一個基於 Python 的功能完整的股票/加密貨幣交易回測框架，支持多種交易策略、動態倉位管理和交互式可視化分析。
本系統是一個專業級的交易回測平台，用於模擬和評估交易策略的歷史性能。系統提供了：
- 多種交易策略：EMA 交叉、SMA 突破等可擴展的策略框架
- 靈活的倉位管理：固定倉位、風險百分比、突破倉位等多種配置
- 完整的績效分析：詳細的回報率、夏普比率、最大回撤等指標
- 視覺化儀表板：基於 Flask 和 Plotly 的實時互動式分析平台
- Docker 部署：支持容器化部署和 MySQL 數據庫集成
- EMA 交叉策略 (
ema_crossover)：基於指數移動平均線的交叉信號 - SMA 突破策略 (
sma_breakout)：基於簡單移動平均線的突破交易 - 可擴展框架：易於添加自定義交易策略
- 固定倉位 (
fixed_sizer)：固定交易數量 - 風險百分比 (
risk_pct_sizer)：基於賬戶資金的風險管理 - 突破倉位 (
breakout_sizer)：根據市場波動動態調整
- 總回報率和年化回報率
- 夏普比率和最大回撤
- 勝率和平均交易利潤
- 詳細的交易日誌和持倉分析
- 交互式 K 線圖表
- 實時交易信號顯示
- 持倉和資金曲線
- 可自定義的儀表板配置
- Python 3.8+
- MySQL 5.7+（可選，使用 Docker 時自動配置）
- Docker & Docker Compose（推薦）
# 克隆項目
git clone <repository-url>
cd project_stock
# 創建虛擬環境（推薦）
python -m venv venv
source venv/bin/activate # Linux/Mac
# 或在 Windows 上：venv\Scripts\activate
# 安裝依賴
pip install -r requirements.txt
# 配置數據庫
# 編輯 configs/config.py 中的數據庫設定# 構建並啟動容器
docker-compose up -d
# 容器中的服務：
# - MySQL: localhost:3306
# - API Server: http://localhost:5000# 基礎用法
python run_backtest.py
# 系統會：
# 1. 從 MySQL 加載歷史數據
# 2. 執行所選策略的回測
# 3. 生成性能報告
# 4. 輸出 HTML 可視化報告：backtest_report.html編輯 configs/config.py 來自定義你的回測參數：
config = {
# 交易對設定
"trading_pair": {
"symbol": "ETH/USDT",
"asset_type": "CRYPTO",
},
# 數據庫連接
"db_settings": {
"host": "localhost",
"port": 3306,
"user": "root",
"password": "[CHANGE_THIS]", # 請使用 .env 文件設置
"database": "stock_db",
},
# 技術指標
"market_data": {
"sma_period": [7, 25, 99],
"ema_period": [13, 39, 200],
},
# 交易策略
"strategy": {
"name": "ema_crossover", # 或 "sma_breakout"
"fast_period": 13,
"slow_period": 39,
},
# 倉位管理
"sizer": {
"name": "fixed", # 或 "risk_pct", "breakout"
"fixed_qty": 1,
},
}# 運行可視化 API 服務器
python visualization_api_server_v2.py
# 訪問 Web 界面
# 打開瀏覽器訪問 http://localhost:5000project_stock/
├── run_backtest.py # 回測主程序入口
├── visualization_api_server_v2.py # 可視化 API 服務器
├── requirements.txt # Python 依賴
├── Dockerfile & docker-compose.yaml # Docker 配置
│
├── configs/ # 配置模塊
│ ├── config.py # 主要配置參數
│ ├── validator.py # 配置驗證
│ └── visualization_config.json # 可視化配置
│
├── core/ # 核心交易引擎
│ ├── account/
│ │ ├── account.py # 賬戶管理
│ │ └── position.py # 持倉管理
│ ├── engine/
│ │ ├── backtester.py # 回測引擎核心
│ │ ├── executor.py # 交易執行邏輯
│ │ └── position_manager.py # 持倉結算
│ ├── strategy/
│ │ ├── strategy_base.py # 策略基類
│ │ ├── strategy_factory.py # 策略工廠
│ │ ├── ema_crossover.py # EMA 交叉策略
│ │ ├── sma_breakout.py # SMA 突破策略
│ │ └── signal.py # 交易信號
│ ├── sizing/
│ │ ├── sizer_base.py # 倉位基類
│ │ ├── sizer_factory.py # 倉位工廠
│ │ ├── fixed_sizer.py # 固定倉位
│ │ ├── risk_pct_sizer.py # 風險百分比倉位
