deltafq 0.6.0

A-share low-frequency quantitative trading framework covering research, backtesting, and execution

DeltaFQ

中文 | English

A 股低频量化一站式解决方案： 覆盖“研究-回测-执行”全生命周期，内置仿真交易环境与实盘网关接口，可构建从零到实盘的工业级 Python 量化工作流。

教程

AI量化体系课：慕课网专项课程（即将上线）

安装

pip install deltafq

核心功能

• 📥 数据模块 - 集成 yfinance 免费数据接口、akshare 实时行情及 QMT 行情 API
• 🧪 指标模块 - 提供 Pandas 原生技术指标计算，内置常用 TA-Lib 指标库
• 🧠 策略模块 - 支持信号生成器与 BaseStrategy 模板，实现策略极速开发
• 📉 回测模块 - 高性能回测引擎，支持多策略对比、精确绩效统计与深度回撤分析
• 🤖 交易接入 - 采用可插拔网关架构，支持本地纸面交易与实盘 API 无缝切换
• 📊 可视化 - 基于 Plotly 的交互式绩效图表，支持中英文双语回测报告
• 📝 日志管理 - 统一的日志记录与输出管理，支持多级别日志与文件存储

快速上手

import deltafq as dfq

# 1. 定义策略逻辑
class MyStrategy(dfq.strategy.BaseStrategy):
    def generate_signals(self, data):
        bands = dfq.indicators.TechnicalIndicators().boll(data["Close"])
        return dfq.strategy.SignalGenerator().boll_signals(data["Close"], bands)

# 2. 极简回测与展示
engine = dfq.backtest.BacktestEngine()
engine.set_parameters("GOOGL", "2025-07-26", "2026-01-26")
engine.load_data()
engine.add_strategy(MyStrategy(name="BOLL"))
engine.run_backtest()
engine.show_report()
engine.show_chart(use_plotly=False)

应用示例

DeltaFStation 面向 A 股低频量化，基于 deltafq 集成数据服务、策略管理与交易接入，支持模拟与实盘。项目地址：https://github.com/Delta-F/deltafstation/

项目架构

deltafq/
├── data        # 数据获取、清洗、存储接口（支持股票、基金数据）
├── 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
├── live        # 事件引擎、网关抽象与路由
├── adapters    # 行情/交易适配器（可插拔）
├── trader      # 交易执行与订单/持仓管理
└── charts      # 信号、绩效图表组件

参与贡献

• 反馈与改进：欢迎通过 Issue 或 PR 提交改进。
• 微信公众号：关注 DeltaFQ开源量化，获取版本更新、重要策略与量化资料。

许可证

MIT License，详见 LICENSE。