event-driven-backtest-engine

可审计的事件驱动回测引擎：数据 → 信号 → 成交 → 绩效。基于此前 quant-data-pipeline 的拉取经验做成独立项目（第 1–2 周）。

数据源：

• A 股 ETF：腾讯行情（东财不可达时的主路径）→ AkShare / 东财 / 新浪 → 可选 Tushare
• 加密货币：Gate → Binance

设计约定（避免前视）

环节	约定
信号	T 日 收盘后 用当日及之前的收盘价计算（双均线 SMA/EMA）
成交	最早在 T+1 开盘或收盘成交（fill_on: next_open | next_close）
延迟	delay_bars 在 T+1 之外再推迟 N 根 K 线
复权	默认 前复权，说明见 docs/ADJUSTMENT.md
停牌	volume=0 → suspended，成交跳过
费率	可配置费率矩阵（股票 / ETF / 永续）
滑点	固定比例、成交量冲击、波动率调整

快速开始

python -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install -r requirements.txt
python run.py

第 2 周完整绩效报告（含滑点敏感性）：

python examples/run_performance_report.py

第 3 周（510300 双均线 + 波动率标的，三平台可移植）：

python examples/run_dma_vol_research.py
python examples/run_attribution.py

只跑单元测试：

python -m pytest -q

默认回测标的

1. ETF 组合（第 1–2 周教学版）：沪深300ETF 510300 + 中证500ETF 510500，自 2019-01-01（≥5 年），20/60 日 SMA 双均线，多标的等权。
2. 加密货币：BTC_USDT 日线（Gate，失败回退 Binance），12/26 日 EMA。
3. 第 3 周 canonical：单标的 510300，SMA 30/120 + ATR 过滤 + 12% 波动率标的（见上）。

模块结构

backtest/                 # 事件驱动引擎（数据/信号/成交）
performance_analytics/    # 第2周：费率、滑点、完整指标、报告
platforms/                # 第3周：QuantConnect Lean / 聚宽粘贴稿
examples/
tests/
docs/

performance_analytics

• fees.py — 费率矩阵（万2.5+印花税 / ETF 万1无印花税 / Maker·Taker·资金费）
• slippage.py — 固定比例、volume participation、波动率调整滑点
• metrics.py — Sortino / Omega / 滚动夏普 / Bootstrap / 基准对比
• sensitivity.py — 滑点敏感性表
• distribution.py — 偏度峰度与夏普适用性讨论
• report.py — 一键 Markdown 绩效报告（资金曲线、回撤、月度热力图）

前视偏差检测

见 docs/LOOKAHEAD_REPORT.md。

第 2 周绩效报告

见 docs/DUAL_MA_PERFORMANCE_REPORT.md（含滑点敏感性与收益分布讨论）。

第 3 周：三平台复现与差异归因

Canonical 策略不再用教学版 20/60 等权组合，而是单标的 510300 双均线 + ATR 强度过滤 + 波动率标的（SMA 30/120，k=1，目标波动 12%，仓位 10% 步进）。参数只在 2019–2022 上选择，2023+ 只报告。

文档 / 代码	用途
docs/STRATEGY_SPEC.md	三平台必须对齐的公式与成交合约
docs/DMA_VOL_RESEARCH.md	IS/OOS 与买入持有对照
docs/qc_research_report.md	QuantConnect 英文研究报告
docs/joinquant_strategy_post.md	聚宽发帖稿
docs/CROSS_PLATFORM_ATTRIBUTION.md	Day 5–6 核心产出：一页归因表（数据/成交/费率/绩效口径均已量化）
docs/PLATFORM_LINKS.md	公开回测、Research 帖、聚宽链接
platforms/quantconnect/DualMAVolTarget.py	Lean 自定义数据算法
platforms/joinquant/dual_ma_vol_target.py	聚宽粘贴稿

QC 云端没有上交所 ETF：自定义数据用本仓库导出的 platforms/quantconnect/data/510300.csv。公开链接：QC 回测 · QC Research · 聚宽帖 · 聚宽模拟盘。

配置

编辑 config.yaml（fee_profile、slippage_type 等）。可选 TUSHARE_TOKEN。

许可

MIT