│ │ └── breakout_sizer.py # 突破倉位
│ ├── metrics/
│ │ ├── performance.py # 性能分析
│ │ └── report_generator.py # 報告生成
│ └── utils/
│ ├── constants.py # 常量定義
│ ├── enums.py # 枚舉類型
│ ├── helpers.py # 工具函數
│ └── logger.py # 日誌配置
│
├── data/ # 數據模塊
│ ├── data_loader.py # 數據加載器
│ └── test_data.py # 測試數據
│
├── web/ # Web 應用
│ ├── main.py # Web 服務入口
│ └── visualization_config.html # 配置界面
│
├── stock_data_MySQL/ # MySQL 數據目錄（Docker 使用）
└── stock_ETL/ # 數據 ETL 處理
├── crypto_eth_etl.py # 以太坊 ETL
└── stock_tx_daily_prices_ETL.py # 股票 ETL
- backtester.py：主要的回測邏輯，按時間序列模擬交易
- executor.py：處理交易執行、成交價格和手續費
- position_manager.py：管理開倉、持倉和平倉
所有策略必須繼承 StrategyBase：
class StrategyBase:
def generate_signal(self, df: pd.DataFrame) -> Signal:
"""生成交易信號"""
pass新增策略步驟：
- 創建新文件實現
StrategyBase - 在
strategy_factory.py中註冊 - 在
config.py中配置使用
類似的工廠模式支持多種倉位管理策略。
回測完成後會生成 backtest_report.html，包含：
- 交易歷史和交易統計
- 資金曲線圖表
- 性能指標匯總
- 風險分析（最大回撤、夏普比率等）
# strategies/my_strategy.py
from core.strategy.strategy_base import StrategyBase
from core.strategy.signal import Signal
class MyStrategy(StrategyBase):
def __init__(self, params: dict):
super().__init__(params)
def generate_signal(self, df: pd.DataFrame) -> Signal:
# 你的策略邏輯
if some_condition:
return Signal.BUY
elif other_condition:
return Signal.SELL
return Signal.NONE在 strategy_factory.py 中註冊：
def get_strategy(name: str, params: dict):
strategies = {
"my_strategy": MyStrategy,
# ...
}
return strategies[name](params)在 configs/validator.py 中添加配置驗證邏輯，確保參數有效。
主要依賴庫：
- pandas: 數據處理和分析
- numpy: 數值計算
- Flask: Web API 服務器
- plotly: 交互式圖表
- PyMySQL: MySQL 數據庫連接
完整列表見 requirements.txt
# 構建鏡像
docker-compose build
# 啟動所有服務
docker-compose up -d
# 查看日誌
docker-compose logs -f
# 停止服務
docker-compose down
# 進入 MySQL
docker exec -it project_stock-mysql-1 mysql -u root -p系統日誌保存在 backtest.log，包含詳細的調試信息。
解決：檢查 configs/config.py 中的數據庫設定
- 確認 MySQL 服務正在運行
- 驗證用戶名和密碼
- Docker 用戶：確保 docker-compose 已啟動
解決：
- 運行 stock_ETL 文件夾中的 ETL 腳本載入數據
- 或在 configs/visualization_storage.py 中配置數據源
解決：
- 檢查 backtest.log 查看錯誤信息
- 確認策略生成了交易信號
- 驗證測試數據的日期範圍
歡迎提交 Issue 和 Pull Request！
- Fork 項目
- 創建功能分支 (
git checkout -b feature/AmazingFeature) - 提交更改 (
git commit -m 'Add some AmazingFeature') - 推送到分支 (
git push origin feature/AmazingFeature) - 開啟 Pull Request
本項目採用 MIT 許可。詳見 LICENSE 文件。
如有問題或建議，歡迎提交 Issue 或聯繫項目維護者。
| 任務 | 命令 |
|---|---|
| 運行回測 | python run_backtest.py |
| 啟動 API | python visualization_api_server_v2.py |
| Docker 部署 | docker-compose up -d |
| 安裝依賴 | pip install -r requirements.txt |
| 查看日誌 | tail -f backtest.log |
最後更新：2026 年 3 月 Python 版本：3.8+ 狀態：✅ 活躍開發中