简介面向计算机/金融相关专业的毕业设计、课程设计及量化交易入门学习者这份Python量化交易策略与回测系统是一份经导师指导认可、评审得分98分的可运行源码项目能够直接解决实战项目难获取、回测流程难落地的问题。压缩包共15个文件大小约10.42MB主要包含7个Python脚本策略定义、回测引擎、组合分析、数据读取等、2个Excel行情数据文件、2个RAR数据分包、2张策略回测结果图量价双金叉与ETF轮动以及1个便于演示讲解的Jupyter Notebook。源码全部经过调试可运行完整覆盖从历史数据清洗、交易信号生成到回测结果可视化的主流流程附带的股票和ETF真实行情数据与结果图可用于直接复现既能支撑毕业设计答辩也适合作为量化交易学习的实战范例。目前该项目已有2050人学习浏览适合需要完整项目提升实操能力、完成课程作业或论文实验的读者。1. 为什么说一套Python量化交易策略及回测系统源代码核心价值藏在回测细节里一套Python量化交易策略及回测系统源代码最值钱的往往不是那几行策略买卖规则而是回测引擎对细节的处理。我做量化课程设计和技术评审时见过太多“看资金曲线很漂亮翻车只在实盘”的方案账户收益曲线一路向北细查之后发现用了未来函数或者把除权日当成了暴跌日。围绕“高分项目”这个目标正确的理解是——评分的核心是回测结果可复现、统计口径严谨、边界条件讲得清。这正是一套完整量化交易回测系统源代码应该给你的能力而不是一个黑匣子。这篇笔记适合两类人一是拿“Python量化交易策略及回测系统”做毕业设计或课程设计的学生需要一份经得起答辩追问的完整实现二是已经在写Python但想搭一套本地回测环境的开发者。我会把数据组织、信号生成、订单撮合、绩效评估四件事拆开讲清楚每一步都给可复现代码重点落在“怎么做”和“坑在哪”。你不用照抄某个不可考的项目源码按这套思路从零搭出来的东西反而更经得起问。2. 先把最小回测框架跑起来双均线策略从CSV数据到买卖信号的完整代码别被“十行代码玩转量化交易”这类说法带偏。回测系统再小也必须有数据加载、信号生成、交易执行、资金统计四个部分少一个都是玄学。这一章先做一个能跑通的最小闭环所有代码只依赖pandas和numpy。2.1 载入数据的标准化格式为什么日期索引和列名必须先对齐从CSV载入K线数据是第一关。不同数据源导出的文件列名差异极大有的叫日期/开盘/收盘有的叫date/time/open还有的把成交量单位从股换成手。回测引擎只认一套内部标准我一般统一成英文小写datetime, open, high, low, close, volume时间列解析为pandas的DatetimeIndex并强制按时间升序排列。import pandas as pd def load_daily_csv(path: str) - pd.DataFrame: df pd.read_csv(path, parse_dates[datetime], index_coldatetime) df.columns [col.strip().lower() for col in df.columns] df df.sort_index() # 防止索引重复导致未来函数 df df[~df.index.duplicated(keepfirst)] return df这段代码做了三件容易被忽略的事parse_dates让时间列变成真正的日期类型后续按日对齐才可靠sort_index保证时间顺序否则信号和资金曲线的计算顺序全乱索引去重是因为某些免费数据源会多一行空值或重复行重复索引在回测循环里会让同一根K线被交易两次资金统计直接失真。载入之后建议做一次基础检查把close为空、high低于low的脏行直接删掉而不是留给后续策略处理。数据流是回测的地基地基里的脏数据不会因为在策略环节写了漂亮的逻辑而消失。2.2 生成信号双均线策略的参数选择与shift(1)消除未来函数最小可信策略我用双均线交叉。短期均线上穿长期均线时买入持有下穿时清仓。这个策略缺点是滞后优点是逻辑简单、参数语义清楚适合做回测框架的验证用例。参数上常见做法是fast5, slow20也有人用fast10, slow30差异不大关键在信号生成代码里的一处细节——shift(1)。import numpy as np def add_ma_cross_signal(df: pd.DataFrame, fast: int 5, slow: int 20) - pd.DataFrame: df df.copy() df[ma_fast] df[close].rolling(fast).mean() df[ma_slow] df[close].rolling(slow).mean() df[raw_signal] np.where(df[ma_fast] df[ma_slow], 1.0, 0.0) df[signal] df[raw_signal].shift(1).fillna(0.0) return dfraw_signal用的是当日收盘价算出来的均线关系但当日收盘价在收盘那一刻才确定如果当天就按这个信号成交等于拿着收盘后的信息去做盘中的交易这就是未来函数。