API 参考文档

本文档详细列出量化交易系统所有公开模块、类、方法的接口说明。

core — 核心层

`AppConfig`

from quant_trading.core.config import AppConfig

全局配置管理器，基于 Pydantic BaseModel。

属性	类型	说明
`data_source`	`DataSourceConfig`	数据源配置
`broker`	`BrokerConfig`	交易规则配置
`backtest`	`BacktestConfig`	回测参数配置
`risk`	`RiskConfig`	风控参数配置

方法

AppConfig.from_yaml(path: str | Path) -> AppConfig

从 YAML 文件加载配置。文件不存在时返回默认配置。

config = AppConfig.from_yaml("config/default.yaml")

config.to_yaml(path: str | Path) -> None

保存配置到 YAML 文件。

config.to_yaml("config/custom.yaml")

config.validate() -> list[str]

手动校验所有约束，返回错误信息列表。空列表表示全部通过。

errors = config.validate()
if errors:
    for e in errors:
        print(f"配置错误: {e}")

`DataSourceConfig`

from quant_trading.core.config import DataSourceConfig

属性	类型	默认值	说明
`default_source`	`str`	`"akshare"`	默认数据源
`tushare_token`	`str`	`""`	Tushare Pro Token
`cache_dir`	`str`	`"data_cache"`	缓存目录
`cache_enabled`	`bool`	`True`	是否启用缓存

`BrokerConfig`

from quant_trading.core.config import BrokerConfig

属性	类型	默认值	说明
`commission_rate`	`float`	`0.0003`	佣金率（万三），范围 0~0.01
`min_commission`	`float`	`5.0`	最低佣金（元）
`stamp_tax_rate`	`float`	`0.001`	印花税率（千一，仅卖出）
`slippage`	`float`	`0.001`	滑点（千一）
`lot_size`	`int`	`100`	最小交易单位（股）
`trading_days_per_year`	`int`	`244`	年交易日数
`t_plus_1`	`bool`	`True`	T+1 规则

`BacktestConfig`

from quant_trading.core.config import BacktestConfig

属性	类型	默认值	说明
`initial_capital`	`float`	`1000000.0`	初始资金（元），必须 > 0
`start_date`	`str`	`"2023-01-01"`	起始日期
`end_date`	`str`	`"2025-12-31"`	结束日期
`benchmark`	`str`	`"000300"`	基准指数
`risk_free_rate`	`float`	`0.025`	无风险利率

`RiskConfig`

from quant_trading.core.config import RiskConfig

属性	类型	默认值	说明
`max_position_pct`	`float`	`0.3`	单只最大仓位比例
`max_total_position_pct`	`float`	`0.8`	最大总仓位比例
`stop_loss_pct`	`float`	`0.05`	止损百分比
`take_profit_pct`	`float`	`0.15`	止盈百分比
`position_sizing_method`	`str`	`"fixed_ratio"`	仓位算法
`fixed_ratio`	`float`	`0.1`	固定比例仓位

数据模型

from quant_trading.core.models import Signal, Order, Position, Portfolio, TradeRecord

`Signal`

交易信号数据类。

属性	类型	说明
`date`	`date`	信号日期
`symbol`	`str`	股票代码
`signal_type`	`SignalType`	信号类型（BUY/SELL/HOLD）
`price`	`float`	参考价格
`strength`	`float`	信号强度 0~1

`Order`

交易订单数据类。

属性	类型	说明
`order_id`	`str`	订单ID
`symbol`	`str`	股票代码
`side`	`OrderSide`	买/卖方向
`quantity`	`int`	数量
`price`	`float`	委托价格
`filled_price`	`float`	成交价格
`commission`	`float`	佣金
`tax`	`float`	印花税
`status`	`OrderStatus`	订单状态

`Position`

持仓数据类。

属性	类型	说明
`symbol`	`str`	股票代码
`quantity`	`int`	持仓数量
`available_quantity`	`int`	可卖数量（T+1）
`avg_cost`	`float`	持仓均价
`current_price`	`float`	当前价格
`unrealized_pnl`	`float`	浮动盈亏

