AKShare 策略示例
本策略示例文档的主要目的是为了方便的展示 AKShare 的数据接口 调用、基本的数据处理和回测框架使用，并不涉及任何投资建议，提供的示例代码也仅供参考。
本策略示例是基于 Python 编程语言的开源投研和交易框架 PyBroker 和 Backtrader 来演示！ 注意：本教程的开发是基于：Python (64 位) 3.12.4 来进行的
AKQuant 介绍（强烈推荐）
AKQuant 是一款专为量化投研 (Quantitative Research) 打造的高性能混合架构引擎。它以 Rust 铸造极速撮合内核，以 Python 链接数据与 AI 生态，旨在为量化投资者提供可靠高效的解决方案。 它超越了传统工具的范畴，将事件驱动、机器学习与生产级风控深度融合，让量化交易不再受限于计算性能，专注于策略本身的逻辑与价值。
AKQuant 安装
AKQuant 支持在 Windows、macOS 和 Linux 中的 Python 3.10（建议使用 Python 3.13）及以上版本使用。其安装非常简单，
只需要 pip install akquant 就可以实现一键安装。
AKQuant 教程
AKShare 拥有最齐全的量化投研和使用文档，请访问：AKQuant
AKQuant 策略示例
import akquant as aq
import akshare as ak
from akquant import Strategy
# 1. 准备数据
# 使用 akshare 获取 A 股历史数据 (需安装: pip install akshare)
df = ak.stock_zh_a_daily(symbol="sh600000", start_date="20230101", end_date="20231231")
class MyStrategy(Strategy):
def on_bar(self, bar):
# 简单策略示例:
# 当收盘价 > 开盘价 (阳线) -> 买入
# 当收盘价 < 开盘价 (阴线) -> 卖出
# 获取当前持仓
current_pos = self.get_position(bar.symbol)
if current_pos == 0 and bar.close > bar.open:
self.buy(bar.symbol, 100)
print(f"[{bar.timestamp_str}] Buy 100 at {bar.close:.2f}")
elif current_pos > 0 and bar.close < bar.open:
self.close_position(bar.symbol)
print(f"[{bar.timestamp_str}] Sell 100 at {bar.close:.2f}")
# 运行回测
result = aq.run_backtest(
data=df,
strategy=MyStrategy,
symbol="sh600000"
)
# 打印回测结果
print("\n=== Backtest Result ===")
print(result.metrics_df)
运行结果示例:
=== Backtest Result ===
value
name
start_time 2023-01-03 00:00:00+08:00
end_time 2023-12-29 00:00:00+08:00
duration 360 days, 0:00:00
total_bars 242
trade_count 56.0
initial_market_value 1000000.0
end_market_value 999433.06461
total_pnl 17.0
unrealized_pnl 2.0
total_return_pct -0.056694
annualized_return -0.000575
volatility 0.000091
total_profit 175.0
total_loss -158.0
total_commission 585.93539
max_drawdown 566.93539
max_drawdown_pct 0.056694
win_rate 33.928571
loss_rate 66.071429
winning_trades 19.0
losing_trades 37.0
avg_pnl 0.303571
avg_return_pct 0.042808
avg_trade_bars 1.946429
avg_profit 9.210526
avg_profit_pct 1.269445
avg_winning_trade_bars 2.789474
avg_loss -4.27027
avg_loss_pct -0.587086
avg_losing_trade_bars 1.513514
largest_win 45.0
largest_win_pct 6.016043
largest_win_bars 4.0
largest_loss -33.0
largest_loss_pct -4.441454
largest_loss_bars 1.0
max_wins 3.0
max_losses 7.0
sharpe_ratio -6.320253
sortino_ratio -6.831061
profit_factor 1.107595
ulcer_index 0.000307
upi -1.874895
equity_r2 0.981117
std_error 22.958262
calmar_ratio -1.013885
exposure_time_pct 45.867769
var_95 -0.000009
var_99 -0.000019
cvar_95 -0.000015
cvar_99 -0.000025
sqn 0.20869
kelly_criterion 0.032959
PyBroker 介绍
你是否希望借助 Python 和机器学习的力量来优化您的交易策略？ 那么你需要了解一下 PyBroker！这个 Python 框架专为开发算法交易策略而设计， 尤其关注使用机器学习的策略。借助 PyBroker，你可以轻松创建和微调交易规则， 构建强大的模型，并深入了解你的策略表现。
PyBroker 安装
PyBroker 支持在 Windows、macOS 和 Linux 中的 Python 3.9（建议使用 Python 3.11）及以上版本使用。其安装非常简单，
只需要 pip install lib-pybroker 就可以实现一键安装。
PyBroker 系列教程
PyBroker 策略示例
# 导入所需的库和模块
import pybroker as pb
from pybroker import Strategy, ExecContext
from pybroker.ext.data import AKShare
