Blazingly Fast Polars Quant Tool

Project description

polars-quant 🧮📊

基于 Rust + Polars 的高性能量化分析与回测工具集，提供丰富的技术指标计算和独立资金池回测引擎。

✨ 特性

🚀 高性能：基于 Rust 实现，底层使用 Polars 数据处理，速度快、内存占用低
📊 丰富指标：提供 50+ 常用技术指标（移动平均、动量、震荡、成交量等）
💰 独立资金池：每只股票使用独立资金池回测，智能并行处理
🎯 真实模拟：支持佣金（含最低佣金）、滑点、整百股交易等实盘规则
📈 详细统计：提供夏普比率、索提诺比率、卡尔马比率等 12 类详细指标
🔍 灵活分析：支持全局汇总和单股票深度分析

📦 安装

pip install polars-quant

或从源码安装：

git clone https://github.com/Firstastor/polars-quant.git
cd polars-quant
pip install maturin
maturin develop --release

📚 API 参考

一、回测类 (Backtest)

1. 构造函数

`Backtest(prices, buy_signals, sell_signals, initial_capital, commission_rate, min_commission, slippage)`

创建回测实例。

参数：

prices (DataFrame): 价格数据，第一列为日期，其余列为各股票价格
buy_signals (DataFrame): 买入信号，第一列为日期，其余列为布尔值（True 表示买入，False 表示不买入）
sell_signals (DataFrame): 卖出信号，第一列为日期，其余列为布尔值（True 表示卖出，False 表示不卖出）
initial_capital (float): 初始资金，默认 100000.0
commission_rate (float): 佣金费率，默认 0.0003（万三）
min_commission (float): 最低佣金，默认 5.0 元
slippage (float): 滑点，默认 0.0（0.001 表示 0.1%）

示例：

from polars_quant import Backtest

bt = Backtest(
    prices=prices_df,
    buy_signals=buy_df,
    sell_signals=sell_df,
    initial_capital=100000.0,
    commission_rate=0.0003,  # 万三
    min_commission=5.0,       # 最低5元
    slippage=0.001            # 0.1%滑点
)

2. 回测执行

`run()`

执行回测。

返回：None

特性：

自动识别股票数量，智能选择串行/并行策略
<4 只股票：串行执行（避免线程开销）
≥4 只股票：并行执行（动态线程池）
每只股票独立资金池，互不影响

示例：

bt.run()

3. 结果查询 - 全局数据

`get_daily_records()`

获取所有股票的每日资金记录。

返回：DataFrame，包含以下列：

symbol (str): 股票代码
date (str): 日期
cash (float): 现金
stock_value (float): 持仓市值
total_value (float): 总资产

示例：

daily = bt.get_daily_records()
print(daily)

`get_position_records()`

获取所有股票的交易记录。

返回：DataFrame，包含以下列：

symbol (str): 股票代码
entry_date (str): 开仓日期
entry_price (float): 开仓价格
quantity (float): 持仓数量（整百股）
exit_date (str): 平仓日期
exit_price (float): 平仓价格
pnl (float): 盈亏金额
pnl_pct (float): 盈亏百分比
holding_days (int): 持仓天数

示例：

positions = bt.get_position_records()
print(positions)

`summary()`

打印所有股票的综合统计摘要。

返回：None（直接打印输出）

包含统计项：

基本信息：总资产、总收益、收益率
交易统计：交易次数、胜率、盈亏比
收益分析：最大盈利/亏损、平均盈利/亏损
风险指标：最大回撤、最大回撤百分比
风险调整收益：夏普比率、索提诺比率、卡尔马比率
时间分析：平均持仓天数、最长/最短持仓
连续统计：最大连续盈利/亏损次数
月度/年度收益
波动率指标
分布统计：收益率分布
资金曲线：最高/最低点
交易频率

示例：

bt.summary()  # 直接打印，无需 print()