`Portfolio`

投资组合数据类。

属性	类型	说明
`cash`	`float`	可用现金
`positions`	`dict`	持仓字典 {symbol: Position}
`total_value`	`float`	总资产（计算属性）
`market_value`	`float`	持仓市值（计算属性）

`TradeRecord`

成交记录数据类。

属性	类型	说明
`date`	`date`	成交日期
`symbol`	`str`	股票代码
`side`	`OrderSide`	方向
`quantity`	`int`	数量
`price`	`float`	成交价
`commission`	`float`	佣金
`tax`	`float`	印花税
`pnl`	`float`	平仓盈亏（仅卖出）

枚举类型

from quant_trading.core.enums import SignalType, OrderSide, OrderStatus, AdjustType

枚举	值	说明
`SignalType.BUY`	`"buy"`	买入信号
`SignalType.SELL`	`"sell"`	卖出信号
`SignalType.HOLD`	`"hold"`	持有
`OrderSide.BUY`	`"buy"`	买入
`OrderSide.SELL`	`"sell"`	卖出
`OrderStatus.PENDING`	`"pending"`	待执行
`OrderStatus.FILLED`	`"filled"`	已成交
`OrderStatus.REJECTED`	`"rejected"`	被拒绝

data — 数据层

`DataManager`

from quant_trading.data.manager import DataManager

数据管理器（门面模式），封装数据源选择和缓存管理。

构造方法

DataManager(config: AppConfig)

方法

fetch_daily(symbol: str, start_date: str, end_date: str) -> pd.DataFrame

获取股票日线数据。自动使用缓存。

dm = DataManager(config)
df = dm.fetch_daily("000001", "2024-01-01", "2025-01-01")

返回标准化 DataFrame，包含 date, open, high, low, close, volume 列。

set_source(source_name: str) -> None

切换数据源。

dm.set_source("tushare")

source_name -> str

当前数据源名称（属性）。

`DataSource` (ABC)

from quant_trading.data.base import DataSource

数据源抽象基类。

方法	返回类型	说明
`get_name()`	`str`	数据源名称
`fetch_daily(symbol, start_date, end_date, adjust)`	`DataFrame`	获取日线数据
`fetch_stock_list()`	`DataFrame`	获取股票列表

`DataSourceRegistry`

from quant_trading.data.base import DataSourceRegistry

方法	说明
`@register(name)`	装饰器，注册数据源
`get(name) -> DataSource`	获取数据源实例
`list_sources() -> list[str]`	列出所有已注册数据源

`DataExporter`

from quant_trading.data.export import DataExporter

数据导出工具。所有方法为静态方法。

方法	说明
`to_csv(df, filepath)`	导出为 CSV
`to_excel(df, filepath)`	导出为 Excel（需 openpyxl）
`to_json(df, filepath)`	导出为 JSON（records格式）

DataExporter.to_csv(df, "output/data.csv")
DataExporter.to_excel(df, "output/data.xlsx")
DataExporter.to_json(df, "output/data.json")

indicators — 指标层

`Indicator` (ABC)

from quant_trading.indicators.base import Indicator

指标抽象基类。

属性/方法	类型	说明
`name`	`str` (property)	指标名称
`required_columns`	`list[str]` (property)	依赖的数据列
`calculate(data)`	`DataFrame`	计算指标，原地添加列
`_validate(data)`	`None`	校验输入数据

趋势指标 (`indicators.trend`)

`SMA`

简单移动平均线。添加 sma_{window} 列。

SMA(window: int = 20, column: str = "close")

`EMA`

指数移动平均线。添加 ema_{window} 列。

EMA(window: int = 20, column: str = "close")

`MACD`

MACD 指标。添加 macd, macd_signal, macd_hist 列。

MACD(fast: int = 12, slow: int = 26, signal: int = 9)

振荡指标 (`indicators.oscillator`)

`RSI`

相对强弱指标。添加 rsi_{period} 列。范围 0~100。

RSI(period: int = 14)

`KDJ`

KDJ 随机指标。添加 k, d, j 列。

KDJ(k_period: int = 9, d_period: int = 3)

