作者个人的一组 Python/JavaScript 工具包与研究资料,涵盖在线时间序列预测、协方差估计、投资组合构建和黑盒优化。
QuantJourneyOrg/quantjourney-bt
一个 Python 回测引擎,用于可复现的投资组合研究,覆盖信号、订单成交、交易成本、净值与滚动验证。
- Star
- 599
- Fork
- 245
- 未关闭 Issue
- 0
- 最近提交
- 3天前
本页只介绍开源项目,不构成投资建议。交易和投资可能造成亏损,使用前请自行评估风险,并遵守当地法律法规。
这是什么?
QuantJourney Backtester 是一个 Python 回测引擎,把交易策略想法转化为可审计、可复现的研究结果。信号先生成目标权重或明确订单,订单经模拟成交后更新现金与持仓,再由投资组合状态重建净值,因此执行、成本、滑点和再平衡等假设都清晰可见。
引擎提供两种模式:权重模式适合因子组合、轮动模型、多空组合和波动率目标等组合研究;订单模式适合需要考虑执行细节的研究,支持市价、限价、止损、止损限价、移动止损、括号单和 OCO 订单。每次运行可输出指标、图表、净值曲线、回撤、滚动验证结果、CSV/JSON 文件以及静态 HTML 仪表盘。
仓库附带 50 个可直接运行的示例策略和一份确定性的示例数据集,无需账号即可体验。真实行情通过 QuantJourney Cloud 获取,策略代码与回测计算都在本地进行。部分示例对融券成本、融资和市场冲击做了简化,并在文档中明确说明。
核心功能
- 01权重模式与订单模式,分别适用于组合研究和执行层面的回测
- 02支持市价、限价、止损、移动止损、括号单和 OCO 等订单类型
- 03可配置佣金、滑点和成交量参与率等成本假设
- 04提供滚动前推验证和基于 Optuna 的参数优化
- 05每次运行输出指标、图表、CSV/JSON 文件和 HTML 仪表盘
- 06附带 50 个可运行示例策略及确定性的离线示例数据
适用场景
- 在考虑真实交易成本和再平衡规则的前提下测试因子或轮动策略
- 通过滚动前推验证检查策略优势在样本外是否依然存在
- 在对接券商之前验证限价单、止损单或括号单的逻辑
- 生成可复现的回测报告,供研究团队审阅
快速上手
- 1
从 PyPI 安装软件包
pip install quantjourney-bt - 2
在无需凭据的情况下检查一个策略能否导入
./strategy.sh example_weights_01_sma_daily --check - 3
使用内置示例数据运行确定性演示
./strategy.sh example_weights_01_sma_daily --sample-data --output /tmp/qj-sample
使用前须知
- 获取真实市场数据需要 QuantJourney API 密钥和账户凭据。
- 需要 Python 3.11 或更高版本。
- 这是回测引擎,不是券商或实盘交易系统。
- 部分示例简化了融资利率、借券成本、流动性和市场冲击等假设。
标签
常见问题
- quantjourney-bt 是什么?
- 一个 Python 回测引擎,用于可复现的投资组合研究,覆盖信号、订单成交、交易成本、净值与滚动验证。 QuantJourney Backtester 是一个 Python 回测引擎,把交易策略想法转化为可审计、可复现的研究结果。信号先生成目标权重或明确订单,订单经模拟成交后更新现金与持仓,再由投资组合状态重建净值,因此执行、成本、滑点和再平衡等假设都清晰可见。
- quantjourney-bt 可以免费使用吗?用的什么许可证?
- quantjourney-bt 以 Apache-2.0 许可证开源。用于商业产品前,请先确认许可证条款。
- quantjourney-bt 还在维护吗?
- 活跃维护中。quantjourney-bt 最近一次提交是在 2026年11月4日。
- quantjourney-bt 适合用来做什么?
- 在考虑真实交易成本和再平衡规则的前提下测试因子或轮动策略 通过滚动前推验证检查策略优势在样本外是否依然存在 在对接券商之前验证限价单、止损单或括号单的逻辑 生成可复现的回测报告,供研究团队审阅
- quantjourney-bt 怎么安装和运行?
- 从 PyPI 安装软件包: pip install quantjourney-bt 在无需凭据的情况下检查一个策略能否导入: ./strategy.sh example_weights_01_sma_daily --check 使用内置示例数据运行确定性演示: ./strategy.sh example_weights_01_sma_daily --sample-data --output /tmp/qj-sample
- 在哪里获取 quantjourney-bt?
- 源代码和安装说明在 GitHub 上:https://github.com/QuantJourneyOrg/quantjourney-bt
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
基于 scikit-learn 接口的 Python 投资组合优化、因子模型构建与风险管理库。
基于 Python 的事件驱动回测库,用于验证交易策略,是 Quantopian Zipline 的社区维护分支。
基于 Python 的量化交易研究工具包,用向量化计算批量回测成千上万种策略思路。
系统化(量化)交易相关库、论文、策略、书籍、博客与课程的精选资源清单。
高盛推出的 Python 量化金融工具包,用于衍生品分析、风险管理和交易策略开发。