻辑
|
||
return metric_value
|
||
```
|
||
|
||
## 日志管理
|
||
|
||
日志文件位于 `logs/` 目录下，包括：
|
||
- `backtrader.log`: 回测引擎日志
|
||
- `parameter_optimizer.log`: 参数优化日志
|
||
|
||
可以在 `utils/logger.py` 中配置日志级别和格式。
|
||
|
||
## 故障排除
|
||
|
||
1. **数据获取失败**：检查网络连接和API token配置
|
||
2. **策略错误**：查看日志文件中的错误信息，检查策略逻辑
|
||
3. **参数优化缓慢**：减少参数搜索空间或缩短回测周期
|
||
4. **内存不足**：减少同时回测的策略数量或缩短回测周期
|
||
|
||
## 示例
|
||
|
||
### 运行单个策略
|
||
|
||
```bash
|
||
python main.py
|
||
```
|
||
|
||
### 启用参数优化
|
||
|
||
```bash
|
||
# 在config.py中设置RUN_PARAMETER_OPTIMIZATION = True
|
||
python main.py
|
||
```
|
||
|
||
## 贡献
|
||
|
||
欢迎提交issue和pull request，一起完善这个回测引擎。
|
||
|
||
## 许可证
|
||
|
||
MIT License |