波动率指标 (`indicators.volatility`)

`BollingerBands`

布林带。添加 bb_upper, bb_middle, bb_lower 列。

BollingerBands(window: int = 20, num_std: float = 2.0)

`ATR`

平均真实波幅。添加 atr_{window} 列。

ATR(window: int = 14)

成交量指标 (`indicators.volume`)

`OBV`

能量潮指标。添加 obv 列。

OBV()

`VWAP`

成交量加权平均价格。添加 vwap 列。

VWAP()

动量指标 (`indicators.momentum`)

`ROC`

变动率。添加 roc_{period} 列。

ROC(period: int = 12, column: str = "close")

计算方式: ROC = (close - close_n) / close_n * 100

`WilliamsR`

威廉指标。添加 williams_r_{period} 列。范围 -100~0。

WilliamsR(period: int = 14)

计算方式: %R = (highest_high - close) / (highest_high - lowest_low) * -100

`CCI`

顺势指标。添加 cci_{period} 列。

CCI(period: int = 20)

计算方式: CCI = (TP - SMA(TP)) / (0.015 * mean_deviation)

指标工具 (`indicators.utils`)

add_all_indicators(data, config=None) -> DataFrame

一键添加所有常用指标。

from quant_trading.indicators.utils import add_all_indicators

data = add_all_indicators(data)
# 默认添加: SMA(5,10,20,60), EMA(12,26), RSI(14), MACD, BB(20),
#           ATR(14), OBV, VWAP, ROC(12), WilliamsR(14), CCI(20)

calculate_indicator_correlation(data, indicators) -> DataFrame

计算指标间的 Pearson 相关性矩阵。

from quant_trading.indicators.utils import calculate_indicator_correlation

corr = calculate_indicator_correlation(data, ["rsi_14", "sma_20", "cci_20"])

strategy — 策略层

`Strategy` (ABC)

from quant_trading.strategy.base import Strategy

方法	返回类型	说明
`generate_signals(data)`	`DataFrame`	生成信号（抽象方法）
`get_params()`	`dict`	返回参数字典

`StrategyRegistry`

from quant_trading.strategy.base import StrategyRegistry

方法	说明
`@register(name)`	注册装饰器
`get(name, **kwargs) -> Strategy`	按名称获取策略实例
`list_strategies() -> list[str]`	列出所有已注册策略

# 注册
@StrategyRegistry.register("my_strategy")
class MyStrategy(Strategy): ...

# 获取
strategy = StrategyRegistry.get("my_strategy", param1=10)

# 列表
names = StrategyRegistry.list_strategies()

内置策略

`MACrossoverStrategy`

MACrossoverStrategy(short_window: int = 5, long_window: int = 20, name: str = "")

均线交叉策略。短期均线上穿长期均线（金叉）买入，下穿（死叉）卖出。

`RSIStrategy`

RSIStrategy(period: int = 14, oversold: float = 30, overbought: float = 70, name: str = "")

RSI 超买超卖策略。

`MACDStrategy`

MACDStrategy(fast: int = 12, slow: int = 26, signal: int = 9, name: str = "")

MACD 金叉死叉策略。

`BollingerStrategy`

BollingerStrategy(window: int = 20, num_std: float = 2.0, name: str = "")

布林带触轨回归策略。

`DualThrustStrategy`

DualThrustStrategy(lookback: int = 4, k1: float = 0.5, k2: float = 0.5, name: str = "")

Dual Thrust 动量突破策略。

`MeanReversionStrategy`

MeanReversionStrategy(window: int = 20, entry_threshold: float = 2.0, exit_threshold: float = 0.0, name: str = "")

均值回归（Z-Score）策略。

`TurtleStrategy`

TurtleStrategy(entry_period: int = 20, exit_period: int = 10, atr_period: int = 20, name: str = "")

海龟交易法策略。

`CompositeStrategy`

CompositeStrategy(strategies: list[Strategy], voting: str = "majority", name: str = "")