4. 结果查询 - 单只股票

`get_stock_daily(symbol)`

获取指定股票的每日资金记录。

参数：

symbol (str): 股票代码

返回：DataFrame，列同 get_daily_records()

示例：

stock_a_daily = bt.get_stock_daily("AAPL")
print(stock_a_daily)

`get_stock_positions(symbol)`

获取指定股票的交易记录。

参数：

symbol (str): 股票代码

返回：DataFrame，列同 get_position_records()

示例：

stock_a_positions = bt.get_stock_positions("AAPL")
print(stock_a_positions)

`get_stock_summary(symbol)`

打印指定股票的统计摘要。

参数：

symbol (str): 股票代码

返回：str（统计摘要字符串）

示例：

print(bt.get_stock_summary("AAPL"))

二、技术指标函数

所有指标函数接受 Polars Series 作为输入，返回 Polars Series 或元组。

1. 趋势指标 (Overlap Studies)

移动平均类

函数	说明	参数	返回
`sma(series, period)`	简单移动平均	series: 价格序列 period: 周期	Series
`ema(series, period)`	指数移动平均	series: 价格序列 period: 周期	Series
`wma(series, period)`	加权移动平均	series: 价格序列 period: 周期	Series
`dema(series, period)`	双重指数移动平均	series: 价格序列 period: 周期	Series
`tema(series, period)`	三重指数移动平均	series: 价格序列 period: 周期	Series
`trima(series, period)`	三角移动平均	series: 价格序列 period: 周期	Series
`kama(series, period)`	考夫曼自适应移动平均	series: 价格序列 period: 周期	Series
`ma(series, period)`	通用移动平均（默认SMA）	series: 价格序列 period: 周期	Series
`t3(series, period, vfactor)`	T3 移动平均	series: 价格序列 period: 周期 vfactor: 体积因子	Series

示例：

import polars as pl
from polars_quant import sma, ema, wma

df = pl.DataFrame({"close": [100, 102, 101, 105, 107, 110]})
df = df.with_columns([
    sma(pl.col("close"), 3).alias("sma_3"),
    ema(pl.col("close"), 3).alias("ema_3"),
    wma(pl.col("close"), 3).alias("wma_3"),
])

布林带与通道

函数	说明	参数	返回
`bband(series, period, std_dev)`	布林带	series: 价格序列 period: 周期 std_dev: 标准差倍数	(upper, middle, lower)

示例：

from polars_quant import bband

upper, middle, lower = bband(pl.col("close"), 20, 2.0)
df = df.with_columns([
    upper.alias("bb_upper"),
    middle.alias("bb_middle"),
    lower.alias("bb_lower"),
])

MAMA 自适应均线

函数	说明	参数	返回
`mama(series, fast_limit, slow_limit)`	MESA 自适应移动平均	series: 价格序列 fast_limit: 快速限制 slow_limit: 慢速限制	(mama, fama)

示例：

from polars_quant import mama

mama_line, fama_line = mama(pl.col("close"), 0.5, 0.05)

可变周期均线

函数	说明	参数	返回
`mavp(series, periods, min_period, max_period)`	可变周期移动平均	series: 价格序列 periods: 周期序列 min_period: 最小周期 max_period: 最大周期	Series

价格位置指标

函数	说明	参数	返回
`midpoint(series, period)`	中点价格	series: 价格序列 period: 周期	Series
`midprice_hl(high, low, period)`	最高最低中点	high: 最高价 low: 最低价 period: 周期	Series

抛物线指标

函数	说明	参数	返回
`sar(high, low, acceleration, maximum)`	抛物线转向指标	high: 最高价 low: 最低价 acceleration: 加速因子 maximum: 最大值	Series
`sarext(high, low, startvalue, offsetonreverse, accelerationinitlong, accelerationlong, accelerationmaxlong, accelerationinitshort, accelerationshort, accelerationmaxshort)`	扩展抛物线指标	多个参数配置	Series

示例：

from polars_quant import sar

sar_values = sar(pl.col("high"), pl.col("low"), 0.02, 0.2)

