QLTrader

A股量化回测框架，API设计参考Zipline风格。

功能特性

• 支持CSV格式的A股日线数据回测
• 模拟真实交易：滑点、佣金、仓位管理
• 内置schedule定时任务，支持日频/月频调仓
• 数据接口：data.current()、data.history()、data.can_trade()
• 下单接口：order_shares()、order_target_percent()、order_percent()、order_target_shares()
• 回测结果可视化与指标统计

项目结构

qltrader/
├── src/
│   └── qltrader/            # 核心框架包
│       ├── __init__.py      # 包入口，导出公共API
│       ├── config.py        # 配置常量（数据路径等）
│       ├── models.py        # 核心模型（Position, Portfolio, Context）
│       ├── data.py          # 数据访问接口（Data类）
│       ├── orders.py        # 下单函数
│       ├── scheduler.py     # 定时任务调度
│       ├── engine.py        # 回测引擎（QlTrader类）
│       ├── plotting.py      # 可视化函数
│       ├── utils.py         # 工具函数（run_backtest, get_price）
│       └── tushare_data.py  # Tushare数据下载模块
├── examples/
│   ├── tushare_example.py   # Tushare数据下载示例
│   └── strategy_example.py  # 双均线策略示例
├── data/daily/              # 股票日线数据 (CSV)
└── README.md

快速开始

安装

pip install qltrader

编写自己的策略

方式一：纯定时任务策略（推荐）

适合定期调仓（如月度换仓）的策略，handle_data 参数可选：

def initialize(context):
    # 设置股票池
    context.set_universe(['sh600000', 'sh600001', 'sh600004'])
    # 每月开盘调仓
    schedule(rebalance, date_rule='month', time_rule='open')

def rebalance(context, data):
    # 获取历史数据
    hist = data.history(context.universe, 20, fields='close')
    # 选股逻辑...
    # 下单
    order_shares('sh600000', 1000)

# 运行回测（不需要传 handle_data）
results = run_backtest(
    start_date='2020-01-01',
    end_date='2025-12-31',
    initialize=initialize,
    capital_base=1000000.0
)

plot_results(results)

方式二：日频交易策略

适合需要每日判断的策略，需传入 handle_data：

def initialize(context):
    context.set_universe(['sh600000', 'sh600001'])

def handle_data(context, data):
    # 每日收盘前判断
    for sec in context.universe:
        if data.can_trade(sec):
            # 等权持仓
            order_target_percent(context, sec, 1.0 / len(context.universe))

results = run_backtest(
    start_date='2020-01-01',
    end_date='2025-12-31',
    initialize=initialize,
    handle_data=handle_data,
    capital_base=1000000.0
)

plot_results(results)

API 参考

数据接口

data.current(securities, fields='close', as_df=False)

获取当前交易日的行情数据。

参数：

• securities: 股票代码（字符串或列表）
• fields: 数据字段，可选 'open', 'high', 'low', 'close', 'volume'（字符串或列表）
• as_df: 是否返回 DataFrame 格式，默认为 False

返回值：

• as_df=False 时：根据参数返回标量、字典或嵌套字典
• as_df=True 时：返回 DataFrame，行名为股票代码，列名为字段名

示例：

# 获取单只股票收盘价（标量）
price = data.current("000001.SZ", "close")

# 获取多只股票收盘价（字典）
prices = data.current(["000001.SZ", "000002.SZ"], "close")

# 获取多只股票多字段（DataFrame格式）
df = data.current(["000001.SZ", "000002.SZ"], ["close", "volume"], as_df=True)

data.history(securities, bar_count, frequency='1d', fields='close', as_df=False)

获取历史行情数据。

参数：

• securities: 股票代码（字符串或列表）
• bar_count: 获取的 K 线数量
• frequency: 频率，目前仅支持 '1d'（日线）
• fields: 数据字段（字符串或列表）
• as_df: 是否返回 DataFrame 格式，默认为 False

返回值：

• as_df=False 时：根据参数返回列表、字典或嵌套字典
• as_df=True 时：返回 DataFrame

示例：

# 获取最近20天收盘价（列表）
hist = data.history("000001.SZ", bar_count=20, fields="close")

# DataFrame格式
hist_df = data.history("000001.SZ", bar_count=20, fields=["close", "volume"], as_df=True)

data.can_trade(securities)

检查股票在当日是否可交易（不停牌）。

参数：

• securities: 股票代码（字符串或列表）

返回值：

• 单股：布尔值
• 多股：{股票代码: 布尔值} 字典

get_price(security, start_date, end_date, frequency='daily', fields='close', as_df=True)

独立函数，从 CSV 文件读取历史数据（不依赖回测环境）。

参数：

• security: 股票代码
• start_date: 开始日期
• end_date: 结束日期
• frequency: 频率，目前仅支持 'daily'
• fields: 数据字段（字符串或列表）
• as_df: 是否返回 DataFrame 格式，默认为 True