# 定义全局参数 "stock_code"（股票代码）、"percent"（持仓百分比）和 "stop_profit_pct"（止盈百分比）
pb.param(name='stock_code', value='600000')
pb.param(name='percent', value=1)
pb.param(name='stop_loss_pct', value=10)
pb.param(name='stop_profit_pct', value=10)
# 初始化 AKShare 数据源
akshare = AKShare()
# 使用 AKShare 数据源查询特定股票（由 "stock_code" 参数指定）在指定日期范围内的数据
df = akshare.query(symbols=[pb.param(name='stock_code')], start_date='20200131', end_date='20230228')
# 定义交易策略：如果当前没有持有该股票，则买入股票，并设置止盈点位
def buy_with_stop_loss(ctx: ExecContext):
pos = ctx.long_pos()
if not pos:
# 计算目标股票数量，根据 "percent" 参数确定应购买的股票数量
ctx.buy_shares = ctx.calc_target_shares(pb.param(name='percent'))
ctx.hold_bars = 100
else:
ctx.sell_shares = pos.shares
# 设置止盈点位，根据 "stop_profit_pct" 参数确定止盈点位
ctx.stop_profit_pct = pb.param(name='stop_profit_pct')
# 创建策略配置，初始资金为 500000
my_config = pb.StrategyConfig(initial_cash=500000)
# 使用配置、数据源、起始日期、结束日期，以及刚才定义的交易策略创建策略对象
strategy = Strategy(akshare, start_date='20200131', end_date='20230228', config=my_config)
# 添加执行策略，设置股票代码和要执行的函数
strategy.add_execution(fn=buy_with_stop_loss, symbols=[pb.param(name='stock_code')])
# 执行回测，并打印出回测结果的度量值（四舍五入到小数点后四位）
result = strategy.backtest()
print(result.metrics_df.round(4))
Loading bar data...
Loaded bar data: 0:00:00
Backtesting: 2020-01-31 00:00:00 to 2023-02-28 00:00:00
Loading bar data...
Loaded bar data: 0:00:00
Test split: 2020-02-03 00:00:00 to 2023-02-28 00:00:00
100% (748 of 748) |######################| Elapsed Time: 0:00:00 Time: 0:00:00
Finished backtest: 0:00:03
name value
0 trade_count 373.0000
1 initial_market_value 500000.0000
2 end_market_value 467328.0900
3 total_pnl -33322.7800
4 unrealized_pnl 650.8700
5 total_return_pct -6.6646
6 total_profit 530528.5100
7 total_loss -563851.2900
8 total_fees 0.0000
9 max_drawdown -113004.2700
10 max_drawdown_pct -20.2704
11 win_rate 45.9215
12 loss_rate 54.0785
13 winning_trades 152.0000
14 losing_trades 179.0000
15 avg_pnl -89.3372
16 avg_return_pct -0.0160
17 avg_trade_bars 1.0000
18 avg_profit 3490.3191
19 avg_profit_pct 0.6958
20 avg_winning_trade_bars 1.0000
21 avg_loss -3150.0072
22 avg_loss_pct -0.6241
23 avg_losing_trade_bars 1.0000
24 largest_win 31157.9400
25 largest_win_pct 5.9200
26 largest_win_bars 1.0000
27 largest_loss -12682.6000
28 largest_loss_pct -2.3100
29 largest_loss_bars 1.0000
30 max_wins 8.0000
31 max_losses 7.0000
32 sharpe -0.0132
33 sortino -0.0231
34 profit_factor 0.9638
35 ulcer_index 1.7639
36 upi -0.0039
37 equity_r2 0.5876
38 std_error 27448.1177
Backtrader 介绍
Backtrader 是基于 Python 编程语言的主要用于量化投资开源回测和交易的框架，可以用于多种资产的回测。 目前，Backtrader 可以用于实现股票、期货、期权、外汇、加密货币等资产的回测，同时该开源框架也有强大的第三方社区支持，目前已经实现了 基于 IB、Oanda、VC、CCXT、MT5 等接口量化交易，随着该框架的流行，后期会有更多的小伙伴提供更多的第三方模块，学习和使用该框架是一个不错的选择！
Backtrader 下载和安装
Backtrader 的下载和安装都比较简单，尤其是在配置好 AKShare 的
基础上，我们只需要 pip install backtrader 就可以实现一键安装。如果需要了解 AKShare 的
环境配置，请参考 AKShare 环境配置 来设置本地环境。想要通过源码来安装的小伙伴，可以访问 Backtrader 的 GitHub 地址 来下
载安装，由于源码安装比较繁琐，建议直接通过 pip 或 conda 来安装和使用。需要注意的是如果要输出图形，请安装 pip install matplotlib==3.2.2
Backtrader 系列教程
Backtrader 策略教程
基本策略
代码
from datetime import datetime
import backtrader as bt # 升级到最新版