2. 动量指标 (Momentum Indicators)

ADX 系列（平均趋向指标）

函数	说明	参数	返回
`adx(high, low, close, period)`	平均趋向指标	high/low/close: 价格 period: 周期	Series
`adxr(high, low, close, period)`	平均趋向评估	同上	Series
`plus_di(high, low, close, period)`	正向指标	同上	Series
`minus_di(high, low, close, period)`	负向指标	同上	Series
`plus_dm(high, low, period)`	正向动向	high/low: 价格 period: 周期	Series
`minus_dm(high, low, period)`	负向动向	同上	Series
`dx(high, low, close, period)`	方向性指标	high/low/close: 价格 period: 周期	Series

示例：

from polars_quant import adx, plus_di, minus_di

df = df.with_columns([
    adx(pl.col("high"), pl.col("low"), pl.col("close"), 14).alias("adx"),
    plus_di(pl.col("high"), pl.col("low"), pl.col("close"), 14).alias("plus_di"),
    minus_di(pl.col("high"), pl.col("low"), pl.col("close"), 14).alias("minus_di"),
])

APO/PPO（价格震荡器）

函数	说明	参数	返回
`apo(series, fast_period, slow_period)`	绝对价格震荡器	series: 价格序列 fast_period: 快周期 slow_period: 慢周期	Series
`ppo(series, fast_period, slow_period)`	百分比价格震荡器	同上	Series

Aroon 系列

函数	说明	参数	返回
`aroon(high, low, period)`	Aroon 指标	high/low: 价格 period: 周期	(aroon_up, aroon_down)
`aroonosc(high, low, period)`	Aroon 震荡器	同上	Series

BOP（均势指标）

函数	说明	参数	返回
`bop(open, high, low, close)`	均势指标	OHLC 价格	Series

CCI（商品通道指标）

函数	说明	参数	返回
`cci(high, low, close, period)`	商品通道指标	high/low/close: 价格 period: 周期	Series

示例：

from polars_quant import cci

cci_values = cci(pl.col("high"), pl.col("low"), pl.col("close"), 14)

CMO（钱德动量摆动指标）

函数	说明	参数	返回
`cmo(series, period)`	钱德动量摆动指标	series: 价格序列 period: 周期	Series

MACD 系列

函数	说明	参数	返回
`macd(series, fast, slow, signal)`	MACD 指标	series: 价格序列 fast/slow/signal: 周期	(macd, signal, hist)
`macdext(series, fast, slow, signal, fast_matype, slow_matype, signal_matype)`	扩展 MACD	同上 + MA 类型	(macd, signal, hist)
`macdfix(series, signal)`	固定参数 MACD	series: 价格序列 signal: 信号周期	(macd, signal, hist)

示例：

from polars_quant import macd

macd_line, signal_line, hist = macd(pl.col("close"), 12, 26, 9)
df = df.with_columns([
    macd_line.alias("macd"),
    signal_line.alias("signal"),
    hist.alias("hist"),
])

MFI（资金流量指标）

函数	说明	参数	返回
`mfi(high, low, close, volume, period)`	资金流量指标	HLCV 数据 period: 周期	Series

MOM（动量指标）

函数	说明	参数	返回
`mom(series, period)`	动量指标	series: 价格序列 period: 周期	Series

ROC 系列（变化率）

函数	说明	参数	返回
`roc(series, period)`	变化率	series: 价格序列 period: 周期	Series
`rocp(series, period)`	百分比变化率	同上	Series
`rocr(series, period)`	比率变化率	同上	Series
`rocr100(series, period)`	百倍比率变化率	同上	Series

RSI（相对强弱指标）

函数	说明	参数	返回
`rsi(series, period)`	相对强弱指标	series: 价格序列 period: 周期（通常14）	Series

示例：

from polars_quant import rsi

rsi_values = rsi(pl.col("close"), 14)
df = df.with_columns(rsi_values.alias("rsi"))