复合策略。voting 可选: "majority" / "unanimous" / "any"。

backtest — 回测引擎层

`BacktestEngine`

from quant_trading.backtest.engine import BacktestEngine

构造方法

BacktestEngine(config: AppConfig)

属性

属性	类型	说明
`config`	`AppConfig`	全局配置
`broker`	`SimulatedBroker`	模拟券商
`portfolio_manager`	`PortfolioManager`	组合管理器
`trades`	`list[TradeRecord]`	成交记录

方法

run(strategy, data, symbol) -> PerformanceResult

运行单标的回测。

engine = BacktestEngine(config)
result = engine.run(strategy, data, symbol="000001")

参数:

strategy: 策略实例（实现 generate_signals 或 on_bar）
data: 行情 DataFrame
symbol: 股票代码

返回: PerformanceResult 绩效结果对象。

`PerformanceResult`

from quant_trading.backtest.metrics import PerformanceResult

属性	类型	说明
`total_return`	`float`	总收益率
`annualized_return`	`float`	年化收益率
`max_drawdown`	`float`	最大回撤
`max_drawdown_duration`	`int`	最大回撤持续天数
`volatility`	`float`	年化波动率
`sharpe_ratio`	`float`	夏普比率
`sortino_ratio`	`float`	Sortino比率
`calmar_ratio`	`float`	Calmar比率
`total_trades`	`int`	总交易次数
`win_rate`	`float`	胜率
`profit_loss_ratio`	`float`	盈亏比
`avg_win`	`float`	平均盈利
`avg_loss`	`float`	平均亏损
`equity_curve`	`pd.Series`	净值曲线
`drawdown_series`	`pd.Series`	回撤序列

summary() -> str

返回格式化的绩效摘要文本。

`PerformanceMetrics`

from quant_trading.backtest.metrics import PerformanceMetrics

绩效指标计算器（静态方法类）。

calculate(equity_curve, trades, config) -> PerformanceResult

从净值曲线和交易记录计算全部绩效指标。

`GridSearchOptimizer`

from quant_trading.backtest.optimizer import GridSearchOptimizer

构造方法

GridSearchOptimizer(config: AppConfig)

方法

optimize(strategy_name, param_grid, data, symbol, metric) -> OptimizationResult

执行网格搜索优化。

result = optimizer.optimize(
    strategy_name="ma_crossover",
    param_grid={"short_window": [3, 5, 10], "long_window": [15, 20, 30]},
    data=data,
    symbol="000001",
    metric="sharpe_ratio",
)

参数:

strategy_name: 已注册的策略名称
param_grid: 参数网格 {param: [value1, value2, ...]}
data: 行情 DataFrame
symbol: 股票代码
metric: 优化指标名称

返回: OptimizationResult（含 best_params, best_metric_value, all_results）

`WalkForwardAnalyzer`

from quant_trading.backtest.walk_forward import WalkForwardAnalyzer

构造方法

WalkForwardAnalyzer(config: AppConfig)

方法

run(strategy_name, param_grid, data, symbol, train_size, test_size, step_size, optimize_metric) -> WalkForwardResult

执行滚动前进分析。

result = analyzer.run(
    strategy_name="ma_crossover",
    param_grid={"short_window": [3, 5, 10], "long_window": [15, 20, 30]},
    data=df,
    symbol="000001",
    train_size=120,
    test_size=60,
    step_size=60,
    optimize_metric="sharpe_ratio",
)

参数:

train_size: 训练期交易日数
test_size: 测试期交易日数
step_size: 每次前进交易日数

返回: WalkForwardResult

`WalkForwardResult`

属性	类型	说明
`windows`	`list[WalkForwardWindow]`	各窗口详细结果
`overall_test_equity`	`pd.Series`	拼接后的测试期净值曲线
`overall_performance`	`PerformanceResult`	整体测试期绩效

summary() -> str: 格式化摘要。

`WalkForwardWindow`

属性	类型	说明
`train_start`	`str`	训练期开始日期
`train_end`	`str`	训练期结束日期
`test_start`	`str`	测试期开始日期
`test_end`	`str`	测试期结束日期
`best_params`	`dict`	训练期优化出的最优参数
`train_result`	`PerformanceResult`	训练期回测绩效
`test_result`	`PerformanceResult`	测试期回测绩效