shift(1)把所有信号整体向后挪一根K线含义变成今天收盘确认信号明天开盘才执行。这一步是回测可信与否的分界线很多“高分项目”恰恰在这里翻车。我见过不少项目把均线周期直接写成魔法数字。参数提取成fast和slow两个入参没有额外成本但后续做参数扫描或敏感性分析时这个接口设计能省掉一大半改代码的时间。2.3 最小回测循环整手约束、手续费预算与资金曲线计算信号有了接下来是交易执行。A股以手为单位1手等于100股买入数量必须取整同时手续费会消耗现金所以买入数量要以“总成本不超过当前可用现金”为前提反推而不是先算股数再加手续费。def run_backtest(df: pd.DataFrame, initial_cash: float 100_000.0, fee_rate: float 0.0003, slippage: float 0.001, lot_size: int 100) - pd.DataFrame: cash initial_cash shares 0 equity_curve [] for dt, row in df.iterrows(): if row[signal] 1 and shares 0: exec_price row[open] * (1 slippage) max_shares int(cash / (exec_price * (1 fee_rate) * lot_size)) * lot_size if max_shares 0: cost max_shares * exec_price * (1 fee_rate) cash - cost shares max_shares elif row[signal] 0 and shares 0: exec_price row[open] * (1 - slippage) cash shares * exec_price * (1 - fee_rate) shares 0 equity_curve.append(cash shares * row[close]) df[equity] equity_curve df[daily_ret] df[equity].pct_change().fillna(0.0) return df回测循环里买入和卖出都按次日开盘价成交这是对“当日收盘确认信号”的忠实执行。slippage默认0.001表示买入时在开盘价基础上多付0.1%卖出时少收0.1%用来模拟冲击成本。对日线级别的小资金策略0.001是个不过分保守的假设。pct_change().fillna(0.0)算每日收益率第一行没有前值pandas会返回NaN绩效统计阶段如果忘了fillna(0.0)计算夏普比率时标准差会带进一个空值结果直接错掉。这套最小框架跑通后你的数据里已经有一条像样的equity曲线下一章把撮合和绩效做得更严谨。3. 把回测做“可信”撮合规则、仓位管理与绩效指标的工程化实现最小框架能出图但离“能信”还有距离。工程化的回测系统要在撮合规则、仓位管理、绩效口径三个维度上补足细节这一章逐个落地。3.1 撮合规则选型开盘价成交是性价比最高的默认选择回测里的撮合规则常见有三档收盘价成交、下一根K线开盘价成交、盘中按信号触发价成交。收盘价成交看着方便但实盘里收盘价撮合难度极大尤其在尾盘波动大的日子你的委托未必能成交在收盘价。盘中信号触发价成交比如“均线金叉那一刻立刻买”听起来精确实际上把盘中瞬时价格当成可交易价格同样不现实。我做项目时默认使用“下一根K线开盘价成交”这一档最接近可执行性而且天然规避未来函数。def module_trade_detail(df: pd.DataFrame) - pd.DataFrame: df[buy_price] df[open].shift(-1) df[sell_price] df[open].shift(-1) return df注意shift(-1)是和信号配合使用的。第t天收盘产生信号第t1天的开盘价才是执行价。把执行价单独拆成一列方便日志记录和复核。回测结束后我一般会抽10笔交易逐行核对信号日期、执行日期、执行价格、成交股数、手续费五项对不上就说明撮合逻辑里有隐藏问题。涨跌停和停牌的边界也要考虑。涨停板买入通常排不上队跌停板卖出同理。