# stock_zt_backtest

**Repository Path**: Gandi_95/stock_zt_backtest

## Basic Information

- **Project Name**: stock_zt_backtest
- **Description**: No description available
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-04-28
- **Last Updated**: 2026-04-30

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 涨停股票回测分析程序

基于 Python 的 A 股涨停股票回测分析工具，通过识别实体涨停板并结合震荡幅度、价格重心、上攻空间等多维度条件判断买入信号，统计买入后不同周期的收益表现。

## 功能特性

- **数据获取**：通过 REST API 获取涨停数据、日线数据和交易日历，支持批量接口（30只股票/批）+ 数据缓存机制
- **涨停板识别**：识别涨幅 ≥9.5% 的实体涨停板，排除开盘即涨停的"一字板"
- **时间窗口范围遍历**：支持设定观察天数范围（如4~7天），自动遍历每个N值寻找最优买入信号
- **自定义规则判断**：
  - 震荡幅度：涨停后 N 天内股价波动不超过 8.0%
  - 价格重心：当前最低价高于涨停当日最低价
  - 上攻空间：当前最高价不超过涨停最高价的 8%
  - 买入信号：收盘价在涨停开盘价附近（可通过 buy_signal_pct 调整区间，支持在开盘价上下浮动）
- **涨幅统计**：买入后 1/3/5/10 天的最大涨幅和最大收盘涨幅
- **结果输出**：控制台格式化展示 + CSV 文件导出
- **今日扫描**：支持扫描最近20个交易日涨停股票，实时获取今日买入信号
- **GUI 界面**：专业级股票分析 GUI，含 K 线图可视化、结果表格、交互式操作
- **参数优化**：支持按市值分组（小盘/中盘/大盘/超大盘）独立优化，含参数敏感性分析和完整性能指标（年化收益率、最大回撤、夏普比率）

## 环境要求

- Python 3.10+
- requests 库
- PyQt5
- matplotlib
- mplfinance
- pandas
- numpy

## 前置条件

本程序依赖 StockData 数据服务提供的 API。使用前请确保 StockData 服务已启动：

```bash
# 在 StockData 项目目录下启动 API 服务
cd D:\TraeProjects\StockData
python main.py serve
```

服务默认运行在 `http://127.0.0.1:8000`（使用 127.0.0.1 避免 IPv6 解析延迟问题）。

## 使用方法

### 方式一：回测分析 GUI（推荐）

```bash
python gui_main.py
```

启动后界面包含三个区域：

- **左侧参数面板**：设置日期范围、观察天数范围（最小天/最大天）、幅度阈值等参数，支持"扫描今日买入"和"开始回测分析"两种模式
- **右上结果表格**：展示所有买入信号，支持筛选、排序、导出 CSV，双击行可查看 K 线
- **右下 K 线图**：专业金融 K 线图（finplot），含 5/10/20/30 日均线，支持缩放、拖拽、周期切换、指标切换

GUI 操作说明：

- **扫描今日买入**：点击橙色按钮扫描最近20个交易日涨停股票，获取今日买入信号（使用实时数据）
- **开始回测分析**：点击绿色按钮进行历史数据回测分析
- 在筛选框输入股票代码或名称可实时过滤结果
- 双击表格行或右键选择"查看K线图"可加载对应股票
- 鼠标滚轮缩放 K 线图，左键拖拽左右平移
- 周期下拉框切换日线/周线
- 点击"导出CSV"按钮保存结果

### 方式二：模拟交易 GUI

```bash
python trade_main.py
```

模拟交易系统提供完整的模拟买卖流程，暗色主题界面，包含以下功能：

- **账户概览**：实时显示总资产、可用资金、持仓市值、总盈亏、胜率
- **今日信号**：自动获取买入信号，勾选后确认买入（含二次确认）
- **当前持仓**：显示持仓详情、盈亏、卖出倒计时，支持手动卖出
- **交易记录**：完整买卖历史，支持导出 CSV
- **资产曲线**：matplotlib 绘制总资产和收益率走势图
- **自动运行**：开启后每个交易日 14:50 自动获取信号并执行卖出
- **自动卖出**：持仓满 3 个交易日后自动卖出（可关闭）
- **数据持久化**：账户数据自动保存到 `output/trade/account.json`

