108 lines
6.2 KiB
Markdown
108 lines
6.2 KiB
Markdown
---
|
||
title: "阿布量化（ABuQuant）策略开发与回测实践摘编"
|
||
source: "https://github.com/bbfamily/abu"
|
||
source_commit: "d602d847677e4c2b77b0a122df30816ea68b5710 (2026-01-24)"
|
||
source_version: "0.4.0"
|
||
license: "GPL"
|
||
last_updated: 2026-08-07
|
||
type: source-derivative
|
||
tags:
|
||
- "量化"
|
||
- "策略开发"
|
||
- "回测"
|
||
raw_sources:
|
||
- path: "raw/量化/abuquant/_meta/源码哈希清单.tsv"
|
||
hash: "sha256:e07923e8607d1ce333d692f6acc8db3b5f68f1c9e9679d5629705e359e2f0e1f"
|
||
- path: "raw/量化/abuquant/abuquant-框架架构摘编.md"
|
||
hash: "sha256:1d40144383bd5f8e0f5d6049da545abb2933a83328693dc2d7852af9e70291d6"
|
||
---
|
||
|
||
# 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：
|
||
|
||
1. **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)`）。
|
||
2. **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。
|
||
3. **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：`ABuDataCache` merge 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。
|