智能量化交易平台 - 回测 / 模拟 / 实盘
Project description
finquant V2.0.0
官方网站 | 轻量级 Python 量化回测工具
特性
- 事件驱动架构：解耦策略与引擎，支持多策略组合
- 本地缓存：Parquet 格式缓存，支持增量更新，避免重复请求
- 完整风控体系：止损止盈、最大回撤控制、仓位管理
- 执行精度模拟：滑点、部分成交、市场冲击建模
- 参数优化：贝叶斯优化、Walk-Forward、敏感性分析
- 多资产支持：股票、ETF、LOF、科创板混合回测
- 详细交易日志：每笔交易记录成本、收益、持仓盈亏
核心优势与解决的问题
1. 数据获取效率问题
问题：每次回测都从网络获取数据，重复请求耗时且浪费资源。
解决：
- 本地 Parquet 缓存，数据持久化
- 增量更新（3天容差），只请求新数据
- 多数据源自动切换（EastMoney → Tencent → Sina → Tdx → BaoStock）
2. 回测精度问题
问题：简单回测无法模拟真实交易场景，滑点、手续税计算不准确。
解决：
- 完整手续费计算（佣金、印花税、过户费）
- 滑点模拟（买入时高价、卖出时低价）
- A股最小买入单位（100股整数倍）
- 持仓市值实时计算
3. 策略开发效率问题
问题：策略代码与引擎耦合，难以独立单元测试。
解决：
- 事件驱动架构，策略完全独立
on_bar(bar)方法，策略只需关注信号生成bar.history()获取历史数据，无需关心数据来源
4. 结果分析不完整问题
问题：传统回测只显示最终收益，缺乏详细持仓和盈亏分析。
解决：
- 每笔交易详细日志（日期、数量、成本、手续费、总资产）
- 按标的统计（已实现盈亏 + 未实现盈亏）
- 最终持仓详情（开仓日期、成本、现价、浮动盈亏）
- 完整权益曲线
对比其他框架
| 特性 | backtrader | backtesting.py | vectorbt | finquant |
|---|---|---|---|---|
| 事件驱动 | ✓ | ✗ | ✗ | ✓ |
| 本地缓存 | ✗ | ✗ | ✗ | ✓ (Parquet) |
| 增量更新 | ✗ | ✗ | ✗ | ✓ |
| A股支持 | △ | △ | △ | ✓ (100股最小单位) |
| 详细日志 | △ | △ | ✗ | ✓ |
| 多资产 | ✓ | ✗ | ✓ | ✓ |
典型使用场景
-
快速验证策略想法
from finquant import bt result = bt("SH600519", "ma_cross", short=5, long=20)
-
完整回测分析
data = get_kline(codes, start="2024-01-01") engine = BacktestEngineV2(config) result = engine.run(data, strategy) # 查看详细日志、持仓分析
-
参数优化
optimizer = BayesianOptimizer(param_bounds) best = optimizer.optimize(objective)
整体流程
┌─────────────────────────────────────────────────────────────────────────┐
│ finquant 量化回测流程 │
└─────────────────────────────────────────────────────────────────────────┘
┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐
│ 获取数据 │───▶│ 开发策略 │───▶│ 运行回测 │───▶│ 结果分析 │
│ get_kline │ │ Strategy │ │ Engine │ │ Plotter │
└──────────┘ └──────────┘ └──────────┘ └──────────┘
│ │ │ │
▼ ▼ ▼ ▼
┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐
│ 本地缓存 │ │ Signal │ │ Broker │ │ 收益分析 │
│ Parquet │ │ 生成信号 │ │ 订单执行 │ │ 可视化 │
└──────────┘ └──────────┘ └──────────┘ └──────────┘
详细流程:
┌────────────────────────────────────────────────────────────────────────┐
│ 1. 数据获取 (get_kline) │
│ ┌─────────────────────────────────────────────────────────────┐ │
│ │ • 多数据源: EastMoney, Tencent, Sina, Tdx, BaoStock │ │
│ │ • 本地缓存: ~/.finquant/cache/ (Parquet 格式) │ │
│ │ • 增量更新: 3天容差，避免重复请求 │ │
│ │ • 自动缓存更新 │ │
│ └─────────────────────────────────────────────────────────────┘ │
└────────────────────────────────────────────────────────────────────────┘
│
▼
┌────────────────────────────────────────────────────────────────────────┐
│ 2. 策略开发 (Strategy) │
│ ┌─────────────────────────────────────────────────────────────┐ │
│ │ class MyStrategy(Strategy): │ │
│ │ def on_bar(self, bar) -> Signal: │ │
│ │ # 计算指标 MA, RSI, MACD, Bollinger... │ │
│ │ # 生成信号 BUY/SELL/HOLD │ │
│ │ return Signal(Action.BUY, code=bar.code) │ │
│ └─────────────────────────────────────────────────────────────┘ │
└────────────────────────────────────────────────────────────────────────┘
│
▼
┌────────────────────────────────────────────────────────────────────────┐
│ 3. 回测引擎 (BacktestEngineV2) │
│ │
│ ┌──────────────────────────────────────────────────────────────┐ │
│ │ 事件驱动循环: │ │
│ │ for date in trade_dates: │ │
│ │ for each stock: │ │
│ │ 1. 触发 BarEvent (推送K线) │ │
│ │ 2. 策略生成 Signal (on_bar) │ │
│ │ 3. SignalEvent → 转换为 Order │ │
│ │ 4. Broker 执行订单 (计算手续费/滑点) │ │
│ │ 5. 更新持仓和现金 │ │
│ │ 6. 记录每日权益 │ │
│ └──────────────────────────────────────────────────────────────┘ │