Stochastic 系列（随机指标）

函数	说明	参数	返回
`stoch(high, low, close, k_period, d_period)`	慢速随机指标	HLC 价格 k/d 周期	(k, d)
`stochf(high, low, close, k_period, d_period)`	快速随机指标	同上	(k, d)
`stochrsi(series, period, k_period, d_period)`	RSI 随机指标	series: 价格序列 period/k/d: 周期	(k, d)

示例：

from polars_quant import stoch

k, d = stoch(pl.col("high"), pl.col("low"), pl.col("close"), 14, 3)
df = df.with_columns([k.alias("stoch_k"), d.alias("stoch_d")])

TRIX（三重指数平滑移动平均）

函数	说明	参数	返回
`trix(series, period)`	TRIX 指标	series: 价格序列 period: 周期	Series

ULTOSC（终极震荡器）

函数	说明	参数	返回
`ultosc(high, low, close, period1, period2, period3)`	终极震荡器	HLC 价格三个周期	Series

WILLR（威廉指标）

函数	说明	参数	返回
`willr(high, low, close, period)`	威廉 %R	HLC 价格 period: 周期	Series

示例：

from polars_quant import willr

willr_values = willr(pl.col("high"), pl.col("low"), pl.col("close"), 14)

3. 成交量指标 (Volume Indicators)

函数	说明	参数	返回
`ad(high, low, close, volume)`	累积/派发线	HLCV 数据	Series
`adosc(high, low, close, volume, fast, slow)`	累积/派发震荡器	HLCV 数据 fast/slow: 周期	Series
`obv(close, volume)`	能量潮指标	close/volume: 价格和成交量	Series

示例：

from polars_quant import ad, obv

df = df.with_columns([
    ad(pl.col("high"), pl.col("low"), pl.col("close"), pl.col("volume")).alias("ad"),
    obv(pl.col("close"), pl.col("volume")).alias("obv"),
])

4. 波动率指标 (Volatility Indicators)

函数	说明	参数	返回
`trange(high, low, close)`	真实范围	HLC 价格	Series

示例：

from polars_quant import trange

tr = trange(pl.col("high"), pl.col("low"), pl.col("close"))

🚀 快速开始

示例 1：基础回测

import polars as pl
from polars_quant import Backtest

# 准备数据
dates = pl.date_range(
    start=pl.date(2023, 1, 1),
    end=pl.date(2023, 12, 31),
    interval="1d",
    eager=True
).cast(str)

n = len(dates)

# 价格数据
prices_df = pl.DataFrame({
    "date": dates,
    "AAPL": [100 + i * 0.3 for i in range(n)],
    "MSFT": [200 + i * 0.5 for i in range(n)],
})

# 买卖信号（布尔值：True 表示买入/卖出，False 表示不操作）
buy_signals_df = pl.DataFrame({
    "date": dates,
    "AAPL": [i in [10, 100, 200] for i in range(n)],  # 第10、100、200天买入
    "MSFT": [i in [20, 120, 220] for i in range(n)],  # 第20、120、220天买入
})

sell_signals_df = pl.DataFrame({
    "date": dates,
    "AAPL": [i in [60, 150, 280] for i in range(n)],  # 第60、150、280天卖出
    "MSFT": [i in [70, 170, 300] for i in range(n)],  # 第70、170、300天卖出
})

# 创建并运行回测
bt = Backtest(
    prices=prices_df,
    buy_signals=buy_signals_df,
    sell_signals=sell_signals_df,
    initial_capital=100000.0,
    commission_rate=0.0003,
    min_commission=5.0,
    slippage=0.001
)

bt.run()

# 查看结果
bt.summary()  # 综合统计
daily = bt.get_daily_records()  # 每日记录
positions = bt.get_position_records()  # 交易记录

示例 2：技术指标计算

import polars as pl
from polars_quant import sma, ema, rsi, macd, bband

# 读取数据
df = pl.read_csv("stock_data.csv")

# 计算多个指标
df = df.with_columns([
    # 移动平均
    sma(pl.col("close"), 5).alias("sma_5"),
    sma(pl.col("close"), 20).alias("sma_20"),
    ema(pl.col("close"), 12).alias("ema_12"),
    