严谨的做法是引入一个tradeable标志列股票当天涨停且你持有空仓想买入就跳过这笔信号。课程设计项目里可以不写这层逻辑但答辩时主动说出这个边界属于“知道问题存在但做了取舍”比被评委问住好得多。3.2 仓位管理固定比例仓位与ATR止损的组合写法双均线策略里最简单的仓位是“全仓买入、信号反向后清仓”。全仓的问题是连续几次止损后资金曲线回撤极深。更稳健的写法是固定比例仓位——比如把总资产的95%投入单次交易剩余5%作为流动性缓冲同时叠加ATR止损来控制单笔亏损。def add_atr_stop(df: pd.DataFrame, period: int 14, multiplier: float 2.0) - pd.DataFrame: high_low df[high] - df[low] high_close (df[high] - df[close].shift()).abs() low_close (df[low] - df[close].shift()).abs() tr pd.concat([high_low, high_close, low_close], axis1).max(axis1) df[atr] tr.rolling(period).mean() df[stop_price] df[close] - multiplier * df[atr] return dfATR是平均真实波幅能反映近期价格波动幅度。stop_price用“收盘价减去2倍ATR”作为止损线意思是价格跌到这个位置就离场。这个止损线会随行情更新比固定百分比止损更能适应波动率变化。参数上period14是经典值multiplier2.0偏宽松如果策略持仓周期短可以收紧到1.5。止损逻辑写进回测循环时要放在信号判断之前先检查是否触发了止损再检查正常的买卖信号。如果一天里既触发止损又出现新买入信号正确处理是优先执行止损因为止损保护的是本金任何新信号都建立在本金安全的基础上。3.3 绩效指标计算年化收益、夏普比率、最大回撤的代码与统计口径绩效指标是回测系统的“仪表盘”。只画资金曲线不统计数字没法横向比较策略优劣。我的最小指标组是累计收益率、年化收益率、年化夏普比率、最大回撤、卡玛比率。这五个指标足够覆盖答辩和日常策略体检。def performance_stats(df: pd.DataFrame, periods_per_year: int 252, rf_annual: float 0.02) - dict: equity df[equity] daily_ret df[daily_ret] total_return equity.iloc[-1] / equity.iloc[0] - 1.0 n_years len(equity) / periods_per_year annual_return (1 total_return) ** (1 / n_years) - 1.0 rf_daily (1 rf_annual) ** (1 / periods_per_year) - 1.0 excess_ret daily_ret - rf_daily sharpe np.sqrt(periods_per_year) * excess_ret.mean() / (excess_ret.std() 1e-10) running_max equity.cummax() drawdown (equity - running_max) / running_max max_drawdown drawdown.min() return { total_return: total_return, annual_return: annual_return, sharpe: sharpe, max_drawdown: max_drawdown, calmar: annual_return / abs(max_drawdown 1e-10), }年化收益率的算法要注意不是“总收益除以年数”而是按复利开方。(1 total_return) ** (1 / n_years) - 1才是正确的年化口径。年化夏普比率有个常见错误——直接把日收益率均值和标准差套公式忘了乘sqrt(252)。日频数据必须年化后才能和其他策略比较。1e-10是防除零的小技巧收益率标准差为0时夏普比率会变成Inf加上极小值后返回一个数值便于后续处理。最大回撤的统计要特别说明它是资金曲线从历史最高点到后续最低点的最大跌幅不是一个瞬时值。回撤期间可能有反弹但统计口径是“峰到谷的距离”不是“单日最大跌幅”。答辩时评委最爱问这个问题答清楚这一点就能区分你是真懂还是套模板。3.4 参数寻优的边界网格搜索跑均值但别只盯最优解回测系统跑通后大家都会想做参数寻优。