└────────────────────────────────────────────────────────────────────────┘
│
▼
┌────────────────────────────────────────────────────────────────────────┐
│ 4. 结果分析 (BacktestResult) │
│ ┌─────────────────────────────────────────────────────────────┐ │
│ │ • 收益率 (总收益、年化收益) │ │
│ │ • 风险指标 (夏普比率、最大回撤) │ │
│ │ • 交易统计 (交易次数、胜率) │ │
│ │ • 权益曲线 (每日资产变化) │ │
│ │ • 按标的统计 (已实现盈亏+未实现盈亏) │ │
│ │ • 最终持仓 (开仓日期、成本、现价、盈亏) │ │
│ └─────────────────────────────────────────────────────────────┘ │
└────────────────────────────────────────────────────────────────────────┘
系统架构
┌─────────────────────────────────────────────────────────────────────────┐
│ finquant 架构 │
└─────────────────────────────────────────────────────────────────────────┘
┌─────────────────────────────────────────────────────────────────────────┐
│ 应用层 (API) │
│ ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐ │
│ │ bt() │ │backtest│ │ optimize│ │ compare │ │ plot │ │
│ └─────────┘ └─────────┘ └─────────┘ └─────────┘ └─────────┘ │
└─────────────────────────────────────────────────────────────────────────┘
│
┌─────────────────────────────────────────────────────────────────────────┐
│ 核心模块 │
│ │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ strategy │ │ core │ │ data │ │
│ │ │ │ │ │ │ │
│ │ Strategy │ │ BacktestEng │ │ get_kline │ │
│ │ Signal │ │ Broker │ │ DataCache │ ← 本地 Parquet │
│ │ Action │ │ EventBus │ │ Loader │ ← 增量更新 │
│ │ Bar │ │ RiskMgr │ │ │ │
│ └─────────────┘ └─────────────┘ └─────────────┘ │
│ │ │ │ │
│ └────────────────┼────────────────┘ │
│ ▼ │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ risk │ │ optimize │ │ visualize │ │
│ │ │ │ │ │ │ │
│ │ RiskManager │ │ BayesianOpt │ │ Plotter │ │
│ │ Slippage │ │ WalkForward │ │ compare │ │
│ │ FillPolicy │ │ Sensitivity │ │ │ │
│ └─────────────┘ └─────────────┘ └─────────────┘ │
└─────────────────────────────────────────────────────────────────────────┘
│
┌─────────────────────────────────────────────────────────────────────────┐
│ 外部依赖 │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ finshare │ │ pandas │ │ numpy │ │ scipy │ │
│ │ (数据源) │ │ (计算) │ │ (计算) │ │ (优化) │ │
│ └─────────────┘ └─────────────┘ └─────────────┘ └─────────────┘ │
└─────────────────────────────────────────────────────────────────────────┘
事件驱动架构
┌─────────────────────────────────────────────────────────────────────────┐
│ 事件驱动流程 │
└─────────────────────────────────────────────────────────────────────────┘
┌─────────────┐
│ BarEvent │ (每个交易日每只股票)
└──────┬──────┘
│
▼
┌─────────────┐
│ 策略.on_bar │ ← 获取历史数据 bar.history()
└──────┬──────┘
│
▼ Signal (BUY/SELL/HOLD)
┌─────────────┐
│ SignalEvent │
└──────┬──────┘
│
┌──────┴──────────────────────────────────┐
│ │
▼ ▼
┌─────────────┐ ┌─────────────┐
│ 风控检查 │ │ 风控检查 │
│ RiskManager │ │ RiskManager │
└──────┬──────┘ └──────┬──────┘
│ │
▼ ▼
┌─────────────┐ ┌─────────────┐
│ 转为 Order │ │ 拒绝信号 │
└──────┬──────┘ └─────────────┘
│
▼
┌─────────────┐
│ Broker │ ← 资金检查 / 持仓检查
│ 执行订单 │
└──────┬──────┘
│
▼ FillEvent
┌─────────────┐
│ 更新持仓 │ ← 更新现金 / 更新持仓 / 记录交易
│ 更新现金 │
└─────────────┘
安装
环境要求
- Python 3.8+
- pandas >= 1.3.0
- numpy >= 1.20.0
安装步骤
# 1. 克隆项目
git clone https://github.com/finvfamily/finquant.git
cd finquant
# 2. 创建虚拟环境 (推荐)
python -m venv venv
source venv/bin/activate # Linux/Mac
# venv\Scripts\activate # Windows
# 3. 安装依赖
pip install -r requirements.txt
# 4. 安装 finquant
pip install -e .