`PortfolioBacktester`

from quant_trading.backtest.portfolio_backtest import PortfolioBacktester

构造方法

PortfolioBacktester(config: AppConfig)

方法

run(strategy, data_dict, weights) -> PortfolioBacktestResult

执行多股票组合回测。

result = backtester.run(
    strategy=strategy,
    data_dict={"000001": df1, "600519": df2},
    weights="equal",  # 或 {"000001": 0.6, "600519": 0.4}
)

参数:

strategy: 策略实例或策略工厂（callable）
data_dict: {symbol: DataFrame} 多标的数据
weights: "equal" 或自定义权重字典

`PortfolioBacktestResult`

属性	类型	说明
`overall`	`PerformanceResult`	组合整体绩效
`per_stock`	`dict[str, PerformanceResult]`	个股绩效
`stock_weights`	`dict[str, float]`	权重
`correlation_matrix`	`pd.DataFrame`	相关性矩阵

`SignalAnalyzer`

from quant_trading.backtest.signal_analyzer import SignalAnalyzer

方法

analyze(data, forward_periods, signal_column) -> SignalAnalysisResult

分析信号质量。

analyzer = SignalAnalyzer()
result = analyzer.analyze(data, forward_periods=[1, 5, 10])

参数:

data: 包含 close 和 signal 列（1=买, -1=卖, 0=无）
forward_periods: 前瞻周期列表
signal_column: 信号列名

plot_signal_distribution(data, save_path, signal_column) -> None

绘制信号分布图。

`SignalAnalysisResult`

属性	类型	说明
`total_signals`	`int`	信号总数
`buy_signals`	`int`	买入信号数
`sell_signals`	`int`	卖出信号数
`avg_return_after_buy`	`float`	买入后平均收益
`avg_return_after_sell`	`float`	卖出后平均收益
`buy_win_rate`	`float`	买入信号正确率
`sell_win_rate`	`float`	卖出信号正确率
`signal_frequency`	`float`	信号频率
`avg_holding_period`	`float`	平均持仓天数
`consecutive_wins`	`int`	最大连胜
`consecutive_losses`	`int`	最大连亏

`StrategyComparator`

from quant_trading.backtest.comparator import StrategyComparator

方法

add_strategy(name, **kwargs) -> None

添加待对比的策略。

compare(data, symbol, rank_by) -> ComparisonResult

运行对比。

plot_comparison(result, save_path) -> None

绘制净值对比图。

`ReportGenerator`

from quant_trading.backtest.report import ReportGenerator

所有方法为静态方法。

generate_text_report(result, strategy_name, symbol, config, trades) -> str

生成文本格式回测报告。

generate_csv_trades(trades, filepath) -> None

导出交易记录 CSV。

generate_equity_csv(equity_curve, filepath) -> None

导出净值曲线 CSV。

`SimulatedBroker`

from quant_trading.backtest.broker import SimulatedBroker

构造方法

SimulatedBroker(config: BrokerConfig)

方法

validate_order(order, portfolio) -> bool

验证订单合法性（资金、手数等）。

execute_order(order, current_price) -> Order

执行订单（计算滑点、佣金、印花税）。

`PortfolioManager`

from quant_trading.backtest.portfolio import PortfolioManager

构造方法

PortfolioManager(initial_capital: float)

方法

方法	说明
`process_buy(order)`	处理买入订单
`process_sell(order)`	处理卖出订单
`new_trading_day()`	新交易日处理（T+1转可卖）
`update_prices(prices)`	更新持仓价格

risk — 风险管理层

`RiskManager`

from quant_trading.risk.manager import RiskManager

风控管理器统一入口。

方法	说明
`validate_signal(signal, portfolio)`	验证信号（仓位限制）
`calculate_order_quantity(signal, portfolio)`	计算买入数量
`check_exits(portfolio, prices)`	检查止损/止盈

