my_wiki/wiki/practices/阿布量化策略开发与回测.md

title, last_updated, source, created, updated, type, tags, confidence, contested, raw_sources

title	last_updated	source	created	updated	type	tags	confidence	contested	raw_sources
阿布量化策略开发与回测	2026-08-07	https://github.com/bbfamily/abu (commit d602d847677e4c2b77b0a122df30816ea68b5710)	2026-08-07	2026-08-07	practice	量化 策略开发 回测 因子	medium	false	path hash raw/量化/abuquant/abuquant-策略开发与回测实践摘编.md sha256:fc63e6c7799ee5af9f084f45982ec45469428e68f4070f8b38067ed1d760482a path hash raw/量化/abuquant/abuquant-框架架构摘编.md 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），不展开期货专项（见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 - 模块分层与核心机制
• 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 - 技术信号的确认与失效条件
• 股票交易纪律与资金管理 - 资金管理与止损的独立实践