# 5. 验证安装
python -c "from finquant import get_kline; print('安装成功!')"
快速验证
# 运行示例
python examples/01_basic.py
# 运行完整测试
python examples/08_multi_assets_test.py
finshare 数据源
finquant 基于 finshare 构建，finshare 为 finquant 提供稳定的数据支持
finshare 是一个纯开源的 A股数据获取库（GitHub: github.com/finvfamily/finshare），完全免费，致力于解决 Python 量化投资的数据获取难题。
finshare 特性
- 完全开源：MIT 许可证，代码开源
- 多数据源：EastMoney、腾讯、新浪、通达信、baostock 自动切换
- 支持全市场：股票、ETF、LOF、基金、指数
- 实时行情：支持批量实时行情获取
- 简单易用：一行代码获取数据
finshare 支持的数据源
| 数据源 | 说明 |
|---|---|
| EastMoney (东方财富) | 默认首选，数据全面 |
| Tencent (腾讯) | 备用源 |
| Sina (新浪) | 备用源 |
| Tdx (通达信) | 备用源 |
| BaoStock (baostock) | 备用源 |
finshare 安装
finshare 会作为 finquant 的依赖自动安装，也可单独安装：
pip install finshare
使用示例
import finshare as fs
# 获取股票数据
data = fs.get_historical_data("SH600519", start="2024-01-01", end="2024-12-31")
# 获取实时行情
quote = fs.get_batch_snapshots(["SH600519", "SH000001"])
finquant 中的数据获取
finquant 封装了 finshare，通过 get_kline 统一调用：
from finquant import get_kline
# 获取多只股票
data = get_kline(["SH600519", "SH000001"], start="2024-01-01", end="2024-12-31")
# 获取 ETF
data = get_kline(["SH510300", "SH512880"], start="2024-01-01", end="2024-12-31")
# 获取 LOF
data = get_kline(["SH161039"], start="2024-01-01", end="2024-12-31")
代码格式说明
SH+ 6位数字：上海市场（SH600519, SH510300）SZ+ 6位数字：深圳市场（SZ000001, SZ300750）BJ+ 6位数字：北京市场
快速开始
from finquant import bt
# 一行代码完成回测
result = bt("SH600519", "ma_cross", short=5, long=20, start="2024-01-01", end="2025-01-01")
# 查看结果
print(result.summary())
策略示例
from finquant import (
get_kline,
MAStrategy, # 均线交叉
RSIStrategy, # RSI 策略
BacktestEngineV2,
)
# 获取数据
data = get_kline(["000001", "600000"], start="2024-01-01", end="2025-01-01")
# 创建策略
strategy = MAStrategy(short_period=5, long_period=20)
# 运行回测
engine = BacktestEngineV2(initial_capital=100000)
result = engine.run(data, strategy)
print(result.summary())
自定义策略
from finquant import Strategy, Signal, Action, Bar
class BreakoutStrategy(Strategy):
"""价格突破20日高点买入"""
def __init__(self):
super().__init__("BreakoutStrategy")
self.period = 20
def on_bar(self, bar: Bar) -> Signal:
history = bar.history('close', self.period + 1)
if len(history) < self.period:
return None
current = history.iloc[-1]
high_20 = history.rolling(20).max().iloc[-1]
if current > high_20:
return Signal(Action.BUY, reason="突破20日高点")
return None
风控
from finquant import RiskManager, RiskConfig, create_risk_manager
config = RiskConfig(
stop_loss=0.05, # 5% 止损
take_profit=0.15, # 15% 止盈
max_drawdown=0.20, # 20% 最大回撤
)
risk_mgr = create_risk_manager(config)
参数优化
from finquant import bayesian_optimize, BacktestEngineV2, get_kline
data = get_kline(["000001"], start="2023-01-01", end="2024-12-31")
def objective(params):
engine = BacktestEngineV2()
result = engine.run(data, MAStrategy(**params))
return result.sharpe_ratio
# 贝叶斯优化
best_params, score = bayesian_optimize(
param_bounds={"short_period": (3, 20), "long_period": (20, 60)},
objective_fn=objective,
n_iter=50,
)
缓存说明
缓存位置
数据默认缓存在 ~/.finquant/cache/ 目录，格式为 Parquet。
缓存策略
- 首次请求: 从网络获取数据，保存到本地缓存
- 增量更新: 再次请求时，如果缓存数据与请求范围差距 > 3 天，自动增量更新
- 强制更新: 删除缓存文件后重新获取
手动管理缓存
from finquant.data.loader import DataCache
# 查看缓存位置
cache = DataCache()
print(cache.cache_dir)
# 清理缓存
cache.clear()
包结构
finquant/
├── __init__.py # 统一导出
├── api.py # 简洁 API (bt, backtest, compare...)
