# qmt-backtrader

**Repository Path**: yjm/qmt-backtrader

## Basic Information

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

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2026-05-30
- **Last Updated**: 2026-05-30

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 量化交易框架

一个基于自研回测引擎和 QMT 的量化交易框架。**核心目标：一套策略代码无缝切换回测、模拟交易和实盘交易**，无需为不同运行模式修改策略逻辑，极大降低从研究到上线的迁移成本。

## 功能特点

- **多模式支持**：回测、模拟交易、实盘交易、多策略实例
- **多策略实例隔离**：同账户多策略独立运行，虚拟簿记实现持仓/资金级隔离，互不干扰
- **高性能自研回测引擎**：基于 numpy 数组预加载 + 预计算统一时间轴，替代 Backtrader
- **QMT 集成**：支持通过 QMT 进行模拟和实盘交易
- **多数据源架构**：OpenData（腾讯财经/AkShare）+ QMT + 富途（Futu OpenD），支持 `--data-source` 切换
- **历史成分股支持**：内置指数和申万行业历史成分股数据，回测时使用对应时点的真实成分股
- **智能缓存**：内存 + 磁盘双层缓存 + 缓存索引管理，支持 parquet 格式，中断后自动恢复
- **策略模板**：内置小市值策略、特质波动率因子策略、低估价值策略等
- **参数优化**：支持网格搜索 + 策略优化工作流 + Walk-Forward 样本外验证
- **可视化**：提供基于 PyQt5 的回测结果展示、基于 Plotly 的 HTML 可视化报告、基于 Dash 的实时监控
- **Web 查看器**：基于 Flask + Vue3 + ECharts 的策略回测结果 Web 查看器
- **选股策略**：支持基于基本面的股票选择策略，行业分散配置，灵活权重分配
- **防未来数据**：财务数据按公告日期索引，回测时只使用已披露数据
- **自动对账**：每日开盘前自动校验虚拟簿记与账户实际状态的一致性，偏差自动校准
- **回测结果记录**：自动记录每次回测的完整结果到本地 JSON，支持加载、列举、对比历史回测数据
- **AI 模式**：支持 AI 自动运行模式，跳过所有图形界面渲染，适用于自动化策略优化
- **数据预下载**：提供独立的行情/财务数据预下载脚本，支持 QMT、OpenData、富途三种数据源
- **YAML 配置**：支持 YAML 配置文件，命令行参数覆盖配置
- **股票生命周期管理**：自动管理上市/退市时间，避免对退市/未上市股票的无效数据请求

## 项目结构

详见 [项目结构文档](docs/project-structure.md)。

## 环境搭建

1. **安装 Python**：建议使用 Python 3.9+

2. **安装依赖**：
   ```bash
   pip install -r requirements.txt
   ```

3. **安装 QMT**（可选，用于实盘/模拟交易）：
   - 从券商获取 QMT 客户端
   - 安装并登录 QMT
   - 勾选"独立交易"进入 MiniQMT 模式
   - 从 QMT 官网下载并安装 XtQuant 库

4. **安装富途 OpenD**（可选，用于富途数据源）：
   - 安装 futu-api：`pip install futu-api`
   - 下载并启动富途 OpenD 行情网关

## 快速开始

```bash
# 运行回测（QMT 数据源）
python main.py --mode backtest --strategy small_cap --period 1d --pool 中证1000 --start 2020-04-28 --end 2026-04-28 --debug

# 运行回测（OpenData 数据源）
python main.py --mode backtest --strategy small_cap --period 1d --pool 中证1000 --start 2020-04-28 --end 2026-04-28 --data-source open

# 运行回测（富途数据源）
python main.py --mode backtest --strategy small_cap --period 1d --pool 中证1000 --start 2020-04-28 --end 2026-04-28 --data-source futu

# 使用 YAML 配置文件
python main.py --mode backtest --strategy small_cap --config config/backtest.yaml

# 运行模拟交易
python main.py --mode sim --strategy small_cap --qmt-path D:\qmt\userdata_mini

# 运行实盘交易
python main.py --mode real --strategy small_cap --qmt-path D:\qmt\userdata_mini --account 12345678
```