import matplotlib.pyplot as plt # 由于 Backtrader 的问题，此处要求 pip install matplotlib==3.2.2
import akshare as ak # 升级到最新版
import pandas as pd
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
# 利用 AKShare 获取股票的后复权数据，这里只获取前 7 列
stock_hfq_df = ak.stock_zh_a_hist(symbol="000001", adjust="hfq").iloc[:, :7]
# 删除 `股票代码` 列
del stock_hfq_df['股票代码']
# 处理字段命名，以符合 Backtrader 的要求
stock_hfq_df.columns = [
'date',
'open',
'close',
'high',
'low',
'volume',
]
# 把 date 作为日期索引，以符合 Backtrader 的要求
stock_hfq_df.index = pd.to_datetime(stock_hfq_df['date'])
class MyStrategy(bt.Strategy):
"""
主策略程序
"""
params = (("maperiod", 20),) # 全局设定交易策略的参数
def __init__(self):
"""
初始化函数
"""
self.data_close = self.datas[0].close # 指定价格序列
# 初始化交易指令、买卖价格和手续费
self.order = None
self.buy_price = None
self.buy_comm = None
# 添加移动均线指标
self.sma = bt.indicators.SimpleMovingAverage(
self.datas[0], period=self.params.maperiod
)
def next(self):
"""
执行逻辑
"""
if self.order: # 检查是否有指令等待执行,
return
# 检查是否持仓
if not self.position: # 没有持仓
if self.data_close[0] > self.sma[0]: # 执行买入条件判断：收盘价格上涨突破20日均线
self.order = self.buy(size=100) # 执行买入
else:
if self.data_close[0] < self.sma[0]: # 执行卖出条件判断：收盘价格跌破20日均线
self.order = self.sell(size=100) # 执行卖出
cerebro = bt.Cerebro() # 初始化回测系统
start_date = datetime(1991, 4, 3) # 回测开始时间
end_date = datetime(2020, 6, 16) # 回测结束时间
data = bt.feeds.PandasData(dataname=stock_hfq_df, fromdate=start_date, todate=end_date) # 加载数据
cerebro.adddata(data) # 将数据传入回测系统
cerebro.addstrategy(MyStrategy) # 将交易策略加载到回测系统中
start_cash = 1000000
cerebro.broker.setcash(start_cash) # 设置初始资本为 100000
cerebro.broker.setcommission(commission=0.002) # 设置交易手续费为 0.2%
cerebro.run() # 运行回测系统
port_value = cerebro.broker.getvalue() # 获取回测结束后的总资金
pnl = port_value - start_cash # 盈亏统计
print(f"初始资金: {start_cash}\n回测期间：{start_date.strftime('%Y%m%d')}:{end_date.strftime('%Y%m%d')}")
print(f"总资金: {round(port_value, 2)}")
print(f"净收益: {round(pnl, 2)}")
cerebro.plot(style='candlestick') # 画图
结果
初始资金: 1000000
回测期间：20000101:20200421
总资金: 1010238.65
净收益: 10238.65
可视化
参数优化
代码
from datetime import datetime
import akshare as ak
import backtrader as bt
import matplotlib.pyplot as plt # 由于 Backtrader 的问题，此处要求 pip install matplotlib==3.2.2
import pandas as pd
plt.rcParams["font.sans-serif"] = ["SimHei"] # 设置画图时的中文显示
plt.rcParams["axes.unicode_minus"] = False # 设置画图时的负号显示
class MyStrategy(bt.Strategy):
"""
主策略程序
"""
params = (("maperiod", 20),
('printlog', False),) # 全局设定交易策略的参数, maperiod是 MA 均值的长度
def __init__(self):
"""
初始化函数
"""
self.data_close = self.datas[0].close # 指定价格序列
# 初始化交易指令、买卖价格和手续费
self.order = None
self.buy_price = None
self.buy_comm = None
# 添加移动均线指标
self.sma = bt.indicators.SimpleMovingAverage(
self.datas[0], period=self.params.maperiod
)
def next(self):
"""
主逻辑
"""
# self.log(f'收盘价, {data_close[0]}') # 记录收盘价
if self.order: # 检查是否有指令等待执行,
return
# 检查是否持仓
if not self.position: # 没有持仓
# 执行买入条件判断：收盘价格上涨突破15日均线
if self.data_close[0] > self.sma[0]:
self.log("BUY CREATE, %.2f" % self.data_close[0])
# 执行买入
self.order = self.buy()
else:
# 执行卖出条件判断：收盘价格跌破15日均线
if self.data_close[0] < self.sma[0]:
self.log("SELL CREATE, %.2f" % self.data_close[0])
