# CLI 参考 — 回测与寻优 ## 回测引擎 > 📖 **完整使用手册**：[backtest_usage.md](./backtest_usage.md) —— > 涵盖策略编写（`init()`/`next()`）、行情数据访问、指标注册、订单模拟、 > 绩效指标、组合回测、调仓引擎与完整示例。回测相关用法以该手册为准。 内置向量回测引擎，加载 Python 策略文件即可跑回测。策略继承 `Strategy` 基类，在 `init()` 注册指标，在 `next()` 逐 bar 生成买卖信号，引擎完成订单模拟、持仓跟踪和绩效分析。 **单策略回测：** ```bash easy-tdx backtest SZ 300308 --strategy-file strategies/expma_cross.py --count 2000 --cash 1000000 --adjust QFQ --table # 推荐加上 --slippage 0.01 模拟真实滑点（元/股），使回测更贴近实盘 # 缠论自动桥接：引擎自动计算缠论分析并注入策略 self.chanlun easy-tdx backtest SZ 000001 --strategy-file strategies/chanlun_strategy.py --chanlun-level DAILY --table # 预计算指标（MACD, KDJ 会作为额外列注入 DataFrame） easy-tdx backtest SZ 000001 \ --strategy-file strategies/macd_strategy.py \ --indicators MACD,KDJ ``` `backtest` 命令 CLI 参数： | 参数 | 默认值 | 说明 | |------|--------|------| | `MARKET` | — | 市场代码：SZ / SH | | `CODE` | — | 股票代码：如 000001 | | `--strategy-file` | — | Python 策略文件路径 | | `--cash` | 100000 | 初始资金 | | `--commission` | 0.0003 | 佣金率 | | `--execution` | next_open | 成交价规则 | | `--period` | DAILY | K 线周期 | | `--adjust` | NONE | 复权方式：NONE / QFQ / HFQ | | `--count` | 500 | K 线数量 | | `--indicators` | — | 预计算指标（逗号分隔） | | `--table` | False | 表格输出 | | `--output` | json | 输出格式：json / table / csv | | `--wf` | False | 附加 Walk-Forward 样本外验证 | | `--wf-windows` | 7 | Walk-Forward 窗口数 | | `--evaluate` | False | 一条龙评估（回测+WF+适配性+评分+评级+基准对比） | | `--auto-fees` | False | 按标的品种自动解析费率 | **样本外验证（v1.25）：** ```bash # 附加 Walk-Forward 七窗样本外验证（每窗独立开仓，窗口数可调） easy-tdx backtest SZ 300308 --strategy-file strategies/expma_cross.py --wf --wf-windows 7 # 一条龙评估：回测 + WF + 适配性体检 + 综合评分 + S-D 评级 + 买入持有基准对比 easy-tdx backtest SZ 300308 --strategy-file strategies/expma_cross.py --evaluate ``` 输出示例： ``` === 回测绩效概要 === 总收益率: 1413.51% 年化收益: 40.85% 最大回撤: 76.75% 夏普比率: 0.88 胜率: 20.8% 交易次数: 24 ``` > ⚠️ **回测 ≠ 实盘**。以上收益率为历史数据回测结果，包含幸存者偏差和过拟合风险， > 不构成投资建议。实际交易需考虑滑点、流动性、涨跌停无法成交等因素。 > 请在充分理解策略逻辑后谨慎使用。 **参数网格寻优（optimize）与内置策略列表（strategies）：** ```bash # 列出全部内置策略（名称/参数默认值/预设寻优网格） easy-tdx strategies # 单策略网格寻优（预设网格或 --param 自定义，--workers 4 进程并行） easy-tdx optimize SZ 000001 --strategy ma_cross easy-tdx optimize SZ 000001 --strategy ma_cross --param fast=5,10,15 --param slow=20,60 # 一键寻优所有内置策略：逐策略按预设网格寻优后全局排名（对应 Web UI /optimize 页） easy-tdx optimize SZ 000001 --all --workers 4 --table # strategies 也支持 JSON 输出（含完整参数 schema，与 Web API GET /backtest/strategies 同构） easy-tdx strategies --output json ``` `optimize` 参数： | 参数 | 默认值 | 说明 | |------|--------|------| | `--strategy` | — | 注册表策略名（与 `--all` 二选一） | | `--all` | False | 一键寻优所有内置策略（STRATEGY_PRESETS 预设网格） | | `--param` | 预设网格 | 自定义参数网格，如 `fast=5,10,15`（最多 2 个参数，笛卡尔积 ≤ 200） | | `--cash` | 1000000 | 初始资金 | | `--commission` | 0.0003 | 佣金率 | | `--slippage` | 0.0 | 滑点 | | `--workers` | 1 | 并行进程数（2+ 进程级并行；1 = 串行 + 指标缓存复用） | | `--top` | 15 | 表格输出显示前 N 行 | Python API 同名能力：`easy_tdx.backtest.optimizer.ParamGridOptimizer`（单策略）与 `easy_tdx.backtest.optimizer.optimize_all_strategies`（一键全策略）。 **全策略批量对比（CLI）：** `easy-tdx run-all` 一行命令跑完 `strategies/` 下所有策略并排名： ```bash easy-tdx run-all SZ 300308 --count 2000 --cash 1000000 --adjust QFQ # 多因子组合回测 easy-tdx run-all SZ 300308 --combo 2 --combo-mode MAJORITY # 加 --show 自动弹出最佳策略的资金曲线 vs 股价对比图 easy-tdx run-all SZ 300308 --count 2000 --cash 1000000 --adjust QFQ --show # 自定义策略目录 easy-tdx run-all SZ 300308 --strategies-dir my_strategies/ ``` 也可使用项目自带的 `run_all_strategies.py` 脚本（功能相同）： ```bash python -X utf8 run_all_strategies.py SZ 300308 --count 2000 --cash 1000000 --adjust QFQ # 加 --show 自动弹出最佳策略的资金曲线 vs 股价对比图 python -X utf8 run_all_strategies.py SZ 300308 --count 2000 --cash 1000000 --adjust QFQ --show ``` **多因子组合回测：** 自动遍历所有 2 因子 / 3 因子组合，找到最优搭配： ```bash # 自动寻找最佳 2 因子和 3 因子组合（MAJORITY 模式） python -X utf8 run_all_strategies.py SZ 300308 --combo 2 --combo 3 --combo-mode majority # CLI 方式 easy-tdx run-all SZ 300308 --combo 2 --combo 3 --combo-mode majority ``` CLI 指定策略文件组合： ```bash easy-tdx backtest SZ 000001 \ --combo-strategies strategies/macd_cross.py,strategies/rsi_reversal.py,strategies/bollinger_breakout.py \ --combo-mode majority --table ``` Python API： ```python from easy_tdx.backtest import CombinationRunner runner = CombinationRunner( strategy_classes=[MACDStrategy, RSIStrategy, BollingerStrategy], df=df, cash=100000, ) results = runner.screen(combo_sizes=(2, 3), mode="MAJORITY") for r in results[:5]: print(f"{r.name}: 收益={r.result.performance['total_return']:.2%}") ``` 信号合并模式： | 模式 | 买入条件 | 卖出条件 | 特点 | |------|---------|---------|------| | `AND` | 所有因子都看多 | 所有因子都看空 | 极保守，交易少但精确 | | `MAJORITY` | 过半因子看多 | 过半因子看空 | 平衡，推荐默认 | | `OR` | 任一因子看多 | 任一因子看空 | 激进，信号多噪声大 | `--show` 会用 matplotlib 弹出一个双轴对比窗口：左轴蓝色线是归一化股价，右轴红色线是最佳策略的资金曲线，绿三角=买入、黄三角=卖出，标题显示股票名称和关键绩效指标。需要 `pip install matplotlib`。 **多标的组合回测（portfolio）：** `easy-tdx portfolio` 对多只股票同时回测，共享资金池，按均等比例分配，汇总组合整体绩效： ```bash # 两只股票组合回测 easy-tdx portfolio --stocks SZ:000001,SH:600519 --strategy-file strategies/ma_cross.py --table # 自定义资金和周期 easy-tdx portfolio --stocks SZ:000001,SH:600519,SH:600036 \ --strategy-file strategies/expma_cross.py --cash 500000 --period DAILY --count 1000 --table # 搭配缠论桥接 easy-tdx portfolio --stocks SZ:000001,SH:600519 \ --strategy-file strategies/chanlun_strategy.py --chanlun-level DAILY --table # 组合级 Walk-Forward / 一条龙评估（与 Web