第11章：策略回测与评估

完整的回测流程和评估体系是量化交易的关键。

学习目标

• ✅ 构建完整的回测系统
• ✅ 多策略对比分析
• ✅ 生成专业回测报告

11.1 回测系统架构

系统组件

class BacktestSystem:
    """完整回测系统"""
    
    def __init__(self, data, strategy, initial_capital=1000000):
        self.data = data
        self.strategy = strategy
        self.initial_capital = initial_capital
        
        # 组件
        self.data_module = DataModule(data)
        self.strategy_module = StrategyModule(strategy)
        self.execution_module = ExecutionModule()
        self.analysis_module = AnalysisModule()
    
    def run(self):
        """运行回测"""
        # 1. 数据准备
        processed_data = self.data_module.process()
        
        # 2. 生成信号
        signals = self.strategy_module.generate_signals(processed_data)
        
        # 3. 执行交易
        trades = self.execution_module.execute(signals)
        
        # 4. 分析结果
        results = self.analysis_module.analyze(trades)
        
        return results

11.2 多策略对比

策略对比框架

def compare_strategies(data, strategies):
    """对比多策略"""
    results = {}
    
    for name, strategy in strategies.items():
        backtest = BacktestSystem(data, strategy)
        backtest_results = backtest.run()
        
        results[name] = {
            'total_return': backtest_results['total_return'],
            'sharpe_ratio': backtest_results['sharpe_ratio'],
            'max_drawdown': backtest_results['max_drawdown'],
            'win_rate': backtest_results['win_rate']
        }
    
    return pd.DataFrame(results).T

可视化对比

def plot_comparison(results):
    """可视化对比"""
    fig, axes = plt.subplots(2, 2, figsize=(14, 10))
    
    # 收益率对比
    axes[0, 0].bar(results.index, results['total_return'])
    axes[0, 0].set_title('总收益率对比')
    
    # 夏普比率对比
    axes[0, 1].bar(results.index, results['sharpe_ratio'])
    axes[0, 1].set_title('夏普比率对比')
    
    # 回撤对比
    axes[1, 0].bar(results.index, results['max_drawdown'])
    axes[1, 0].set_title('最大回撤对比')
    
    # 风险收益散点图
    axes[1, 1].scatter(results['max_drawdown'], results['total_return'])
    axes[1, 1].set_title('风险-收益分布')
    
    plt.tight_layout()
    plt.show()

11.3 回测报告生成

HTML报告

def generate_backtest_report(results, output_file='report.html'):
    """生成回测报告"""
    import plotly.graph_objects as go
    
    # 创建图表
    fig = make_subplots(
        rows=3, cols=1,
        subplot_titles=('净值曲线', '回撤', '持仓')
    )
    
    # 净值曲线
    fig.add_trace(go.Scatter(y=results['cumulative'], name='策略净值'), row=1, col=1)
    
    # 回撤
    fig.add_trace(go.Scatter(y=results['drawdown'], name='回撤'), row=2, col=1)
    
    # 持仓
    fig.add_trace(go.Scatter(y=results['positions'], name='持仓'), row=3, col=1)
    
    # 保存
    fig.write_html(output_file)

PDF报告

def generate_pdf_report(results, output_file='report.pdf'):
    """生成PDF报告"""
    from fpdf import FPDF
    
    pdf = FPDF()
    pdf.add_page()
    
    # 标题
    pdf.set_font('Arial', 'B', 16)
    pdf.cell(0, 10, '回测报告', ln=True)
    
    # 指标摘要
    pdf.set_font('Arial', '', 12)
    pdf.cell(0, 10, f"总收益率：{results['total_return']:.2%}", ln=True)
    pdf.cell(0, 10, f"夏普比率：{results['sharpe_ratio']:.2f}", ln=True)
    pdf.cell(0, 10, f"最大回撤：{results['max_drawdown']:.2%}", ln=True)
    
    pdf.output(output_file)

11.4 过拟合检验

样本外测试

def out_of_sample_test(data, strategy, train_ratio=0.7):
    """样本外测试"""
    split = int(len(data) * train_ratio)
    
    # 训练集
    train_data = data[:split]
    train_results = backtest(train_data, strategy)
    
    # 测试集
    test_data = data[split:]
    test_results = backtest(test_data, strategy)
    
    print(f"训练集收益：{train_results['return']:.2%}")
    print(f"测试集收益：{test_results['return']:.2%}")
    print(f"性能衰减：{(test_results['return'] / train_results['return'] - 1):.2%}")

本文节选自《AI量化交易从入门到精通》第11章
完整内容请访问代码仓：book_writing/part3_practice/part11_backtest_eval/README.md