`PositionSizer`

from quant_trading.risk.position_sizer import PositionSizer

仓位管理器。

方法	说明
`calculate_quantity(signal, portfolio, method)`	计算买入数量

支持的方法:

fixed_ratio: 固定比例法
kelly: Kelly公式
atr_based: ATR自适应法

`StopLossManager`

from quant_trading.risk.stop_loss import StopLossManager

方法	说明
`check_stop_loss(position)`	检查是否触发止损
`check_take_profit(position)`	检查是否触发止盈

ml — 机器学习层

`FeatureEngineer`

from quant_trading.ml import FeatureEngineer

create_features(data) -> DataFrame

一键生成技术指标特征。

`MLModelBase` (ABC)

所有ML模型的抽象基类。

方法	说明
`fit(X, y)`	训练模型
`predict(X) -> ndarray`	预测

ML模型

类	构造参数
`DecisionTreeModel`	`max_depth=5, min_samples_split=2`
`RandomForestModel`	`n_trees=100, max_depth=10`
`LinearModel`	`learning_rate=0.01, n_iterations=1000`
`GradientBoostingModel`	`n_estimators=100, learning_rate=0.1, max_depth=3`
`LSTMModel`	`hidden_size=64, n_epochs=100`
`EnsembleModel`	`models: list[MLModelBase]`

`MLPipeline`

from quant_trading.ml import MLPipeline, StandardScaler

pipeline = MLPipeline(model=RandomForestModel(), scaler=StandardScaler())
pipeline.fit(X_train, y_train)
predictions = pipeline.predict(X_test)

方法	说明
`fit(X, y)`	标准化数据 + 训练模型
`predict(X) -> ndarray`	标准化 + 预测

标准化器

类	说明
`StandardScaler`	零均值单位方差标准化
`MinMaxScaler`	缩放到 [0, 1]

方法	说明
`fit(X) -> self`	拟合参数
`transform(X) -> ndarray`	转换数据
`fit_transform(X) -> ndarray`	拟合并转换

`ModelEvaluator`

from quant_trading.ml import ModelEvaluator

evaluate(y_true, y_pred) -> dict

返回评估指标字典：accuracy, precision, recall, f1。

trading — 交易引擎层

`ExecutionEngine`

from quant_trading.trading import ExecutionEngine

信号执行与撮合引擎。

方法	说明
`execute(signal, risk_monitor)`	执行交易信号

`OrderManager`

from quant_trading.trading import OrderManager

订单生命周期管理。

方法	说明
`create_order(signal)`	创建订单
`validate_order(order)`	验证订单
`cancel_order(order_id)`	撤销订单

`PositionTracker`

from quant_trading.trading import PositionTracker

持仓跟踪与实时盈亏计算。

`RiskMonitor`

from quant_trading.trading import RiskMonitor, MaxPositionRule, MaxDrawdownRule

实时风控监控器。

add_rule(rule: RiskRule) -> None

添加风控规则。

check(order, portfolio) -> bool

检查订单是否通过所有风控规则。

风控规则

规则	说明
`MaxPositionRule(max_pct)`	单只最大仓位限制
`MaxDrawdownRule(max_dd)`	最大回撤限制
`DailyLossLimitRule(max_loss)`	单日最大亏损限制
`ConcentrationRule(max_pct)`	持仓集中度限制

`TradeLogger`

from quant_trading.trading import TradeLogger

交易日志与统计。

visualization — 可视化层

`ChartGenerator`

from quant_trading.visualization.charts import ChartGenerator

所有方法为静态方法或类方法。

方法	参数	说明
`plot_candlestick(data, title, save_path)`	data: OHLCV DataFrame	K线图
`plot_signals(data, title, save_path)`	data: 含signal列	交易信号图
`plot_equity_curve(equity, title, save_path)`	equity: Series	净值曲线
`plot_drawdown(dd_series, title, save_path)`	dd_series: Series	回撤图
`plot_monthly_returns(equity, title, save_path)`	equity: Series	月度热力图
`plot_backtest_report(data, equity_curve, title, save_path)`	综合参数	四合一面板