返回值：

• as_df=True 时：返回 DataFrame
• as_df=False 时：返回 List[dict] 格式

示例：

# 返回DataFrame（默认）
df = get_price("000001.SZ", "2020-01-01", "2020-12-31", fields=["close", "volume"])

# 返回字典列表
data = get_price("000001.SZ", "2020-01-01", "2020-12-31", fields="close", as_df=False)

下单接口

方法	说明
order_shares(sec, amount)	买入/卖出指定股数（正数买入，负数卖出）
order_target_shares(context, sec, target_shares)	调仓到目标持仓股数
order_percent(context, sec, percent)	按账户资金比例下单（增量）
order_target_percent(context, sec, percent)	调仓到目标资金比例（0-1之间）

示例：

# 买入1000股
order_shares("000001.SZ", 1000)

# 卖出500股
order_shares("000001.SZ", -500)

# 调仓到持有1000股
order_target_shares(context, "000001.SZ", 1000)

# 用账户50%资金买入
order_percent(context, "000001.SZ", 0.5)

# 调仓到该股票占账户50%
order_target_percent(context, "000001.SZ", 0.5)

定时任务

schedule(func, date_rule='daily/month', time_rule='open/close')

在 initialize 中设置定时调仓任务。

参数：

• func: 调仓函数，接收 (context, data) 参数
• date_rule: 'daily'（每天）或 'month'（每月）
• time_rule: 'open'（开盘）或 'close'（收盘）

示例：

def initialize(context):
    # 每月开盘时调仓
    schedule(rebalance, date_rule='month', time_rule='open')

def rebalance(context, data):
    # 调仓逻辑
    order_target_percent(context, "000001.SZ", 0.5)

回测入口

run_backtest(
    start_date='2020-01-01',      # 开始日期（YYYY-MM-DD）
    end_date='2025-12-31',        # 结束日期（YYYY-MM-DD）
    initialize=initialize,        # 初始化函数（必须）
    handle_data=None,             # 日频策略函数（可选）
    before_trading_start=None,    # 盘前函数（可选）
    capital_base=1000000.0        # 初始资金，默认100万
)

可视化

plot_results(results, title='Backtest Results', save_path=None)

参数：

• results: run_backtest 返回的 DataFrame
• title: 图表标题
• save_path: 保存路径（可选），如 './output/result.png'

示例：

results = run_backtest(...)
plot_results(results, title='My Strategy', save_path='./output/my_strategy.png')

数据格式

CSV文件位于 data/daily/ 目录，文件命名规则：sh600000.csv（上证）、sz000001.csv（深证）

字段：date, open, high, low, close, volume

License

本项目采用 MIT 协议开源。

下载数据

框架内置Tushare数据下载模块，支持一键下载完整A股数据。

设置Token

方式一：使用 .env 文件（推荐）

在项目根目录创建 .env 文件：

TUSHARE_TOKEN=your_tushare_token

方式二：手动设置

from qltrader import set_token

# 设置Tushare Token
set_token("your_tushare_token")

主要接口

接口	说明
get_stock_basic(list_status='L')	获取股票列表（L上市/D退市/P暂停上市）
get_all_stock()	获取全部A股（上市+退市+暂停上市）
get_index_basic(market='SSE')	获取指数列表
get_stock_name(ts_code)	获取股票最新名称
get_stock_name_history(ts_code)	获取股票名称变更历史
get_stock_industry(ts_code)	获取股票申万行业分类（一二三级）
download_data(code, start_date, end_date)	下载单只证券完整数据
download_batch(codes, start_date, end_date)	批量下载多只证券数据

一键下载全部A股

from qltrader import set_token, get_all_stock, download_batch

set_token("your_tushare_token")

# 获取全部股票（包括上市、退市、暂停上市）
stock_df = get_all_stock()

# 批量下载
codes = [f"{row['ts_code'].split('.')[1].lower()}{row['ts_code'].split('.')[0]}" 
         for _, row in stock_df.iterrows()]
download_batch(codes, "2020-01-01", "2024-12-31")

下载数据字段

CSV文件包含以下字段：

字段类别	字段名
基本信息	code, ts_code, type, date, name
行业分类	industry_l1_name, industry_l2_name, industry_l3_name（申万一二三级行业）
行情数据	open, high, low, close, pre_close, change, pct_chg, volume, amount
估值指标	pe, pe_ttm, pb, ps, ps_ttm, dv_ratio, dv_ttm
市值数据	total_mv, circ_mv, free_share, total_share
换手率	turnover_rate, turnover_rate_f, volume_ratio
资金流向	buy_sm_vol, buy_sm_amount, sell_sm_vol, ... net_mf_vol, net_mf_amount

名称历史匹配

股票名称会根据日期自动匹配历史名称：

from qltrader import get_stock_name_history, get_name_at_date

# 获取名称变更历史
history = get_stock_name_history("600000.SH")

# 获取特定日期的名称
name = get_name_at_date(history, "2024-01-01")

示例脚本

Tushare 数据下载示例

运行 examples/tushare_example.py 查看更多使用示例：

python examples/tushare_example.py

策略回测示例

运行 examples/strategy_example.py 查看双均线策略示例：

python examples/strategy_example.py

该示例展示了：

• 如何编写双均线策略（5日均线 vs 20日均线）
• 金叉买入、死叉卖出的交易逻辑
• 回测结果统计（累计收益、年化收益、最大回撤）
• 结果可视化保存到 output/dual_ma_strategy.png