交易规则：
- 起始资金 100,000 元
- 买入数量为 100 股的整数倍
- 手续费 0.03%（最低 5 元），卖出印花税 0.1%
- 持仓满 3 个交易日后自动卖出

### 方式三：命令行模式

```bash
# 回测模式
python main.py --start-date 20260401 --end-date 20260423

# 今日扫描模式（使用优化后的默认参数，自动导出到 output/scan/YYYYMMDD.csv）
python main.py --scan-today
```

### 命令行参数

| 参数                     | 说明                   | 默认值                     | 适用模式 |
| ------------------------ | ---------------------- | -------------------------- | -------- |
| `--start-date`           | 回测起始日期 (YYYYMMDD) | 必填（回测模式）           | 回测 |
| `--end-date`             | 回测结束日期 (YYYYMMDD) | 必填（回测模式）           | 回测 |
| `--scan-today`           | 启用今日扫描模式         | 不启用                     | 扫描 |
| `--lookback-days`        | 扫描回溯交易日数         | 20                         | 扫描 |
| `--oscillation-days-min` | 观察天数范围下限         | 4                          | 通用 |
| `--oscillation-days-max` | 观察天数范围上限         | 7                          | 通用 |
| `--max-oscillation`      | 最大震荡幅度百分比       | 8.0                        | 通用 |
| `--max-attack`           | 最大上攻空间百分比       | 8                          | 通用 |
| `--buy-signal-pct`       | 买入信号接近涨停开盘价百分比 | 2                          | 通用 |
| `--min-limit-up-pct`     | 最小涨停涨幅百分比       | 9.5                        | 通用 |
| `--api-url`              | 数据 API 地址           | http://127.0.0.1:8000      | 通用 |
| `--export-csv`           | 导出 CSV 文件路径       | scan模式默认 output/scan/YYYYMMDD.csv | 通用 |
| `--show-failed`          | 显示未触发买入信号的记录 | 不显示                     | 扫描 |

### 命令行使用示例

```bash
# 基本回测
python main.py --start-date 20260401 --end-date 20260423

# 今日扫描模式（扫描最近20个交易日，获取今日买入信号）
python main.py --scan-today

# 今日扫描 + 自定义策略参数（覆盖新默认值）
python main.py --scan-today --oscillation-days-min 3 --oscillation-days-max 10 --max-oscillation 15.0 --max-attack 10.0 --buy-signal-pct 1.5 --min-limit-up-pct 9.32

# 今日扫描并导出结果
python main.py --scan-today --export-csv today_signals.csv

# 自定义观察天数范围 5~8 天，最大震荡幅度 12%
python main.py --start-date 20260401 --end-date 20260423 --oscillation-days-min 5 --oscillation-days-max 8 --max-oscillation 12

# 自定义上攻空间和买入信号阈值
python main.py --start-date 20260401 --end-date 20260423 --max-attack 6 --buy-signal-pct 1.5

# 导出 CSV 结果
python main.py --start-date 20260401 --end-date 20260423 --export-csv output/result.csv

# 指定远程 API 地址
python main.py --start-date 20260401 --end-date 20260423 --api-url http://192.168.1.100:8000

# 完整参数组合（使用优化默认值）
python main.py --start-date 20250401 --end-date 20260408 \
    --oscillation-days-min 4 --oscillation-days-max 9 \
    --max-oscillation 8.0 --max-attack 8.0 \
    --buy-signal-pct 2.0 --min-limit-up-pct 9.5 \
    --export-csv output/backtest_202604.csv
```