双均线策略两个参数网格搜索是很自然的做法。常见做法是在fast从3到20、slow从20到60的范围内遍历记录每组参数的夏普比率和最大回撤。这个过程的坑是——你一定会找到一个“历史最优参数”但它大概率是过拟合的结果。我的习惯是网格搜索的结果不直接作为最终参数而是看“参数邻域”的表现。比如fast5, slow20附近的20组参数绩效都稳定在某个区间这个参数才敢用如果只有一组参数鹤立鸡群相邻参数立刻变差那基本可以断定是噪声拟合。这一章先记住这个原则第6章会给出具体的验证代码。4. 回测系统避坑指南未来函数、复权切换、数据错位的5个血泪教训这一章写回测系统最容易翻车的5类问题。每一条我都见过不止一次前两条是实盘亏损的常见来源后三条是数据质量问题想拿高分先把这些说明白。4.1 未来函数信号当天成交让收益凭空增加20%现象策略在历史数据上收益惊人夏普比率超过3模拟盘一跑就露馅。原因信号生成用的是当日收盘后的数据成交却按当日开盘价或盘中价格计算等于“先知道答案再下单”。这在双均线策略上非常典型如果忘记shift(1)金叉当天按开盘价买入实际操作中盘前根本不知道收盘才会形成的信号。解决统一的纪律是“信号发生在第t根K线收盘后执行发生在第t1根K线开盘”。检查方法很简单——打印每一笔交易的“信号日期”和“执行日期”两者必须相差一个交易日。任何同一天出现的情况都要立刻排查。我审过的一个项目去掉未来函数后年化收益从35%掉到12%这才是真实水平。4.2 复权方式前复权和后复权不能混用长周期回测优先后复权现象同一只股票用不同数据源下载的日线回测结果差一大截。原因除权除息日股价会跳空不复权的数据会让策略在那天产生虚假的“暴跌”或“暴涨”信号前复权数据会随着最新股价变动而整体调整历史价格这就导致不同时间下载的前复权数据不一致。如果你的策略读的是前复权数据两个月后再跑一次同样的策略和参数收益却变了——这种“回测不可复现”在评分中是致命的。解决长周期回测我优先用后复权数据因为后复权价格锚定上市首日历史价格不会随未来行情变动。短周期策略或只做最近一两年数据前复权也可以但必须在项目文档里写清楚数据版本和获取日期。另一个注意点复权后的价格会破坏涨跌停判断除权日跳空幅度可能超过10%如果你用到涨跌停过滤复权数据下要额外处理。4.3 数据对齐停牌日、时区与缺失行如何处理现象策略在某个日期突然产生一个离谱的买入信号查下来发现那天的close是上一个交易日的重复值。原因不同数据源的交易日历不一致有的会跳过停牌日有的会把停牌日保留但成交量填0。如果策略没做对齐停牌日会被当成真实行情交易日资金曲线里出现一段“幽灵持仓”。解决日线数据不要自己补缺失行停牌日行情就是不存在策略应该在那一天保持仓位不变、不做任何操作。具体做法是回测循环里跳过没有行情数据的日期而不是fillna(0)。我在数据加载阶段会做一道校验检查日期序列是否连续递增、成交量是否全为0、收盘价是否有重复值。三项里任何一项异常都说明数据源或下载环节出了问题。4.4 手续费与滑点佣金、印花税和滑点一个都不能省现象策略年化收益20%去掉手续费后变成8%。原因回测时把手续费设成0或者只算了佣金忘了印花税。A股当前佣金普遍在万2.5到万3之间卖出还要交印花税现在执行的是千分之0.5。别小看印花税它是单边收取一年换手20次成本累积非常可观。解决建议把费用模型拆成三部分佣金双边收取、印花税卖出单边收取、滑点双边按比例扣除。课程设计里至少要把这三项都写进参数并且在报告里做一组“费用敏感性测试”——把费率调成0和调成双倍对比两组结果。如果费率翻倍后策略从盈利变亏损说明这个策略的毛利空间很薄实盘大概率赚不到钱。4.5 幸存者偏差用当前存续股票做历史回测的高估问题现象回测选股池用的是今天还在上市的股票历史收益表现极好。原因退市的股票没有进入选股池而退市股通常走势极差。回测等于把历史样本里表现最差的一批提前剔除了收益自然被系统性高估。这个问题在A股尤其明显2018年至今退市数量快速增加忽略这一点会让回测结果严重失真。解决严谨的做法是使用历史时点的股票列表这需要单独的历史成分股数据获取成本高。课程设计阶段至少要诚实地在报告里写明样本池包含当前存续的股票存在幸存者偏差结果偏高估。同时加一个“全样本敏感性检查”——如果只取当前存续股票池你的策略收益比沪深300基准高出多少这个差值在答辩时能体现你的方法论意识。5. 把“全部数据”管理起来批量下载、MySQL建表与增量更新的落地做法策略是引擎数据是燃料。很多项目把精力全花在策略上数据部分草草用一份写死的CSV糊弄过去答辩时被问“数据从哪来、如何更新”就卡住了。这一章讲数据管理的完整链路。5.1 本地文件规范按代码分目录命名避免策略读到错位合约数据文件的第一要务是可以被人和程序快速理解。