---
title: "阿布量化策略开发与回测"
source: "https://github.com/bbfamily/abu (commit d602d847677e4c2b77b0a122df30816ea68b5710)"
created: 2026-08-07
updated: 2026-08-07
type: practice
tags:
  - "量化"
  - "策略开发"
  - "回测"
  - "因子"
confidence: medium
contested: false
raw_sources:
  - path: "raw/量化/abuquant/abuquant-策略开发与回测实践摘编.md"
    hash: "sha256:fc63e6c7799ee5af9f084f45982ec45469428e68f4070f8b38067ed1d760482a"
  - path: "raw/量化/abuquant/abuquant-框架架构摘编.md"
    hash: "sha256:1d40144383bd5f8e0f5d6049da545abb2933a83328693dc2d7852af9e70291d6"
---

# 阿布量化策略开发与回测

## 页面定位

本页是阿布量化框架**策略开发与回测的实践页**，记录可执行流程：择时因子编写、止盈止损、滑点手续费、仓位管理、选股因子、度量、参数寻优、机器学习集成与数据源接入。它不解释框架架构（见[[阿布量化框架架构|阿布量化框架架构]]），不展开期货专项（见[[期货量化回测与位移路程比|期货量化回测与位移路程比]]）。所有 API 名称以源码为准，未执行回测复现。

## 一、择时策略开发（notebook 1）

1. **编写买入择时因子**：继承 `AbuFactorBuyBase` + 混入方向类（BuyCallMixin/BuyPutMixin），实现 `fit_day(today, orders)` 调用 `self.buy_tomorrow(order)` 生成次日订单。
2. **分解模式逐步回测**：先只挂买入因子观察买入点，再叠加卖出因子。
3. **编写卖出因子**：继承 `AbuFactorSellBase`，`fit_day` 中 `self.sell_tomorrow(order)`。

关键约定：`buy_tomorrow/sell_tomorrow` 次日成交（避免未来函数）；`_init_self(**kwargs)` 读取自定义参数。

## 二、止盈止损与风险控制（notebook 2）

| 类型 | 代表因子 | 作用 |
|---|---|---|
| 基本止盈止损 | AbuFactorAtrNStop（n 倍 ATR） | 保护利润、控制风险 |
| 风险控制止损 | AbuFactorPreAtrNStop（单日最大跌幅 n 倍 ATR） | 单边风险控制 |
| 利润保护止盈 | AbuFactorCloseAtrNStop（利润回撤） | 只做单边止盈 |

ATR 定义：`TR = max(|最高-最低|, |最高-昨收|, |昨收-最低|)`，ATR 为 TR 的均值。

## 三、滑点与手续费（notebook 3）

- 默认均价买入/卖出（AbuSlippageBuyMean/SellMean）：简单高效，交易数量足够时接近实盘；**不考虑大资金冲击成本**，实盘迁移需日内分钟 K 线择时。
- `AbuCommission` 计算手续费，`order.commission` 记录。

## 四、多股票与仓位管理（notebook 4）

- 多股票可用同一因子组合，也可分别指定因子。
- 仓位管理默认 `AbuAtrPosition`，示例还有 Kelly、价格位置仓位；可通过全局默认或 kwargs 指定。
- 并行：`AbuPickTimeMaster` 多进程调度（Windows 注意 ProcessPoolExecutor 实现）。

## 五、选股策略（notebook 5）

- 选股因子继承 `AbuPickStockBase`，实现 `fit_first_choice` 等方法；示例：价格、拟合角度、相似度、位移路程比选股。
- 多因子并行；择时周期内每月/每周动态重新选股。

## 六、度量、参数寻优与评分（notebook 6-7）

- `AbuMetricsBase` 度量收益/回撤/胜率等，可自定义度量类；期货用 `AbuMetricsFutures`。
- `AbuGridSearch` 网格搜索因子参数（如"均线看多少天"），`AbuScoreTuple`/`AbuBaseScorer` 评分（支持权重与自定义），`AbuCrossVal` 交叉验证。

## 七、机器学习集成（notebook 12）

- `AbuMLFeature` 定义特征（支持扩展）→ `AbuML` 中间层 → `AbuMLCreater` 封装学习器 → `AbuMLPd` 业务封装。
- 测试集验证与非均衡技术；应用场景：UMP 裁判训练、策略有效性验证（notebook 32）。

## 八、数据源接入（notebook 19）

数据模式/存储/数据源三层均可切换；`ABuDataCache` merge 更新；外部数据源可接股票/期货/数字货币；所有取数统一走 `ABuSymbolPd`。

## 九、开发注意事项

- 卖出因子用于期货需 `support_direction()` 声明支持 put，`fit_day` 按 `order.expect_direction` 正负区分（call：暴跌止损；put：暴涨止损）。
- 买入因子方向唯一（一个因子不能同看涨又看跌）。
- 数据访问统一走 `ABuSymbolPd`。
- 选股因子可用 `lock_factor` 封锁本源买入因子。

## 十、证据边界

- 本页基于教学 notebook 与源码 docstring 提炼，未复现任何回测；沙盒示例收益数字不具代表性（数据量小、依赖旧数据文件）。
- 教学流程可用作学习/原型参考；实盘部署需自行解决数据、滑点、手续费与合规。

## 十一、相关页面

- [[阿布量化框架架构|阿布量化框架架构]] - 模块分层与核心机制
- [[期货量化回测与位移路程比|期货量化回测与位移路程比]] - 期货双向策略与品种筛选
- [[技术分析形态与突破确认|技术分析形态与突破确认]] - 技术信号的确认与失效条件
- [[股票交易纪律与资金管理|股票交易纪律与资金管理]] - 资金管理与止损的独立实践