## 输出结果

### GUI 界面输出

- **回测模式**：结果表格展示买入信号列表，含股票代码、名称、涨停日期、买入价格、各周期涨幅
- **扫描模式**：结果表格展示扫描结果，含股票代码、名称、涨停日期、涨停开盘价、买入日期、买入价格、窗口N、涨停后天数、信号状态
- K 线图：专业金融 K 线（finplot）+ 均线（MA5/MA10/MA20/MA30）+ 成交量柱状图
- 支持筛选排序、右键菜单、CSV 导出

### 命令行输出

程序运行后会在控制台展示：

- 买入信号列表（股票代码、名称、涨跌停日期、买入日期、买入价格）
- 条件判断结果（震荡幅度、价格重心、上攻空间是否通过）
- 各周期涨幅统计（最大涨幅、最大收盘涨幅）
- 未触发买入信号的记录及原因（使用 --show-failed 参数）
- 汇总统计（平均涨幅、胜率）

### CSV 导出

使用 `--export-csv` 参数或将 GUI 表格导出为 CSV 文件，包含以下列：

**回测模式：**
```
股票代码, 名称, 涨停日期, 涨停开盘价, 涨停最高价, 涨停最低价,
震荡幅度, 价格重心, 上攻空间, 时间窗口N, 买入信号, 买入日期, 买入价格,
1天最大涨幅(%), 1天最大收盘涨幅(%), 1天实际天数,
3天最大涨幅(%), 3天最大收盘涨幅(%), 3天实际天数,
5天最大涨幅(%), 5天最大收盘涨幅(%), 5天实际天数,
10天最大涨幅(%), 10天最大收盘涨幅(%), 10天实际天数
```

**扫描模式：**
```
股票代码, 名称, 涨停日期, 涨停开盘价, 买入日期, 买入价格, 窗口N, 涨停后天数, 信号状态
```

## 项目结构

```
stock_zt_backtest/
├── config.py              # 配置模块（所有可调参数、批量大小、缓存开关）
├── data_fetcher.py        # 数据获取模块（对接API服务、批量接口、重试机制）
├── data_cache.py          # 数据缓存模块（线程安全缓存、命中统计）
├── today_scanner.py       # 今日扫描模块（实时数据获取、买入信号检测）
├── limit_up_detector.py   # 涨停板识别模块
├── signal_analyzer.py     # 信号分析模块（4大判断规则）
├── gain_calculator.py     # 涨幅计算模块
├── market_cap.py          # 市值计算与分类模块
├── result_formatter.py    # 结果输出模块（控制台+CSV）
├── kline_widget.py        # K线图组件（finplot+交互）
├── kline_window.py        # K线图窗口（独立窗口、信号标注、周期切换）
├── result_table.py        # 结果表格组件（排序/筛选/导出/双模式支持）
├── param_panel.py         # 参数配置面板（双按钮布局）
├── main_window.py         # GUI主窗口（布局/信号连接/双Worker支持）
├── param_optimizer.py     # 参数优化脚本（全市场+市值分组两阶段搜索）
├── report_generator.py     # 优化报告生成器（JSON + PDF + 分段报告）
├── account_manager.py     # 账户管理模块（资金/持仓/交易记录/持久化）
├── trade_engine.py        # 交易引擎（信号获取/买入/卖出/价格查询）
├── trade_scheduler.py     # 交易调度器（交易日历/14:50定时触发）
├── trade_gui.py           # 模拟交易GUI（暗色主题/持仓/信号/资产曲线）
├── main.py                # 命令行入口（回测+扫描双模式）
├── gui_main.py            # 回测分析GUI入口
├── trade_main.py          # 模拟交易GUI入口
└── README.md              # 使用说明
```

## API 接口说明

### 日线数据接口

本程序使用批量日线数据接口获取多只股票数据：

```
GET /api/daily?ts_codes=000001.SZ%2C600036.SH&start_date=20260423&end_date=20260428&include_realtime_data=true
```

