加密货币投资回测系统

基于 EMA 通道策略的多市场投资回测 Python 脚本，支持加密货币、美股、港股、A股等多种市场的历史数据回测，可配置回测周期、不同 K 线数据类型，并提供详细的回测结果分析和可视化。

by Kong'

功能特性

🚀 核心功能

• 多市场支持：支持加密货币、美股、港股、A股等多种市场 (A 股尚未支持指数数据)
• 多代币支持: 支持主流加密货币（BTC, ETH, BNB, ADA, SOL等）
• 灵活时间配置: 支持自定义回测开始和结束时间
• 多时间框架: 支持1分钟到1个月的各种K线周期
• EMA通道策略: 基于指数移动平均线通道的交易策略
• 参数优化: 支持对比不同EMA周期参数的收益率
• 详细报告: 生成完整的回测报告和可视化图表

📊 分析指标

• 收益指标: 总收益率、年化收益率、复合年增长率(CAGR)
• 风险指标: 最大回撤、波动率、夏普比率、索提诺比率
• 交易统计: 交易次数、胜率、平均持仓时间、盈利因子
• 交易详情: 每笔交易的时间、价格、数量等
• 基准对比: 与买入持有策略的对比分析
• 可视化图表: 价格走势、EMA通道、交易信号等

📈 可视化图表

• 价格走势与交易信号图
• 权益曲线与回撤分析图
• EMA参数对比分析图 (终端)
• 月度收益热力图 (还未在 HTML 报告中展示)

数据源

• yfinance: 支持美股、港股、加密货币
• binance: 支持加密货币
• akshare: 支持 A 股数据

TODO

• 支持 CoinGecko 数据源
• 支持 A 股指数数据回测
• 在 HTML 报告中展示多个通道比对分析
• 在 HTML 报告中展示月度收益热力图
• 支持其他策略

安装指南

环境要求

• Python 3.8+
• pip 包管理器

安装步骤

1. 克隆项目

git clone <repository-url>
cd backtest

2. 创建虚拟环境（推荐）

python -m venv venv
source venv/bin/activate  # Linux/Mac
# 或
venv\Scripts\activate     # Windows

3. 安装依赖

pip install -r requirements.txt

4. 安装TA-Lib（可选，用于技术指标计算）

MacOS:

brew install ta-lib
pip install TA-Lib

Ubuntu/Debian:

sudo apt-get install libta-lib-dev
pip install TA-Lib

Windows:

• 下载预编译的whl文件：https://www.lfd.uci.edu/~gohlke/pythonlibs/#ta-lib
• 安装：pip install TA_Lib‑0.4.25‑cp39‑cp39‑win_amd64.whl

使用指南

命令行参数

参数	类型	默认值	说明
--symbol, -s	str	-	交易对/股票代码 (例如: BTC, ETH, AAPL, 0700, 600519, sh000001)
--market-type, -m	str	auto	市场类型 (crypto/us_stock/hk_stock/cn_stock/h_stock，自动判断如果未指定)
--data-source, -d	str	yfinance	数据源 (yfinance/binance/akshare)
--start-date	str	-	回测开始日期 (格式: YYYY-MM-DD)
--end-date	str	-	回测结束日期 (格式: YYYY-MM-DD)
--interval, -i	str	1d	K线时间间隔 (1h/4h/1d)
--ema, -e	str	-	EMA周期参数，支持单个值或逗号分隔的多个值 (例如: 33 或 20,30,33)
--initial-capital	float	10000	初始资金
--commission	float	0.001	交易手续费率 (0.001 即 0.1%)
--output-dir	str	./results	结果输出目录
--save-plots	flag	False	保存图表到文件
--verbose, -v	flag	False	详细输出模式
--web-report, -w	flag	False	生成Web格式的回测报告
--auto-open	flag	False	自动在浏览器中打开Web报告 (需要配合 --web-report 使用)

基本用法

加密货币回测:

python main.py --symbol BTC --market-type crypto --start-date 2022-12-06 --end-date 2025-07-20 --interval 1d --ema 39 --web-report --auto-open # 单个EMA参数回测, 生成 Web 报告并自动打开
python main.py --symbol BTC --data-source binance --start-date 2022-12-06 --end-date 2025-07-20 --interval 1d --ema 20,30,40 # 多个EMA参数对比, 指定数据来源binance

美股回测:

python main.py --symbol AAPL --market-type us_stock --start-date 2024-01-01 --end-date 2024-12-31 --ema 33
python main.py --symbol TSLA --market-type us_stock --start-date 2023-01-01 --end-date 2024-01-01 --ema 20,33

港股回测:

python main.py --symbol 0700 --market-type hk_stock --start-date 2024-01-01 --end-date 2024-12-31 --ema 33

A股回测:

python main.py --symbol 600519 --market-type cn_stock --data-source akshare --start-date 2024-01-01 --end-date 2024-12-31 --ema 33