我惯用的目录结构是data/daily/{symbol}.csv股票代码统一用六位数字加上交易所后缀比如600519.SH避免上证和深证代码重复的问题。每只股票一个CSV文件名即股票代码策略里通过代码直接拼接路径读取。CSV内部列顺序固定为datetime, open, high, low, close, volume, amount。其中amount是成交额日线数据里用于判断流动性有些策略会过滤成交额过小的股票。列名的顺序在CSV写入和读取之间要保持一致读取函数不要依赖列名位置而是用列名取值这样即使数据源增加新列也不会让脚本崩溃。写文件时统一UTF-8编码、indexFalse日期列写成YYYY-MM-DD字符串格式。这不只是为了一次能读更是为了让数据文件可以放进版本管理工具做差异比对。策略迭代后收益变化了是策略改了还是数据改了用git diff看一眼数据目录就清楚。5.2 用akshare批量拉取日线数据调用参数与列名映射本地数据的最小来源是akshare这类开源数据接口。它免费、不需要注册token缺点是接口可能随上游数据源调整而变化。下载日线时要明确三个参数股票代码、起止日期、复权方式。akshare的部分接口返回中文列名需要做一次列名映射。import akshare as ak from pathlib import Path def download_daily(symbol: str, start_date: str, end_date: str, dir_path: str data/daily) - bool: df ak.stock_zh_a_hist( symbolsymbol, perioddaily, start_datestart_date, end_dateend_date, adjusthfq ) if df is None or df.empty: return False rename_map { 日期: datetime, 开盘: open, 最高: high, 最低: low, 收盘: close, 成交量: volume, 成交额: amount, } df df.rename(columnsrename_map) df df[[datetime, open, high, low, close, volume, amount]] df[datetime] pd.to_datetime(df[datetime]) Path(dir_path).mkdir(parentsTrue, exist_okTrue) df.to_csv(Path(dir_path) / f{symbol}.csv, indexFalse) return Trueadjusthfq表示后复权对应第4章讲的优先选择。stock_zh_a_hist的日期参数格式是YYYYMMDD的字符串写成20200101而不是2020-01-01这是最容易被接口报错卡住的地方。下载过程中需要注意接口频率限制大批量下载时每调用一次最好间隔0.5秒避免被临时限流。有人说下载数据应该用爬虫自己抓我觉得没必要。akshare已经帮你处理了绝大多数反爬细节自己维护一套爬虫代码的成本远超收益。开源接口偶尔失效很正常做好异常捕获并在脚本里记录失败代码清单即可。5.3 MySQL存储日线数据表结构、幂等写入与增量更新当股票数量超过50只、数据周期超过3年CSV文件管理起来会变吃力。此时我会把数据导入MySQL统一用SQL做查询和更新。表结构按“股票代码交易日”作为联合主键这是日线数据天然的业务主键。CREATE TABLE IF NOT EXISTS kline_daily ( symbol VARCHAR(16) NOT NULL COMMENT 股票代码如 600519.SH, trade_date DATE NOT NULL COMMENT 交易日, open DECIMAL(12, 4) NOT NULL, high DECIMAL(12, 4) NOT NULL, low DECIMAL(12, 4) NOT NULL, close DECIMAL(12, 4) NOT NULL, volume BIGINT NOT NULL DEFAULT 0, amount DECIMAL(20, 4) DEFAULT NULL, PRIMARY KEY (symbol, trade_date), KEY idx_date (trade_date) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4;DECIMAL(12, 4)表示8位整数加4位小数单价足够用BIGINT存成交量A股单日成交量可以过亿股联合主键保证同一只股票同一天只有一行数据。