**参数说明：**
- `ts_codes`：股票代码列表，多个股票用英文逗号分隔（最多30只/批）
- `start_date`：开始日期（YYYYMMDD格式）
- `end_date`：结束日期（YYYYMMDD格式）
- `include_realtime_data`：是否获取当天实时数据（仅扫描模式使用）

**错误处理：**
- 单次请求最多30只股票，程序自动分批次处理
- 支持重试机制（默认3次），处理超时、限流(429)等异常
- 批量请求失败时自动降级为单只请求

### 涨停数据接口

程序根据查询日期范围自动选择接口：

```
# start_date ≥ 20260325 使用标准接口（仅支持最近一个月数据）
GET /api/limit_up?start_date=20260401&end_date=20260428

# start_date < 20260325 使用历史接口（支持任意历史时间范围）
GET /api/limit_up_simple?start_date=20260101&end_date=20260428
```

**接口选择规则：**

| start_date 范围 | 使用接口 | 适用场景 |
|----------------|---------|---------|
| ≥ 20260325 | `/api/limit_up` | 今日扫描、近期回测 |
| < 20260325 | `/api/limit_up_simple` | 历史回测（跨月、跨季） |

两个接口返回的数据格式由 `data_fetcher.py` 自动归一化为统一的扁平列表结构 `[{trade_date, code, name, ...}]`，上层调用方无需感知差异。

## 判断规则说明

系统通过在设定的时间窗口范围 `[N_min, N_max]` 内遍历每个 N 值，寻找符合条件的买入信号。遍历顺序从 `N_min` 到 `N_max`，一旦某个 N 值满足所有规则并产生买入信号，立即返回该结果（优先取最小 N，越早发现买入机会越好）。

### 1. 震荡幅度判断规则

在股票出现涨停板之后的连续 N 天时间窗口内，计算该时间段内股票价格的整体波动幅度。具体计算方式为：(N 天内最高价 - N 天内最低价) / 涨停板当天收盘价 × 100%。该波动幅度必须严格控制在预设阈值范围内，系统默认阈值为 8%，允许根据实际需求进行参数调整。

### 2. 价格重心判断规则

在涨停板之后的 N 天时间窗口内，需满足每日最低价持续高于涨停板当天最低价的条件。该规则确保股价在涨停之后维持上升趋势，未出现实质性回调，价格重心保持上移态势。

### 3. 上攻空间判断规则

在涨停板之后的 N 天时间窗口内，每日最高价不得超过涨停板当天最高价的 (1 + 阈值%) 倍。此规则用于限制短期过度追高，确保股价在合理区间内运行，避免出现异常波动。

### 4. 买入信号判断规则

买入信号区间的语义与 `buy_signal_pct` 参数的取值有关：

**当 `buy_signal_pct >= 0`（默认行为）：**
- 买入区间：`[lu_open, lu_open × (1 + buy_signal_pct / 100)]`
- 含义：收盘价不低于涨停开盘价，且不高于开盘价的 `(1 + pct%)` 倍

**当 `buy_signal_pct < 0`（扩展支持）：**
- 买入区间：`[lu_open × (1 + buy_signal_pct / 100), lu_open]`
- 含义：允许在涨停开盘价**下方**买入，区间宽度为 `|buy_signal_pct|%，适合在价格回调时买入`

例如：`buy_signal_pct = -2.0` 时，区间为 `[lu_open×0.98, lu_open]`，即在开盘价下方2%以内买入。

需特别注意：
- **不跌破要求**：收盘价必须在买入区间内
- **买入信号时间要求**：买入信号的出现时间点必须在第 N 天及之后（包含第 N 天当日）
- 从基准时间点（涨停日）开始计算，经过 N 天周期后（包含第 N 天当日），买入信号的出现才被视为符合规则要求
- 买入信号以该条件第一次出现的交易日作为有效买入点，后续再次出现相同条件时不再重复标记