自动市场类型判断

系统支持根据股票代码自动判断市场类型：

• 加密货币: BTC, ETH 等已知代币符号
• 美股: 字母组合，长度≤5（如AAPL, TSLA）
• 港股: 4位数字或.HK后缀（如0700, 9988.HK）
• A股: 6位数字或 sh/sz 开头或 .SH/.SZ 后缀（如600519, sh000001, 000001.SZ）

数据源自动选择

系统会根据市场类型自动选择合适的数据源：

• 加密货币: 优先yfinance，备选binance
• 美股: yfinance
• 港股: yfinance
• A股: akshare
• H股: yfinance

支持的时间间隔

间隔	说明
1m	1分钟
5m	5分钟
15m	15分钟
30m	30分钟
1h	1小时
4h	4小时
1d	1天
1wk	1周
1mo	1月

策略说明

EMA通道策略

本系统实现的是基于指数移动平均线(EMA)通道的交易策略：

策略逻辑:

1. 计算EMA指标
2. 构建EMA通道
3. 交易信号：
   • 买入信号: 收盘价突破通道上轨
   • 卖出信号: 收盘价跌破通道下轨
4. 无止盈止损，完全基于信号交易

策略特点:

• 趋势跟踪策略
• 适合中长期持有
• 减少频繁交易
• 可配置EMA周期参数

输出结果

控制台输出

• 回测进度显示
• 详细的性能指标
• 风险分析结果
• 交易统计信息
• EMA参数对比分析

文件输出

• 图表文件: PNG格式的可视化图表
• 数据文件: CSV格式的详细交易记录
• 报告文件: HTML格式的详细回测报告

示例输出

================================================================================
多市场投资回测系统
================================================================================
交易对/股票代码: BTC
市场类型: crypto (加密货币)
数据源: yfinance
回测期间: 2022-12-06 至 2025-07-20
时间间隔: 1d
EMA参数: [39]
初始资金: $10,000.00
手续费率: 0.100%

============================================================
EMA39 策略回测结果摘要
============================================================

📈 性能指标:
  初始资金: $10,000.00
  最终资金: $40,808.91
  总收益率: 308.09%
  年化收益率: 71.14%
  复合年增长率: 71.14%
  盈利因子: 4.97

⚠️  风险指标:
  最大回撤: -27.13%
  夏普比率: 1.34
  索提诺比率: 1.84
  卡尔玛比率: 2.62
  波动率: 31.18%

💼 交易统计:
  总交易次数: 39
  完整交易对: 19
  胜率: 36.84%
  平均交易收益: 8.50%
  最佳交易: 47.14%
  最差交易: -7.35%
  平均持仓天数: 30.9

📋 交易详情:
序号     时间                   类型     价格           数量              交易额          手续费       
-------------------------------------------------------------------------------------
1      2022-12-08 00:00:00  BUY    $17233.47    0.579686        $9990.01     $9.99     
2      2022-12-16 00:00:00  SELL   $16647.48    0.579686        $9650.32     $9.65     
...   
38     2025-06-21 00:00:00  SELL   $102257.41   0.357965        $36604.54    $36.60    
39     2025-06-23 00:00:00  BUY    $105577.77   0.346014        $36531.41    $36.53    

📊 基准比较:
  买入持有收益: 590.13%
  策略超额收益: -282.04%
  信息比率: -0.68
  ❌ 策略跑输基准

📉 回撤分析:
  最大回撤: -27.13%
  平均回撤: -11.42%
  回撤次数: 42
  最长回撤天数: 242
  当前回撤: -1.59%

注意事项

数据源限制

• yfinance: 免费但有请求频率限制，部分数据有缺失，数据质量不稳定
• akshare: 数据源质量不稳定，部分数据接口返回数据量有限
• binance: 仅支持在币安上架的代币

性能考虑

• 大量历史数据可能需要较长加载时间
• 多参数对比会增加计算时间
• 建议先用较短时间段测试

风险提示

• 本系统仅用于教育和研究目的
• 历史回测结果不代表未来表现
• 实际交易请谨慎考虑风险
• 建议结合其他分析方法

常见问题

Q: 如何添加新的交易对？

A: 在 src/config.py 的 SUPPORTED_SYMBOLS 中添加新的交易对符号。

Q: 如何修改EMA通道宽度？

A: 在 src/strategy.py 的 EMAChannelStrategy 类中修改 channel_width 参数。

Q: 如何添加止盈止损？

A: 在 src/strategy.py 中的 generate_signals 方法中添加止盈止损逻辑。

Q: 数据获取失败怎么办？

A: 检查网络连接，尝试更换数据源，或减少数据请求频率。

免责声明: 本软件仅供教育和研究使用，不构成投资建议。使用者应自行承担投资风险。