    # RSI
    rsi(pl.col("close"), 14).alias("rsi"),
])

# MACD
macd_line, signal_line, hist = macd(pl.col("close"), 12, 26, 9)
df = df.with_columns([
    macd_line.alias("macd"),
    signal_line.alias("signal"),
    hist.alias("hist"),
])

# 布林带
upper, middle, lower = bband(pl.col("close"), 20, 2.0)
df = df.with_columns([
    upper.alias("bb_upper"),
    middle.alias("bb_middle"),
    lower.alias("bb_lower"),
])

print(df)

示例 3：单股票深度分析

# 运行回测后
bt.run()

# 查看单只股票
stock_daily = bt.get_stock_daily("AAPL")
stock_positions = bt.get_stock_positions("AAPL")
print(bt.get_stock_summary("AAPL"))

# 时间段筛选
q1_data = bt.get_stock_daily("AAPL").filter(
    (pl.col("date") >= "2023-01-01") & (pl.col("date") <= "2023-03-31")
)

# 找出最佳/最差交易
all_positions = bt.get_position_records()
best_trade = all_positions.filter(pl.col("symbol") == "AAPL").sort("pnl", descending=True).head(1)
worst_trade = all_positions.filter(pl.col("symbol") == "AAPL").sort("pnl").head(1)

🎯 回测特性说明

独立资金池

每只股票使用独立的初始资金池，互不影响。适合测试多策略或对比不同股票表现。

智能并行

< 4 只股票：串行执行（避免线程开销）
≥ 4 只股票：并行执行，线程数 = min(股票数, CPU核心数)

交易规则

整百股交易：自动计算可买入的 100 股倍数
佣金计算：max(交易金额 × 费率, 最低佣金)
滑点模拟：买入价上浮，卖出价下调

强制平仓

回测结束时自动平仓所有持仓，按最后一日收盘价计算。

📊 统计指标说明

summary() 提供的详细统计包括：

夏普比率 (Sharpe Ratio)：风险调整后收益
索提诺比率 (Sortino Ratio)：只考虑下行风险的收益率
卡尔马比率 (Calmar Ratio)：年化收益率 / 最大回撤
最大回撤 (Max Drawdown)：资金曲线最大跌幅
胜率 (Win Rate)：盈利交易占比
盈亏比 (Profit Factor)：总盈利 / 总亏损
持仓统计：平均/最长/最短持仓天数
连续统计：最大连续盈利/亏损次数

🔧 开发

# 克隆仓库
git clone https://github.com/Firstastor/polars-quant.git
cd polars-quant

# 安装开发依赖
pip install maturin

# 开发模式编译
maturin develop

# 发布模式编译（更快）
maturin develop --release

📄 许可证

MIT License

🤝 贡献

欢迎提交 Issue 和 Pull Request！

📧 联系

如有问题或建议，请提交 Issue。

Project details

Release history Release notifications | RSS feed

0.5.0

Oct 28, 2025

This version

0.4.0

Oct 24, 2025

0.3.0

Sep 20, 2025

0.2.0

Aug 25, 2025

0.1.1

Aug 22, 2025

0.1.0

Aug 22, 2025

Download files

Download the file for your platform. If you're not sure which to choose, learn more about installing packages.

Source Distribution

polars_quant-0.4.0.tar.gz (96.2 kB view details)

Uploaded Oct 24, 2025 Source

Built Distribution

If you're not sure about the file name format, learn more about wheel file names.

The dropdown lists show the available interpreters, ABIs, and platforms. Enable javascript to be able to filter the list of wheel files.

polars_quant-0.4.0-cp39-abi3-win_amd64.whl (5.0 MB view details)

Uploaded Oct 24, 2025 CPython 3.9+Windows x86-64

File details

Details for the file polars_quant-0.4.0.tar.gz.

