5.0 KiB
5.0 KiB
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 |
|
medium | false |
|
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）
- 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。 - 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。
- 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