不再纠结量化回测框架

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了不再纠结量化回测框架，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含3189字，纯文字阅读大概需要5分钟。

内容图文

不再纠结量化回测框架

写在前面：本文主要结合自身经历，阐述不再纠结量化回测框架的原因。

目录：

1. 什么是量化投资
2. 自省与执着
3. 拥抱开源

正文:

1. 什么是量化投资

量化投资，指的是通过编程，将投资理念、投资策略、投资方法代码化，结合数据进行分析，来验证投资想法是否可行。他的基本假设是历史会重复，通过历史数据进行回测，站在过去某个时间节点作出投资决策，若能盈利，则认为该投资想法在未来也能持续盈利。

量化投资，是一门结合金融、计算机、数学的艺术。要学的东西太多太多，且每一个学科展开来都够学一辈子。平均发力，均衡发展只会变得平庸，但是专攻某科，又容易缺胳膊少腿。所以最优的策略是：在掌握足够的基础知识后，多借助外力，利用这个大信息网络时代，汲取前人的优秀经验，站在巨人的肩膀上，避免总是重复造轮子。再根据二八定律，将精力放在那对成功最有力的20%的事情上面。

2. 自省与执着

结合自身经验，我接触量化投资领域也挺长时间了，但这两年更多的是专精了计算机领域的知识，相较之下，金融和数学方面略显的捉襟见肘。究其原因，主要有以下两个方面：

2.1 外部原因：量化学习资源匮乏

在2017年，量化投资在国内刚起步，相关行业信息只能通过知乎获取，还有国外的网站Quantstart。但大部分的内容都是浅尝则止。那时候vnpy刚开源，聚宽、米筐等各种量化平台也才刚刚开始。

2.2 内在原因：执着技术，盲目自信

基于从小对计算机的热爱，自学编程。从最初希望通过写代码，替代重复枯燥的Excel分析，到后面不断通过不同的编程语言写量化回测框架和组件，渐渐掌握了C++、Python，Javascript等编程语言，还有前端、后端、运维等技术。已经能做到想要的功能都可以实现，只是工作量问题和时间成本问题。

而一直执着于量化回测框架，一是当时可以借着这个项目学习编程，二是盲目自信，或者说考虑到策略保密性和灵活性、回测计算准确性，不够信任开源的或者在线的量化平台。

因为量化回测，每一笔交易都是钱，需要保证计算足够准确，若不准确，看不到撮合逻辑，跑出来再好看的结果也没用。但事实上，回测根本就不可能足够准确，考虑到实盘交易时的冲击成本、回测过程中的前提假设，基本要对最终的回测结果打点折扣，或者条件设得更加苛刻。再加上当时一直信奉成熟的私募都会自己搭建平台，自己搭建平台也就成了顺理成章的事情。

殊不知，想写个好用、顺手、计算准确、功能完备的回测框架，花的时间动不动就要以月甚至年的时间单位来计算，还在需要后续使用的过程中不断修改、重构、debug，甚至为添加一开始没有考虑到的功能而一切推翻重写。随便举些例子，比如保证数据存储和导入的简单易用且高效省内存，如何实现多品种、多周期、跨周期回测，向量型回测还是事件驱动型回测，事件驱动型中的多线程或者多进程引擎应如何设计，又如何相互通信，各技术指标又如何计算，撮合逻辑是怎样，市价单、限价单、止盈止损、追踪止损功能该如何设计，回测结果又该如何展示，如何展示买卖点、增加图表互动性实现策略开发流程中的快速反馈等等。当然在初期，自己写回测框架是好事，能够对回测中需要考虑到的各种各样的问题能有深刻的认知和理解。但这已经是软件工程方面的范畴，研究中很容易各种陷入细节中，就像脑筋急转弯一样。更何况量化投资，一旦开始研究策略，会发现大部分时间都花在清洗数据、查看文献、验证投资逻辑上面，同时还要关注时事新闻和宏观经济方面，时间就是金钱。

3. 拥抱开源

所以现在，是时候拥抱开源的成熟量化框架了，开源框架有很多，我主推vnpy和Backtrader。从Github上的Star上看框架都是受到人们认可的，同时也经历了时间的沉淀，能够给予充分的信任。如果遇到问题，还能网上看别人分享的经验，或者向社区求助。作为开源框架，自身也会不断完善，让别人帮忙debug，相当于延长了自己的生命，把时间花在其他更重要的事情上面。在使用过程中可以再在框架基础上添加自己想要的功能，真是大型真香现场。

内容总结

以上是互联网集市为您收集整理的不再纠结量化回测框架全部内容，希望文章能够帮你解决不再纠结量化回测框架所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---