akquant 0.1.0

High-performance quantitative trading framework based on Rust and Python

akquant

akquant 是一个基于 Rust 和 Python 构建的高性能量化投研框架。它旨在结合 Rust 的极致性能和 Python 的易用性，为量化交易者提供强大的回测和研究工具。

最新版本参考了 NautilusTrader 和 PyBroker 的架构理念，引入了模块化设计、独立的投资组合管理、高级订单类型支持以及便捷的数据加载与缓存机制。

📖 设计与开发指南 (DESIGN.md): 如果你想深入了解内部架构、学习如何设计此类系统或进行二次开发，请阅读此文档。

核心特性

• 极致性能: 核心回测引擎采用 Rust 编写，通过 PyO3 提供 Python 接口。
  • 基准测试: 在 200k K线数据的 SMA 策略回测中，akquant 耗时仅 1.31s (吞吐量 ~152k bars/sec)，相比 Backtrader (26.55s) 和 PyBroker (23.61s) 快约 20倍。
• 模块化架构:
  • Engine: 事件驱动的核心撮合引擎，采用二进制堆 (BinaryHeap) 管理事件队列。
  • Clock: 参考 NautilusTrader 设计的交易时钟，精确管理交易时段 (TradingSession) 和时间流逝。
  • Portfolio: 独立的投资组合管理，支持实时权益计算。
  • MarketModel: 可插拔的市场模型，内置 A 股 T+1 和期货 T+0 规则。
• 事件系统:
  • Timer: 支持 schedule(timestamp, payload) 注册定时事件，触发 on_timer 回调，实现复杂的盘中定时逻辑。
• 数据生态:
  • AKShare 集成: 内置 DataLoader，无缝支持 AKShare 数据加载。
  • 智能缓存: 支持数据本地缓存 (Pickle)，避免重复下载，加速策略迭代。
  • 自动降级: 如果默认缓存目录 (~/.akquant) 不可写，自动降级到当前目录 (.akquant_cache)。
• 多资产支持:
  • 股票 (Stock): 默认支持 T+1，买入 100 股一手限制，印花税/过户费。
  • 基金 (Fund): 支持基金特有费率配置。
  • 期货 (Futures): 支持 T+0，保证金交易，合约乘数。
  • 期权 (Option): 支持 Call/Put，行权价，按张收费模式。
• 灵活配置:
  • StrategyConfig: 全局策略配置 (类似 PyBroker)，支持资金管理、费率模式等设置。
  • ExecutionMode: 支持 CurrentClose (信号当根K线收盘成交) 和 NextOpen (次日开盘成交) 模式。
• 丰富的分析工具:
  • PerformanceMetrics:
    • 收益: Total Return, Annualized Return, Alpha.
    • 风险: Max Drawdown, Sharpe Ratio, Sortino Ratio, Ulcer Index, UPI (Ulcer Performance Index).
    • 拟合: Equity R² (线性回归拟合度).
  • TradeAnalyzer: 包含胜率、盈亏比、最大连续盈亏等详细交易统计，支持未结盈亏 (Unrealized PnL) 计算。

为什么选择 akquant?

传统的 Python 回测框架（如 backtrader）在处理大规模数据或复杂逻辑时往往面临性能瓶颈。纯 C++/Rust 框架虽然性能优越，但开发和调试门槛较高。

akquant 试图在两者之间找到平衡点：

1. 性能: Rust 核心保证了回测速度，特别适合大规模参数优化。
2. 易用: 策略编写完全使用 Python，提供类似 PyBroker 的简洁 API。
3. 专业: 严格遵守中国市场交易规则（T+1、印花税、最低佣金等）。

前置要求

• Rust: 安装 Rust
• Python: 3.9+
• Maturin: pip install maturin

安装说明

开发模式（推荐）

如果你正在开发该项目并希望更改即时生效：

maturin develop

快速开始

1. 使用 helper 快速回测 (推荐)

akquant 提供了一个类似 Zipline 的便捷入口 run_backtest，可以快速运行策略。

import akquant
from akquant.backtest import run_backtest
from akquant import Strategy

# 1. 定义策略
class MyStrategy(Strategy):
    def on_bar(self, bar):
        # 简单的双均线逻辑 (示例)
        # 实际回测推荐使用 IndicatorSet 进行向量化计算
        if self.ctx.position.size == 0:
            self.buy(symbol=bar.symbol, quantity=100)
        elif bar.close > self.ctx.position.avg_price * 1.1:
            self.sell(symbol=bar.symbol, quantity=100)

# 2. 运行回测
# 自动加载数据、设置资金、费率等
result = run_backtest(
    strategy=MyStrategy,  # 传递类或实例
    symbol="600000",      # 浦发银行
    start_date="20230101",
    end_date="20231231",
    cash=500_000.0,       # 初始资金
    commission=0.0003     # 万三佣金
)

# 3. 查看结果
print(f"Total Return: {result.metrics.total_return:.2%}")
print(f"Sharpe Ratio: {result.metrics.sharpe_ratio:.2f}")
print(f"Max Drawdown: {result.metrics.max_drawdown:.2%}")

2. 函数式 API (Zipline 风格)

如果你习惯 Zipline 或 Backtrader 的函数式写法，也可以直接使用：

from akquant.backtest import run_backtest

def initialize(ctx):
    ctx.stop_loss_pct = 0.05

def on_bar(ctx, bar):
    if ctx.position.size == 0:
        ctx.buy(symbol=bar.symbol, quantity=100)
    elif bar.close < ctx.position.avg_price * (1 - ctx.stop_loss_pct):
        ctx.sell(symbol=bar.symbol, quantity=100)

run_backtest(
    strategy=on_bar,
    initialize=initialize,
    symbol="600000",
    start_date="20230101",
    end_date="20231231"
)

更多示例请参考 examples/ 目录。

快速链接