增量更新的核心是幂等写入MySQL的写法是INSERT ... ON DUPLICATE KEY UPDATE重复写入时更新而不是报错。INSERT INTO kline_daily (symbol, trade_date, open, high, low, close, volume) VALUES (%s, %s, %s, %s, %s, %s, %s) ON DUPLICATE KEY UPDATE open VALUES(open), high VALUES(high), low VALUES(low), close VALUES(close), volume VALUES(volume);实际执行时用pandas的to_sql虽然方便但它默认是逐行插入速度慢且失败不好排查。数据量大时我用executemany批量提交每批500行左右性能稳定且错误日志清晰。另外提示一点如果你的MySQL版本是8.0.20及以上VALUES()函数在ON DUPLICATE KEY UPDATE里已经标记为废弃可以改用别名写法但多数课程设计环境用VALUES()不会报错不影响功能。5.4 数据质量校验哪些异常要让系统直接拒绝而不是自动修复数据入库不等于数据可信。我在数据落库前会跑一道质量校验校验规则宁可严格因为自动修复脏数据是回测系统里最危险的操作之一——你不知道修复逻辑会不会引入新的偏差。def validate_kline(df: pd.DataFrame, symbol: str) - list[str]: problems [] if df[close].isna().any(): problems.append(f{symbol}: close 存在空值) if (df[volume] 0).any(): problems.append(f{symbol}: volume 存在 0 的记录) if (df[low] df[high]).any(): problems.append(f{symbol}: low 大于 high) if (df[datetime].duplicated()).any(): problems.append(f{symbol}: 存在重复日期) return problems四条规则覆盖了K线数据最常见的四种脏数据。发现问题时我的原则是“拒绝入库并记日志”而不是自动用前值填充。比如volume为0的那一天可能是停牌也可能是数据源bug人工确认后才能决定是删除还是保留。回测系统的容错应该体现在策略逻辑上而不是在数据层面默默篡改历史。6. 给回测加上“防自欺”检查随机基准、样本外验证与参数敏感性回测系统跑出漂亮的曲线第一反应不是庆祝而是怀疑。我给自己定了一个“三关检查”的习惯每一关都针对一种典型的自欺方式。第一关随机基准。如果随机买卖都能拿到接近策略的收益说明策略没有真实alpha。def random_baseline(df: pd.DataFrame, n_trials: int 2000, seed: int 42) - float: rng np.random.default_rng(seed) daily_ret df[close].pct_change().fillna(0.0) trial_means [] for _ in range(n_trials): pos (rng.random(len(df)) 0.5).astype(int) trial_means.append((daily_ret * pos).mean()) return float(np.percentile(trial_means, 95))这段代码模拟2000次随机持仓计算每次的平均日收益取95分位数作为基准线。策略的平均日收益如果低于这个基准线说明策略可能只是运气好而不是模型有效。第二关是样本外验证把时间序列按前70%、后30%切分前段调参后段验证。split int(len(df) * 0.7) train_df df.iloc[:split].copy() test_df df.iloc[split:].copy()第三关是参数敏感性。网格搜索后把参数平面上的绩效画成热力图看最优参数周围是不是一片“高原”。如果是参数稳定可信如果只有孤立的尖峰这个尖峰大概率是历史噪声。我见过太多“最优参数”在样本外直接亏损的案例三关检查能过滤掉其中八成。这三关做完回测结果才算真正可信。这套检查习惯帮我躲过了很多次“自我感动式的策略开发”——回测曲线漂亮不是终点能扛住随机基准、样本外和参数扰动三重拷问才值得继续往前走。希望这篇笔记能让你少走一些我当年踩过的弯路把精力花在真正决定回测系统可信度的地方。本文还有配套的精品资源点击获取