所有方法的 save_path 参数可选。为 None 时调用 plt.show()，传入路径时保存图片。

cli — 命令行层

命令列表

命令	说明	主要参数
`quant fetch`	获取数据	`-s`, `--start`, `--end`, `--source`, `-n`
`quant backtest`	运行回测	`-st`, `-s`, `--start`, `--end`, `--capital`, `--save`
`quant strategies`	列出策略	无
`quant plot`	生成图表	`-s`, `-st`, `-t`, `--save`
`quant optimize`	参数优化	`-st`, `-s`, `-p`, `-m`
`quant report`	生成报告	`-st`, `-s`, `-f`, `-o`

全局参数

参数	说明
`--config` / `-c`	配置文件路径（默认 `config/default.yaml`）
`--verbose` / `-v`	开启详细日志

FilesExpand file tree

API_REFERENCE.md

Latest commit

History

API_REFERENCE.md

File metadata and controls

API 参考文档

目录

core — 核心层

AppConfig

方法

DataSourceConfig

BrokerConfig

BacktestConfig

RiskConfig

数据模型

Signal

Order

Position

Portfolio

TradeRecord

枚举类型

data — 数据层

DataManager

构造方法

方法

DataSource (ABC)

DataSourceRegistry

DataExporter

indicators — 指标层

Indicator (ABC)

趋势指标 (indicators.trend)

SMA

EMA

MACD

振荡指标 (indicators.oscillator)

RSI

KDJ

波动率指标 (indicators.volatility)

BollingerBands

ATR

成交量指标 (indicators.volume)

OBV

VWAP

动量指标 (indicators.momentum)

ROC

WilliamsR

CCI

指标工具 (indicators.utils)

strategy — 策略层

Strategy (ABC)

StrategyRegistry

内置策略

MACrossoverStrategy

RSIStrategy

MACDStrategy

BollingerStrategy

DualThrustStrategy

MeanReversionStrategy

TurtleStrategy

CompositeStrategy

backtest — 回测引擎层

BacktestEngine

构造方法

属性

方法

PerformanceResult

PerformanceMetrics

GridSearchOptimizer

构造方法

方法

WalkForwardAnalyzer

构造方法

方法

WalkForwardResult

WalkForwardWindow

PortfolioBacktester

构造方法

方法

PortfolioBacktestResult

`AppConfig`

`DataSourceConfig`

`BrokerConfig`

`BacktestConfig`

`RiskConfig`

`Signal`

`Order`

`Position`

`Portfolio`

`TradeRecord`

`DataManager`

`DataSource` (ABC)

`DataSourceRegistry`

`DataExporter`

`Indicator` (ABC)

趋势指标 (`indicators.trend`)

`SMA`

`EMA`

`MACD`

振荡指标 (`indicators.oscillator`)

`RSI`

`KDJ`

波动率指标 (`indicators.volatility`)

`BollingerBands`

`ATR`

成交量指标 (`indicators.volume`)

`OBV`

`VWAP`

动量指标 (`indicators.momentum`)

`ROC`

`WilliamsR`

`CCI`

指标工具 (`indicators.utils`)

`Strategy` (ABC)

`StrategyRegistry`

`MACrossoverStrategy`

`RSIStrategy`

`MACDStrategy`

`BollingerStrategy`

`DualThrustStrategy`

`MeanReversionStrategy`

`TurtleStrategy`

`CompositeStrategy`

`BacktestEngine`

`PerformanceResult`

`PerformanceMetrics`

`GridSearchOptimizer`

`WalkForwardAnalyzer`

`WalkForwardResult`

`WalkForwardWindow`

`PortfolioBacktester`

`PortfolioBacktestResult`

`SignalAnalyzer`

`SignalAnalysisResult`

`StrategyComparator`

`ReportGenerator`

`SimulatedBroker`

`PortfolioManager`

`RiskManager`

`PositionSizer`

`StopLossManager`

`FeatureEngineer`

`MLModelBase` (ABC)

`MLPipeline`

`ModelEvaluator`

`ExecutionEngine`

`OrderManager`

`PositionTracker`

`RiskMonitor`

`TradeLogger`

`ChartGenerator`