deltafq 0.4.3

A comprehensive Python quantitative finance library

DeltaFQ

现代化 Python 量化交易框架，聚焦策略研究、回测执行与业绩展示。

English README

---

概述

• 轻量化、模块化的量化研发基础设施，覆盖 数据 → 指标 → 策略 → 回测 → 可视化 全链条。
• 内置一致的信号标准（Series 类型），实现策略复用与组件解耦。
• 适配桌面研究流与脚本自动化，支持快速验证与持续集成。

---

核心能力

• 数据接入：统一的数据抓取、清洗、校验流程。
• 指标库：TechnicalIndicators/SignalGenerator 提供主流指标及多种组合方式。
• 策略层：BaseStrategy 抽象策略生命周期，便于扩展与回测复用。
• 回测执行：BacktestEngine 集成底层执行、仓位管理、绩效指标。
• 绩效展示：PerformanceReporter（中/英）与 PerformanceChart（Matplotlib / Plotly）。

---

模块架构

deltafq/
├── data        # 数据获取、清洗、存储接口
├── indicators  # 技术指标与因子计算
├── strategy    # 信号生成器与策略基类
├── backtest    # 回测执行、绩效度量、报告
├── charts      # 信号/绩效图表组件
└── trader      # 交易执行与风控（持续扩展）

示例脚本位于 examples/ 目录，涵盖信号对比、回测执行、报告生成等场景。

---

安装

pip install deltafq

• 依赖 Python ≥ 3.8。
• Plotly、TA-Lib 等可选组件可通过 pip install deltafq[viz]、pip install deltafq[talib] 安装。

---

快速上手（BOLL 策略）

import deltafq as dfq

symbol = "AAPL"
fetcher = dfq.data.DataFetcher()
indicators = dfq.indicators.TechnicalIndicators()
signals = dfq.strategy.SignalGenerator()
engine = dfq.backtest.BacktestEngine(initial_capital=100_000)
reporter = dfq.backtest.PerformanceReporter()
chart = dfq.charts.PerformanceChart()

data = fetcher.fetch_data(symbol, "2023-01-01", "2023-12-31", clean=True)
bands = indicators.boll(data["Close"], period=20, std_dev=2)
signal_series = signals.boll_signals(price=data["Close"], bands=bands, method="cross_current")

trades_df, values_df = engine.run_backtest(symbol, signal_series, data["Close"], strategy_name="BOLL")

reporter.print_summary(symbol, trades_df, values_df, title=f"{symbol} BOLL 策略", language="zh")
chart.plot_backtest_charts(values_df=values_df, benchmark_close=data["Close"], title=f"{symbol} BOLL 策略")

---

示例与工具

• 03_compare_signals.py：常见指标信号对比。
• 04_backtest_execution.py：单策略回测全流程。
• 05_backtest_report.py / 05_backtest_charts.py：绩效报表与图表化展示。
• 06_base_strategy_demo.py：基于 BaseStrategy 实现的均线交叉样例。

---

社区与贡献

• 欢迎通过 Issue / PR 反馈问题、提交改进。
• 项目遵循简洁的代码风格，建议在提交前运行基本的 lint/测试。

---

许可证

MIT License，详见 LICENSE。