股票策略回测技能

执行交易策略的历史数据回测，输出完整的绩效报告。

快速开始

当用户请求回测时，按以下流程执行：

1. 确认数据来源 - Yahoo Finance、akshare（A股）、或用户提供的CSV
2. 确认策略类型 - 默认提供几种常见策略，也支持自定义
3. 运行回测 - 使用Python计算
4. 输出报告 - 总收益、年化收益、最大回撤、夏普比率、胜率、交易次数

内置策略

1. SMA交叉策略

• 买入信号：短期均线上穿长期均线
• 卖出信号：短期均线下穿长期均线
• 默认参数：SMA20/SMA50

2. RSI均值回归策略

• 买入信号：RSI < 30（超卖）
• 卖出信号：RSI > 70（超买）
• 默认参数：RSI周期14

3. 突破策略

• 买入信号：收盘价突破N日最高价
• 卖出信号：收盘价跌破N日最低价
• 默认参数：20日突破

回测实现

使用Python编写回测脚本，依赖以下库：

• yfinance - Yahoo Finance数据
• akshare - A股数据
• pandas - 数据处理
• numpy - 数值计算

数据格式要求

CSV文件需包含以下列：

• date - 日期
• open - 开盘价
• high - 最高价
• low - 最低价
• close - 收盘价
• volume - 成交量

回测代码模板

import pandas as pd
import numpy as np

def backtest(df, strategy_func, initial_capital=100000, commission=0.001):
    """
    运行回测
    
    参数:
    - df: OHLCV数据DataFrame
    - strategy_func: 策略函数，返回买入/卖出信号
    - initial_capital: 初始资金
    - commission: 交易成本比例
    
    返回:
    - 交易日志
    - 绩效指标
    """
    df = df.copy()
    df['signal'] = strategy_func(df)
    df['position'] = df['signal'].shift(1).fillna(0)
    df['returns'] = df['close'].pct_change()
    df['strategy_returns'] = df['position'] * df['returns']
    
    # 计算交易成本
    trades = df['position'].diff().abs()
    df['strategy_returns'] -= trades * commission
    
    # 计算累计收益
    df['cumulative_returns'] = (1 + df['strategy_returns']).cumprod()
    
    # 计算绩效指标
    total_return = df['cumulative_returns'].iloc[-1] - 1
    years = (df['date'].iloc[-1] - df['date'].iloc[0]).days / 365
    cagr = (1 + total_return) ** (1/years) - 1
    
    # 最大回撤
    cummax = df['cumulative_returns'].expanding().max()
    drawdown = (df['cumulative_returns'] - cummax) / cummax
    max_drawdown = drawdown.min()
    
    # 夏普比率
    risk_free_rate = 0.02
    excess_returns = df['strategy_returns'] - risk_free_rate/252
    sharpe = np.sqrt(252) * excess_returns.mean() / excess_returns.std()
    
    # 胜率
    trade_returns = df[df['position'].diff() != 0]['strategy_returns']
    win_rate = (trade_returns > 0).sum() / len(trade_returns) if len(trade_returns) > 0 else 0
    
    return {
        'total_return': total_return,
        'cagr': cagr,
        'max_drawdown': max_drawdown,
        'sharpe_ratio': sharpe,
        'win_rate': win_rate,
        'num_trades': trades.sum()
    }

报告格式

# 策略回测报告

## 策略概述
- 策略名称：[策略名称]
- 回测区间：[开始日期] 至 [结束日期]
- 初始资金：¥[金额]

## 绩效指标
| 指标 | 数值 |
|------|------|
| 总收益率 | XX.XX% |
| 年化收益率(CAGR) | XX.XX% |
| 最大回撤 | XX.XX% |
| 夏普比率 | X.XX |
| 胜率 | XX.XX% |
| 交易次数 | XX |

## 交易日志
[列出主要交易记录]

## 分析总结
[对策略表现的评价和建议]

使用示例

用户: "帮我回测一下茅台的SMA策略"

执行步骤:

1. 使用akshare获取茅台历史数据
2. 计算SMA20和SMA50
3. 生成买卖信号
4. 运行回测
5. 输出报告

注意事项

• 回测结果不代表未来表现
• 需考虑交易成本、滑点等现实因素
• 建议进行参数敏感性分析
• 注意数据质量和完整性