回测 - 策略详解

框架内置 11 种经典策略，所有策略继承自 Strategy 基类。

策略总览

策略	核心逻辑	关键参数	适用场景
买入持有	全程持仓	无	基准对比
均线交叉	短期均线上穿/下穿长期均线	short_window, long_window	趋势跟踪
海龟交易	Donchian 通道突破	entry_window, exit_window	趋势跟踪
RSI	超买超卖反转	rsi_window, oversold_threshold, overbought_threshold	均值回归
布林带	价格触及上下轨反转	window, num_std	均值回归/突破
动量	价格动量突破阈值	momentum_window, momentum_threshold	趋势跟踪
均值回归	价格偏离均线回归	ma_window, deviation_threshold	均值回归
突破	价格突破 N 日最高价	lookback_period, atr_multiplier	趋势跟踪
Dual Thrust	前 N 日价格区间上下轨突破	k1, k2, lookback_period	日内/短线
成交量趋势	量价配合趋势确认	ma_window, volume_window	量价分析
成交量背离	价格与成交量背离	rsi_window, volume_window	反转信号

买入持有

最简单的基准策略。

from jh_quant.backtest import StrategyBuyAndHold
strategy = StrategyBuyAndHold()

均线交叉

from jh_quant.backtest import StrategyMovingAverageCrossover

strategy = StrategyMovingAverageCrossover(
    short_window=12,   # 短期均线窗口
    long_window=24,    # 长期均线窗口
)

经典参数组合：5/20（短线）、12/24（中短线）、20/60（中长线）。

海龟交易

基于 Donchian 通道突破的经典趋势跟踪策略。

from jh_quant.backtest import StrategyTurtle

strategy = StrategyTurtle(
    entry_window=20,   # 入场通道窗口
    exit_window=10,    # 离场通道窗口
)

RSI

from jh_quant.backtest import StrategyRSI

strategy = StrategyRSI(
    rsi_window=14,              # RSI 计算窗口
    oversold_threshold=30,      # 超卖阈值（买入）
    overbought_threshold=70,    # 超买阈值（卖出）
)

常见组合：30/70（标准）、20/80（极端）。

布林带

from jh_quant.backtest import StrategyBollingerBands

strategy = StrategyBollingerBands(
    window=20,                  # 均线和标准差窗口
    num_std=2.0,                # 标准差倍数
    use_mean_reversion=True,    # True=均值回归, False=突破
)

动量

from jh_quant.backtest import StrategyMomentum

strategy = StrategyMomentum(
    momentum_window=20,          # 动量计算窗口
    momentum_threshold=0.05,     # 动量阈值
    ma_window=60,                # 趋势过滤均线窗口
)

均值回归

from jh_quant.backtest import StrategyMeanReversion

strategy = StrategyMeanReversion(
    ma_window=20,                 # 均线窗口
    deviation_threshold=0.02,     # 偏离阈值
    rsi_window=14,                # RSI 辅助过滤窗口
    rsi_oversold=30,              # RSI 超卖辅助确认
    rsi_overbought=70,            # RSI 超买辅助确认
)

突破

from jh_quant.backtest import StrategyBreakout

strategy = StrategyBreakout(
    lookback_period=20,          # 回顾窗口
    atr_multiplier=2.0,          # ATR 止损倍数
    use_atr_stop=True,           # 是否使用 ATR 跟踪止损
)

Dual Thrust

from jh_quant.backtest import StrategyDualThrust

strategy = StrategyDualThrust(
    k1=0.7,                       # 上轨系数
    k2=0.7,                       # 下轨系数
    lookback_period=20,           # 回顾窗口
)

成交量趋势

from jh_quant.backtest import StrategyVolumeTrend

strategy = StrategyVolumeTrend(
    ma_window=20,                 # 价格均线窗口
    volume_window=20,             # 成交量均线窗口
    buy_threshold=0.02,           # 买入信号强度阈值
    sell_threshold=-0.02,         # 卖出信号强度阈值
)

成交量背离

from jh_quant.backtest import StrategyVolumeDivergence

strategy = StrategyVolumeDivergence(
    rsi_window=14,                # RSI 窗口
    volume_window=20,             # 成交量均线窗口
    buy_threshold=0.02,           # 买入信号强度阈值
    sell_threshold=-0.02,         # 卖出信号强度阈值
)

自定义策略

继承 Strategy 基类，实现 _execute_one 方法：

from jh_quant.backtest import Strategy
import pandas as pd

class MyStrategy(Strategy):
    def __init__(self, ma_window=20):
        super().__init__()
        self.ma_window = ma_window

    def _execute_one(self, symbol: str, df: pd.DataFrame) -> pd.DataFrame:
        """
        参数:
            symbol: 股票代码
            df: 单只股票的价格数据，包含 open/high/low/close/volume
        返回:
            原 df 增加 buy_signal 和 sell_signal 列（0/1 整数）
        """
        df = df.copy()
        df['ma'] = df['close'].rolling(self.ma_window).mean()

        df['buy_signal'] = (
            (df['close'] > df['ma']) &
            (df['close'].shift(1) <= df['ma'].shift(1))
        ).astype(int)

        df['sell_signal'] = (
            (df['close'] < df['ma']) &
            (df['close'].shift(1) >= df['ma'].shift(1))
        ).astype(int)

        return df

注意事项：

• _execute_one 接收的 df 已按日期排序，只包含单只股票的数据
• buy_signal 和 sell_signal 必须是整数 0 或 1
• 不要在 __init__ 中执行耗时操作，策略实例会被 pickle 序列化以支持并行