### 关键参数说明

- **时间窗口范围**：`oscillation_days_min` 和 `oscillation_days_max` 分别表示观察天数范围的下限和上限（默认 4~7 天），系统在此范围内遍历每一个 N 值进行判断
- **阈值参数**：包括震荡幅度阈值和上攻空间阈值，支持根据市场环境和个股特性进行自定义调整
- **结果输出**：每条买入信号记录实际使用的 `window_n` 值，标明是哪个 N 值触发的买入信号

<br />

## 参数优化指南

### 优化报告说明

程序提供了 `param_optimizer.py` 参数优化脚本，支持全市场优化和按市值分组独立优化，输出完整的性能指标和敏感性分析。

```bash
python param_optimizer.py
```

优化流程包含三个层次：
1. **全市场优化** — 不区分市值，整体参数搜索
2. **市值分组优化** — 按市值分组（小盘/中盘/大盘/超大盘）独立执行阶段一+阶段二优化
3. **参数敏感性分析** — 评估每个参数对策略表现的影响程度

### 市值分组定义

| 分组 | 总市值范围 | 说明 |
|------|-----------|------|
| 小盘股 (small_cap) | < 50亿 | 高弹性，高波动 |
| 中盘股 (mid_cap) | 50~200亿 | 平衡型，兼顾成长与稳定性 |
| 大盘股 (large_cap) | 200~1000亿 | 稳健型，流动性好 |
| 超大盘股 (mega_cap) | > 1000亿 | 超大型蓝筹，波动最小 |

### 优化输出文件

运行后生成以下文件（保存在 `output/param_optimization/` 目录）：

| 文件 | 内容 |
|------|------|
| `all_results_*.csv` | 所有参数组合的详细结果（含市值分组标识） |
| `report_*.txt` | 全市场优化文本报告 |
| `segment_report_*.txt` | **市值分组优化报告**（含最优参数、性能指标、敏感性分析、横向对比） |
| `report_*.json` | 结构化JSON报告（含分段优化数据） |
| `report_*.pdf` | 可视化PDF报告（含市值分组性能对比图表） |

### 全年回测优化结果（20250401 ~ 20260408）

基准参数回测结果：
- 总记录: 9136 条涨停记录
- 买入信号: 228 个
- 1天胜率: 48.7% | 3天胜率: 64.9% | 5天胜率: 69.3% | 10天胜率: 75.7%

#### 各周期最优参数

| 时间周期 | 最优胜率 | 最优参数组合 | 买入信号数 |
|---------|---------|-------------|-----------|
| 1天 | 58.3% | osc_min=4, osc_max=9, max_osc=8.0, max_atk=6.0, buy_pct=1.5 | 72 |
| 3天 | 80.4% | osc_min=4, osc_max=7, max_osc=8.0, max_atk=8.0, buy_pct=2.0 | 51 |
| 5天 | 80.5% | osc_min=4, osc_max=9, max_osc=8.0, max_atk=10.0, buy_pct=2.0 | 113 |
| 10天 | 84.3% | osc_min=4, osc_max=9, max_osc=8.0, max_atk=10.0, buy_pct=2.0 | 113 |

#### 综合最优参数（推荐）

综合得分公式: `0.3*1D胜率 + 0.25*3D胜率 + 0.25*5D胜率 + 0.2*10D胜率`

**Top 3 综合最优参数：**

```
#1 综合得分: 73.97
python main.py --start-date 20250401 --end-date 20260408 \
    --oscillation-days-min 4 --oscillation-days-max 9 \
    --max-oscillation 8.0 --max-attack 8.0 \
    --buy-signal-pct 2.0 --min-limit-up-pct 9.5
信号: 112 | 1D胜率:58.0% | 3D胜率:78.6% | 5D胜率:80.4% | 10D胜率:84.1%

#2 综合得分: 73.93
python main.py --start-date 20250401 --end-date 20260408 \
    --oscillation-days-min 4 --oscillation-days-max 9 \
    --max-oscillation 8.0 --max-attack 10.0 \
    --buy-signal-pct 2.0 --min-limit-up-pct 9.5
信号: 113 | 1D胜率:57.5% | 3D胜率:78.8% | 5D胜率:80.5% | 10D胜率:84.3%

#3 综合得分: 73.75
python main.py --start-date 20250401 --end-date 20260408 \
    --oscillation-days-min 4 --oscillation-days-max 9 \
    --max-oscillation 8.0 --max-attack 6.0 \
    --buy-signal-pct 2.0 --min-limit-up-pct 9.5
信号: 109 | 1D胜率:57.8% | 3D胜率:78.9% | 5D胜率:79.8% | 10D胜率:83.7%
```