File metadata

Download URL: polars_quant-0.4.0.tar.gz
Upload date: Oct 24, 2025
Size: 96.2 kB
Tags: Source
Uploaded using Trusted Publishing? No
Uploaded via: maturin/1.9.4

File hashes

Hashes for polars_quant-0.4.0.tar.gz
Algorithm	Hash digest
SHA256	`d92a2cbe90c5420d6df92eb4d2d7cd784749795a79cd2a18b70531316978865d`
MD5	`8c63bd8273aa2e2659f59c6de3e620cf`
BLAKE2b-256	`0e1ccd32a278fa8fc28eec4dc4c46deead0f9d0dcb981c55bcbbcc5f7f6413b5`

See more details on using hashes here.

File details

Details for the file polars_quant-0.4.0-cp39-abi3-win_amd64.whl.

File metadata

Download URL: polars_quant-0.4.0-cp39-abi3-win_amd64.whl
Upload date: Oct 24, 2025
Size: 5.0 MB
Tags: CPython 3.9+, Windows x86-64
Uploaded using Trusted Publishing? No
Uploaded via: maturin/1.9.4

File hashes

Hashes for polars_quant-0.4.0-cp39-abi3-win_amd64.whl
Algorithm	Hash digest
SHA256	`282ed299f82ffe7c76d25a6f6beeee821064a00913ad66c59fd095ab17e46483`
MD5	`d7bc68246c40051f08de610830d6e151`
BLAKE2b-256	`5c615cd8d41827a6918ed83e4a92c0738c1e0a1b7063fab11f3c72a916869185`

See more details on using hashes here.

polars-quant 0.4.0

Navigation

Verified details

Maintainers

Unverified details

Meta

Project description

polars-quant 🧮📊

✨ 特性

📦 安装

📚 API 参考

一、回测类 (Backtest)

1. 构造函数

Backtest(prices, buy_signals, sell_signals, initial_capital, commission_rate, min_commission, slippage)

2. 回测执行

run()

3. 结果查询 - 全局数据

get_daily_records()

get_position_records()

summary()

4. 结果查询 - 单只股票

get_stock_daily(symbol)

get_stock_positions(symbol)

get_stock_summary(symbol)

二、技术指标函数

1. 趋势指标 (Overlap Studies)

移动平均类

布林带与通道

MAMA 自适应均线

可变周期均线

价格位置指标

抛物线指标

2. 动量指标 (Momentum Indicators)

ADX 系列（平均趋向指标）

APO/PPO（价格震荡器）

Aroon 系列

BOP（均势指标）

CCI（商品通道指标）

CMO（钱德动量摆动指标）

MACD 系列

MFI（资金流量指标）

MOM（动量指标）

ROC 系列（变化率）

RSI（相对强弱指标）

Stochastic 系列（随机指标）

TRIX（三重指数平滑移动平均）

ULTOSC（终极震荡器）

WILLR（威廉指标）

3. 成交量指标 (Volume Indicators)

4. 波动率指标 (Volatility Indicators)

🚀 快速开始

示例 1：基础回测

示例 2：技术指标计算

示例 3：单股票深度分析

🎯 回测特性说明

独立资金池

智能并行

交易规则

强制平仓

📊 统计指标说明

🔧 开发

📄 许可证

🤝 贡献

📧 联系

Project details

Verified details

Maintainers

Unverified details

Meta

Release history Release notifications | RSS feed

Download files

Source Distribution

Built Distribution

File details

File metadata

File hashes

File details

File metadata

File hashes

`Backtest(prices, buy_signals, sell_signals, initial_capital, commission_rate, min_commission, slippage)`

`run()`

`get_daily_records()`

`get_position_records()`

`summary()`

`get_stock_daily(symbol)`

`get_stock_positions(symbol)`

`get_stock_summary(symbol)`