更多使用方法详见 [使用方法](docs/usage.md)。

## 详细文档

| 文档 | 说明 |
|------|------|
| [架构设计](docs/architecture.md) | 自研回测引擎、策略架构、数据架构、执行器架构、多策略实例架构 |
| [使用方法](docs/usage.md) | 回测、模拟交易、实盘交易、多策略实例、数据预下载、Web 查看器 |
| [智能缓存系统](docs/cache.md) | 缓存架构、缓存特性、缓存目录、环境变量 |
| [策略开发与优化](docs/strategy-development.md) | 自定义策略开发、内置策略、策略优化工作流、Walk-Forward 验证 |
| [数据源与下载](docs/data-download.md) | 多数据源架构、行情数据下载详解、完整性校验、常见问题 |
| [回测结果记录](docs/backtest-recorder.md) | 回测结果自动记录、对比分析、HTML 报告 |
| [项目结构](docs/project-structure.md) | 完整项目目录结构说明 |
| [VIP 量化策略集](docs/strategies_for_vip.md) | 精选量化策略案例介绍 |

## VIP 策略集

精选 4 套量化策略案例，每套都经过系统性优化与回测验证，适合学习量化策略开发思路与优化方法论。

| 策略 | 年化收益 | 夏普比率 | 最大回撤 | 策略风格 |
|:----:|:-------:|:-------:|:-------:|:-------:|
| ETF轮动策略 | **36.42%** | **1.27** | -19.87% | 动量轮动·攻守切换 |
| 银行轮动策略 | **30.22%** | **2.40** | -14.91% | 均值回归·极低回撤 |
| 高股息行业均仓 | **35.24%** | **1.87** | -13.12% | 基本面选股·稳健复利 |
| 高低波动ETF轮动 | **34.83%** | **1.66** | -15.89% | 波动率驱动·攻守兼备 |

详见 [VIP 量化策略集](docs/strategies_for_vip.md)。

## 注意事项

1. **实盘交易风险**：实盘交易存在风险，请谨慎使用（**当前已完成了回测验证，尚未完成实盘验证，请谨慎使用**。）
2. **QMT 依赖**：使用 QMT 接口需要安装 QMT 客户端和 XtQuant 库
3. **数据质量**：回测结果依赖于数据质量，请确保数据的准确性
4. **策略优化**：参数优化可能导致过拟合，建议使用 Walk-Forward 样本外验证
5. **缓存清理**：如遇到数据异常，可手动删除 `.cache/` 目录下的对应文件重新下载
6. **历史成分股**：未下载聚宽数据时，回测会使用当前成分股替代历史成分股，存在幸存者偏差。详见 [数据源与下载](docs/data-download.md)

## 后续计划

- [x] 多策略实例隔离（VirtualBook + OrderRouter + Reconciler）
- [x] 同账户多策略虚拟簿记与自动对账
- [x] 日志按策略实例隔离
- [x] 回测结果自动记录与 HTML 可视化报告
- [x] 策略优化工作流（自动提出优化建议、独立回测、筛选有效改进）
- [x] AI 自动运行模式
- [x] 数据预下载脚本（行情 + 财务）
- [x] 自研回测引擎（替代 Backtrader，基于 numpy 数组预加载）
- [x] 富途数据源支持（Futu OpenD）
- [x] Walk-Forward 样本外验证
- [x] 权重分配器（等权/风险平价/因子加权）
- [x] 股票生命周期管理（上市/退市时间）
- [x] YAML 配置文件支持
- [ ] 支持更多交易接口（如 tushare、yahoo 等）
- [ ] 增加深度学习模型集成
- [x] Web 回测查看器（Flask + Vue3 + ECharts）
- [ ] 实现分布式回测和交易
- [ ] 增加更多因子和策略模板
- [ ] 完善风险管理功能
- [ ] 添加实时告警系统

---

## 免责声明

本项目仅供学习和研究使用，不构成任何投资建议。使用者应自行承担使用本项目的全部风险和责任。

## 风险提示

1. **市场风险**：金融市场存在不可预测的风险，过往表现不代表未来收益
2. **技术风险**：自动化交易系统可能存在技术故障、网络延迟等问题
3. **合规风险**：请确保您的交易行为符合当地法律法规要求
4. **数据风险**：免费数据源可能存在延迟或错误，实盘前请验证数据准确性
5. **资金风险**：实盘交易可能导致资金损失，请谨慎投资

**投资有风险，入市需谨慎！**

## 联系作者

如果您对项目有任何问题或建议，欢迎添加作者微信交流：

![微信二维码](码上生财.jpg)

扫描上方二维码添加好友，获取更多项目更新和技术支持。