### 市值分组优化结果解读

分段报告 (`segment_report_*.txt`) 包含三个主要章节：

**一、各市值分组最优参数汇总**

每个分组独立执行阶段一（单参数扫描）和阶段二（网格搜索），输出该市值分组的最优参数组合及以下性能指标：
- 年化收益率（Annualized Return）
- 最大回撤（Max Drawdown）
- 夏普比率（Sharpe Ratio）
- 总收益率
- 各周期（1/3/5/10天）胜率及平均涨幅

**二、参数敏感性分析**

对每个分组内的核心参数（不含市值过滤参数），评估其变动对5天胜率和信号数量的影响，输出：
- 各参数基准值和基准胜率
- 参数最大敏感度（对5D胜率的最大影响百分比）
- 前3个最敏感的参数变动方向（值、变动幅度、对胜率和信号量的影响）

**三、市值分组横向对比**

以表格形式横向对比四个分组的：年化收益、最大回撤、夏普比率、各周期胜率、总信号数。

### 关键发现

1. **最优时间窗口**: `oscillation_days_min=4` 普遍优于 `oscillation_days_min=3`，表明涨停后第4天开始观察效果更好
2. **最优震荡幅度**: `max_oscillation=8.0` 已作为新默认值，更严格的波动控制有助于筛选优质标的
3. **最优上攻空间**: `max_attack=8.0~10.0` 效果较好，允许一定上攻空间可捕捉更多机会
4. **最优买入信号阈值**: `buy_signal_pct=2.0` 优于 `buy_signal_pct=1.5`，信号范围略宽可增加样本量而不显著降低胜率
5. **buy_signal_pct 扩展范围**: 支持 `-2.0` 到 `5.0`，负值允许在开盘价下方买入，为价格回调策略提供参数空间
6. **市值分组差异**: 不同市值规模的股票最优参数存在差异，超大盘股（>1000亿）因样本较少可能无法满足最小样本量要求而被跳过

### 历史数据查询说明

使用 `limit_up_simple` 接口查询历史数据时，需设置 `limit=20000` 以获取完整数据：

```
GET /api/limit_up_simple?start_date=20250401&end_date=20260408&limit=20000
```

默认 limit=1000 只会返回最近1000条记录，无法满足跨月或跨季度查询需求。

### 推荐回测命令

```bash
# 综合最优参数（推荐）
python main.py --start-date 20250401 --end-date 20260408 \
    --oscillation-days-min 4 --oscillation-days-max 9 \
    --max-oscillation 8.0 --max-attack 8.0 \
    --buy-signal-pct 2.0 --min-limit-up-pct 9.5 \
    --export-csv output/optimal_backtest.csv

# 追求10天胜率（长期持有）
python main.py --start-date 20250401 --end-date 20260408 \
    --oscillation-days-min 4 --oscillation-days-max 9 \
    --max-oscillation 8.0 --max-attack 10.0 \
    --buy-signal-pct 2.0 --min-limit-up-pct 9.5 \
    --export-csv output/long_term_backtest.csv

# 追求3天胜率（短期持有）
python main.py --start-date 20250401 --end-date 20260408 \
    --oscillation-days-min 4 --oscillation-days-max 7 \
    --max-oscillation 8.0 --max-attack 8.0 \
    --buy-signal-pct 2.0 --min-limit-up-pct 9.5 \
    --export-csv output/short_term_backtest.csv
```