│
├── core/ # 核心模块
│ ├── __init__.py
│ ├── engine.py # 回测引擎 (BacktestEngineV2)
│ ├── broker.py # 券商 (持仓/订单/资金)
│ ├── event.py # 事件系统 (EventBus/Event)
│ └── multi_asset.py # 多资产支持
│
├── strategy/ # 策略模块
│ ├── __init__.py
│ ├── base.py # 策略基类 (Strategy/Signal/Bar)
│ └── v2.py # 内置策略 (MA/RSI/Boll...)
│
├── data/ # 数据模块
│ ├── __init__.py
│ ├── loader.py # 数据加载 (get_kline/DataCache)
│ ├── cache.py # 指标缓存
│ └── factors.py # 因子库
│
├── risk/ # 风控模块
│ ├── __init__.py
│ └── risk.py # 风险管理
│
├── optimize/ # 优化模块
│ ├── __init__.py
│ ├── bayesian.py # 贝叶斯优化
│ └── walkforward.py # Walk-Forward
│
└── visualize/ # 可视化
├── __init__.py
└── plot.py # 绘图
运行测试
pytest tests/ -v
依赖
- pandas >= 1.3.0
- numpy >= 1.20.0
- finshare >= 1.0.2 (数据源)
- scipy >= 1.8.0 (参数优化)
相关链接
- 官方网站: https://meepoquant.com
- GitHub: https://github.com/finvfamily/finquant
致谢
finquant 的开发参考和借鉴了以下开源项目：
回测框架
- backtrader - Python 经典回测框架，事件驱动架构的参考
- backtesting.py - 简洁的 Python 回测库
- vectorbt - 向量化回测框架，性能优化参考
数据源
量化策略
其他
感谢以上开源项目的作者和贡献者！
License
MIT License
Release history Release notifications | RSS feed
Download files
Download the file for your platform. If you're not sure which to choose, learn more about installing packages.
Source Distribution
finvqunat-1.0.0.tar.gz
(128.0 kB
view details)
Built Distribution
Filter files by name, interpreter, ABI, and platform.
If you're not sure about the file name format, learn more about wheel file names.
Copy a direct link to the current filters
finvqunat-1.0.0-py3-none-any.whl
(143.5 kB
view details)
File details
Details for the file finvqunat-1.0.0.tar.gz.
File metadata
- Download URL: finvqunat-1.0.0.tar.gz
- Upload date:
- Size: 128.0 kB
- Tags: Source
- Uploaded using Trusted Publishing? No
- Uploaded via: twine/6.1.0 CPython/3.13.7
File hashes
| Algorithm | Hash digest | |
|---|---|---|
| SHA256 |
12fd3fae15d18f8f6973ca0d58d6fd7196942439fb73bad32dc4ec2fa294c911
|
|
| MD5 |
da4d5d8263261763569cb1bc0272227c
|
|
| BLAKE2b-256 |
66e2e77ab1462268abe426a77548bd639da99777380f76ccfed7be1dfaf8e1ee
|
File details
Details for the file finvqunat-1.0.0-py3-none-any.whl.
File metadata
- Download URL: finvqunat-1.0.0-py3-none-any.whl
- Upload date:
- Size: 143.5 kB
- Tags: Python 3
- Uploaded using Trusted Publishing? No
- Uploaded via: twine/6.1.0 CPython/3.13.7
File hashes
| Algorithm | Hash digest | |
|---|---|---|
| SHA256 |
12ceec631f1c4578c869e90ca06494df82d8ee5fd6b97c097e62b7ce336a1616
|
|
| MD5 |
4636fd414102421ce733be7df145d180
|
|
| BLAKE2b-256 |
647e973ea859298de6f3bc1e4c6b81adcb53e833ae280dc4cf10e9540de93659
|