UI /portfolio 页同构） easy-tdx portfolio --stocks SZ:000001,SH:600519 \ --strategy-file strategies/ma_cross.py --wf --wf-windows 7 easy-tdx portfolio --stocks SZ:000001,SH:600519 \ --strategy-file strategies/ma_cross.py --evaluate ``` 输出示例： ``` === 组合回测绩效概要 === 标的数量: 3 总资金: 200,000 组合收益率: 28.50% 组合年化: 28.50% ── 各标的详情 ── SZ000001: 收益=35.20% 夏普=0.92 回撤=15.30% 分配=33% 交易=12 SH600519: 收益=18.40% 夏普=0.68 回撤=8.50% 分配=33% 交易=8 SH600036: 收益=31.90% 夏普=0.85 回撤=12.10% 分配=33% 交易=15 ``` | 参数 | 说明 | |------|------| | `--stocks` | 股票列表：逗号分隔的 `市场:代码`（如 `SZ:000001,SH:600519`） | | `--cash` | 总资金（默认 20 万） | | `--allocation` | 资金分配方式（目前支持 `equal` 均等分配） | | `--chanlun-level` | 自动计算缠论分析并注入策略（如 DAILY/30MIN） | ## 批量运行全部策略（run-all） ``` 发现 9 个策略文件 标的: SZ 300308 | K线: 2000 | 资金: 1,000,000 | 复权: QFQ ================================================================================ >> 运行策略: bias_reversal ... 完成 (2.4s) >> 运行策略: bollinger_breakout ... 完成 (0.6s) >> 运行策略: expma_cross ... 完成 (0.6s) >> 运行策略: kdj_golden ... 完成 (0.1s) >> 运行策略: ma_cross ... 完成 (1.4s) >> 运行策略: macd_cross ... 完成 (2.1s) >> 运行策略: rsi_reversal ... 完成 (0.2s) >> 运行策略: turtle_breakout ... 完成 (0.1s) >> 运行策略: volume_price ... 完成 (6.3s) ================================================================================ [*] 策略绩效排名 (按总收益率降序) ================================================================================ 排名 策略 总收益率 年化收益 最大回撤 夏普 胜率 交易次数 盈亏比 ---------------------------------------------------------------------------------------------------- *1* 1 expma_cross 1413.51% 40.85% 76.75% 0.88 20.8% 24 6.45 *2* 2 ma_cross 1258.07% 38.94% 58.01% 0.87 38.2% 55 2.21 *3* 3 turtle_breakout 905.07% 33.76% 48.30% 0.83 75.0% 4 10.14 4 bias_reversal 504.94% 25.47% 42.25% 0.70 66.3% 95 2.08 5 macd_cross 387.67% 22.11% 61.08% 0.60 40.0% 85 2.20 6 volume_price 247.72% 17.01% 65.73% 0.50 43.3% 254 1.40 7 bollinger_breakout 169.65% 13.32% 49.71% 0.44 66.7% 24 1.93 8 rsi_reversal 95.89% 8.85% 56.51% 0.33 57.1% 7 2.48 9 kdj_golden 89.10% 8.36% 61.86% 0.32 66.7% 3 10.49 ``` 综合评分（夏普 × 0.4 + 收益/回撤 × 0.3 + 胜率 × 0.3）： ``` *1* 1 turtle_breakout 23.04 0.83 0.70 75.0% *2* 2 bias_reversal 20.35 0.70 0.60 66.3% *3* 3 bollinger_breakout 20.26 0.44 0.27 66.7% ``` 换一个标的再跑： ```bash # 贵州茅台 python -X utf8 run_all_strategies.py SH 600519 --count 2000 --cash 1000000 --adjust QFQ ``` ### `--show` 可视化效果


SH601088 中国神华 — bollinger_breakout 策略 | 收益 1281.8%


SH600522 中天科技 — kdj_golden 策略 | 收益 568.6%


SH601179 中国西电 — expma_cross 策略 | 收益 168.0%


SH600519 贵州茅台 — bollinger_breakout 策略 | 收益 187.0%

