6.2 KiB
6.2 KiB
title, source, source_commit, source_version, license, last_updated, type, tags, raw_sources
| title | source | source_commit | source_version | license | last_updated | type | tags | raw_sources | |||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 阿布量化（ABuQuant）策略开发与回测实践摘编 | https://github.com/bbfamily/abu | d602d847677e4c2b77b0a122df30816ea68b5710 (2026-01-24) | 0.4.0 | GPL | 2026-08-07 | source-derivative |
|
|
阿布量化（ABuQuant）策略开发与回测实践摘编
本摘编提炼阿布量化教学文档（abupy_lecture notebook 1-9、12、15-19）中的开发模式与可执行流程，供阅读源码或复现示例时参考。框架版本 0.4.0，所有 API 名称以源码为准。
1. 择时策略开发模式（notebook 1）
择时策略决定"什么时候买/卖"。核心三步：
- 编写买入择时因子：继承
AbuFactorBuyBase并混入方向类（BuyCallMixin/BuyPutMixin），实现fit_day(today, orders)生成买入订单（self.buy_tomorrow(order)）。 - 分解模式逐步回测：先只用买入因子，观察买入点；再叠加卖出因子。
- 实现卖出因子：继承
AbuFactorSellBase，fit_day中调用self.sell_tomorrow(order)。
关键概念：
kl_pd：择时时段行情；combine_kl_pd：合并前一年行情（供特征构建）。- 因子通过
_init_self(**kwargs)读取自定义参数。 buy_tomorrow/sell_tomorrow：次日成交，避免未来函数。
2. 择时策略优化（notebook 2）
三类卖出因子组合：
| 类型 | 代表因子 | 作用 |
|---|---|---|
| 基本止盈止损 | AbuFactorAtrNStop（n 倍 ATR 止盈止损） |
保护利润、控制风险 |
| 风险控制止损 | AbuFactorPreAtrNStop（单日最大跌幅 n 倍 ATR 止损） |
单边风险控制 |
| 利润保护止盈 | AbuFactorCloseAtrNStop（利润回撤止盈） |
只做单边止盈 |
ATR（Average True Range，平均真实波动范围）定义：TR = max(|最高-最低|, |最高-昨收|, |昨收-最低|)，ATR 即 TR 的均值，衡量波动强度。
3. 滑点与手续费（notebook 3）
- 滑点：
AbuSlippageBuyMean/AbuSlippageSellMean默认均价买入/卖出（当日均价），优点简单高效，交易数量足够多时接近实盘；基类注释明确：不考虑大资金冲击成本，实盘迁移需日内分钟 K 线择时。 - 手续费：
AbuCommission计算每笔手续费（示例含 TSLA 按金额比例与固定费用两种形式），order.commission记录。
4. 多股票回测与仓位管理（notebook 4）
- 多支股票可用同一因子组合统一回测，也可按股票分别指定不同因子。
- 仓位管理：默认
AbuAtrPosition（ATR 仓位），示例还有AbuKellyPosition（Kelly 仓位）、AbuPtPosition（价格位置仓位）；通过AbuPositionBase全局默认类或 kwargs 指定。 - 并行：
AbuPickTimeMaster调度，多进程执行提升效率（Windows 注意 ABuParallel 的 ProcessPoolExecutor 实现）。
5. 选股策略开发（notebook 5）
- 选股因子继承
AbuPickStockBase，实现fit_first_choice（首选）等方法；示例：价格选股（AbuPickStockPriceMinMax）、拟合角度选股（AbuPickRegressAngMinMax）、相似度选股（AbuPickSimilarNTop）、位移路程比选股（AbuPickStockShiftDistance）。 - 多个选股因子可并行执行；选股在择时周期内每月/每周动态重新执行。
- 选股 Worker（
AbuPickStockWorker）在择时序列之前的窗口迭代初始交易对象进行因子拟合。
6. 回测结果度量（notebook 6）
AbuMetricsBase提供基本度量（收益、回撤、胜率、盈亏比等），支持可视化。- 可继承扩展自定义度量类（
_read_custom_metrics等钩子）。 - 期货市场使用
AbuMetricsFutures（含持仓/保证金维度）。 - 度量结果可保存/读取（
ABuStore，notebook 15 用load_abu_result_tuple读取训练集结果）。
7. 参数寻优与评分（notebook 7）
AbuGridSearch：对买入/卖出/选股因子在参数取值范围内 Grid Search。AbuScoreTuple/AbuBaseScorer：对度量结果评分，支持不同权重、自定义评分类。- 示例问题："应该考虑多少天的均线？"——通过网格搜索+评分确定。
AbuCrossVal：交叉验证避免过拟合。
8. 机器学习集成（notebook 12）
- 特征提取：从行情构建特征（
AbuMLFeature内置特征定义，支持用户扩展）。 AbuML中间层持有 x/y/df，AbuMLCreater封装常用学习器初始化（sklearn 系）。- 测试集验证与非均衡技术（imbalance 处理）。
- 继承
AbuMLPd对数据处理做业务封装。 - 应用场景：UMP 裁判训练（失败交易特征分类）、策略有效性验证（notebook 32）。
9. 数据源接入（notebook 19）
- 数据模式切换：沙盒/实盘数据模式。
- 数据存储切换：本地文件存储后端。
- 数据源切换：内置沙盒（ABuDataFeed）↔ 外部数据源。
- 全市场数据更新：
ABuDataCachemerge 策略。 - 外部数据源接入示例：股票、期货、比特币/莱特币（CrawlBu 提供雪球等爬虫采集）。
10. 开发注意事项（源码注释级）
- 所有数据访问统一走
ABuSymbolPd对外接口。 - 卖出因子若用于期货需
support_direction()声明支持 put 方向，fit_day中按order.expect_direction正负号区分 call/put 处理（如 ATR 止损：call 方向"暴跌卖出"，put 方向"暴涨卖出"）。 - 买入因子方向唯一：一个因子不能同时看涨又看跌。
- 因子内部可绑定专属卖出因子与选股因子（局部生效）。
lock_factor：选股因子可封锁本源买入因子执行。
11. 证据边界
- 本文基于 notebook markdown 文本与源码 docstring 提炼，API 细节以源码为准；未执行任何回测复现。
- 教学 notebook 中的具体收益率数字（如沙盒示例收益）未收录——沙盒数据量小，结果不具代表性，且代码依赖旧版数据文件。