> **⚠️ Demo 展示，不作为操作依据。** 历史回测收益不代表未来表现，策略参数未经过样本外验证。 ### 自带策略示例 `strategies/` 目录下有 16 个开箱即用的策略文件，可直接用于 `--strategy-file`： | 文件 | 策略 | 类型 | 适合行情 | |------|------|------|----------| | `ma_cross.py` | 双均线交叉（MA5/MA20） | 趋势跟踪 | 单边趋势 | | `expma_cross.py` | EMA12/EMA50 交叉 | 趋势跟踪 | 单边趋势（比 MA 更灵敏） | | `macd_cross.py` | MACD 金叉死叉 | 趋势跟踪 | 中长线趋势 | | `bollinger_breakout.py` | 布林带突破 | 震荡反转 | 横盘震荡 | | `rsi_reversal.py` | RSI 超买超卖 | 反转 | 震荡市 | | `kdj_golden.py` | KDJ 低位金叉/高位死叉 | 反转 | 短线震荡 | | `turtle_breakout.py` | 海龟交易法（唐安奇通道） | 趋势突破 | 牛市启动 | | `bias_reversal.py` | 乖离率反转 | 反转 | 震荡回归 | | `volume_price.py` | 量价配合 | 综合判断 | 放量突破 | | `zhuoyao_momentum.py` | 捉妖大师多周期共振 | 趋势跟踪 | 多周期共振强势股 | | `dmi_trend.py` | DMI/ADX 趋势强度跟踪 | 趋势跟踪 | 单边趋势（过滤震荡） | | `cci_breakout.py` | CCI ±100 区间突破 | 区间突破 | 震荡转趋势 | | `mfi_volume.py` | MFI 量价反转 | 量价反转 | 震荡市（带量能确认） | | `trix_cross.py` | TRIX 三重平滑趋势交叉 | 趋势跟踪 | 中长线（抗噪音） | | `mtm_momentum.py` | MTM 动量零线穿越 | 动量 | 趋势拐点 | | `obv_trend.py` | OBV 能量潮趋势 | 量价趋势 | 资金持续流入的上升趋势 | 编写自定义策略只需继承 `Strategy` 基类： ```python from easy_tdx.backtest import Strategy from easy_tdx import MyTT class MyStrategy(Strategy): def init(self): self.ma = self.I(MyTT.MA, self.data.close, 10) def next(self): if self.data.close[0] > self.ma[self._bar_index]: self.buy(size=0) # size=0 表示全仓 elif self.position["size"] > 0: self.sell(size=0) # size=0 表示清仓 ``` 完整 API 参考：[backtest_usage.md](./backtest_usage.md) ## 量化因子与组合管理 新增三大模块：**因子引擎**（19 个内置因子 + 自定义扩展）、**因子分析**（IC/分层/衰减）、**组合管理**（4 种优化器 + 再平衡引擎）。加上**高级回测增强**：可插拔滑点模型（方根冲击/成交量比例）、执行仿真（TWAP/VWAP/限价单）、归因分析（Brinson + 因子归因）。 ```python from easy_tdx.factor import FactorEngine, FactorAnalyzer, preprocess from easy_tdx.portfolio import RebalanceEngine, FactorWeightedOptimizer from easy_tdx.backtest import BacktestEngine from easy_tdx.backtest.slippage import SquareRootSlippage from easy_tdx.backtest.execution import TWAPExecution # 因子研究 engine = FactorEngine() factor_data = engine.compute_cross_section(data, ["momentum_20d", "rsi_14"]) clean = preprocess(factor_data, ["momentum_20d", "rsi_14"]) forward_returns = engine.compute_forward_returns(data, period=5) report = FactorAnalyzer(clean, forward_returns).full_report("momentum_20d") print(f"IC均值={report.mean_ic:.4f} ICIR={report.icir:.4f}") # 组合回测 result = RebalanceEngine( FactorWeightedOptimizer(), factor_name="momentum_20d", n_stocks=50, cash=1_000_000, ).run(data, start_date=20230101, end_date=20240101) print(f"年化={result.performance['annual_return']:.2%}") # 高级回测（滑点 + 执行仿真） engine = BacktestEngine( MyStrategy, cash=1_000_000, slippage_model=SquareRootSlippage(impact_coeff=0.1), execution_model=TWAPExecution(n_bars=3), ) ``` 详细用法和完整工作流示例：**[quantitative-guide.md](./quantitative-guide.md)**