# 执行卖出
self.order = self.sell()
def log(self, txt, dt=None, do_print=False):
"""
Logging function fot this strategy
"""
if self.params.printlog or do_print:
dt = dt or self.datas[0].datetime.date(0)
print('%s, %s' % (dt.isoformat(), txt))
def notify_order(self, order):
"""
记录交易执行情况
"""
# 如果 order 为 submitted/accepted,返回空
if order.status in [order.Submitted, order.Accepted]:
return
# 如果order为buy/sell executed,报告价格结果
if order.status in [order.Completed]:
if order.isbuy():
self.log(
f"买入:\n价格:{order.executed.price},\
成本:{order.executed.value},\
手续费:{order.executed.comm}"
)
self.buyprice = order.executed.price
self.buycomm = order.executed.comm
else:
self.log(
f"卖出:\n价格：{order.executed.price},\
成本: {order.executed.value},\
手续费{order.executed.comm}"
)
self.bar_executed = len(self)
# 如果指令取消/交易失败, 报告结果
elif order.status in [order.Canceled, order.Margin, order.Rejected]:
self.log("交易失败")
self.order = None
def notify_trade(self, trade):
"""
记录交易收益情况
"""
if not trade.isclosed:
return
self.log(f"策略收益：\n毛收益 {trade.pnl:.2f}, 净收益 {trade.pnlcomm:.2f}")
def stop(self):
"""
回测结束后输出结果
"""
self.log("(MA均线： %2d日) 期末总资金 %.2f" % (self.params.maperiod, self.broker.getvalue()), do_print=True)
def main(code="600070", start_cash=1000000, stake=100, commission_fee=0.001):
cerebro = bt.Cerebro() # 创建主控制器
cerebro.optstrategy(MyStrategy, maperiod=range(3, 31)) # 导入策略参数寻优
# 利用 AKShare 获取股票的后复权数据，这里只获取前 7 列
stock_hfq_df = ak.stock_zh_a_hist(symbol=code, adjust="hfq", start_date='20000101', end_date='20210617').iloc[:, :7]
# 删除 `股票代码` 列
del stock_hfq_df['股票代码']
# 处理字段命名，以符合 Backtrader 的要求
stock_hfq_df.columns = [
'date',
'open',
'close',
'high',
'low',
'volume',
]
# 把 date 作为日期索引，以符合 Backtrader 的要求
stock_hfq_df.index = pd.to_datetime(stock_hfq_df['date'])
start_date = datetime(1991, 4, 3) # 回测开始时间
end_date = datetime(2021, 6, 16) # 回测结束时间
data = bt.feeds.PandasData(dataname=stock_hfq_df, fromdate=start_date, todate=end_date) # 规范化数据格式
cerebro.adddata(data) # 将数据加载至回测系统
cerebro.broker.setcash(start_cash) # broker设置资金
cerebro.broker.setcommission(commission=commission_fee) # broker手续费
cerebro.addsizer(bt.sizers.FixedSize, stake=stake) # 设置买入数量
print("期初总资金: %.2f" % cerebro.broker.getvalue())
cerebro.run(maxcpus=1) # 用单核 CPU 做优化
print("期末总资金: %.2f" % cerebro.broker.getvalue())
if __name__ == '__main__':
main(code="600070", start_cash=1000000, stake=100, commission_fee=0.001)
结果
期初总资金: 1000000.00
2020-06-12, (MA均线： 3日) 期末总资金 1004105.69
2020-06-12, (MA均线： 4日) 期末总资金 1002384.49
2020-06-12, (MA均线： 5日) 期末总资金 1002063.96
2020-06-12, (MA均线： 6日) 期末总资金 1002113.63
2020-06-12, (MA均线： 7日) 期末总资金 1001715.32
2020-06-12, (MA均线： 8日) 期末总资金 999702.60
2020-06-12, (MA均线： 9日) 期末总资金 1001658.65
2020-06-12, (MA均线： 10日) 期末总资金 999698.63
2020-06-12, (MA均线： 11日) 期末总资金 1003370.08
2020-06-12, (MA均线： 12日) 期末总资金 1002183.37
2020-06-12, (MA均线： 13日) 期末总资金 1006154.29
2020-06-12, (MA均线： 14日) 期末总资金 1007900.55
2020-06-12, (MA均线： 15日) 期末总资金 1008421.63
2020-06-12, (MA均线： 16日) 期末总资金 1008708.77
2020-06-12, (MA均线： 17日) 期末总资金 1008734.88
2020-06-12, (MA均线： 18日) 期末总资金 1010371.15
2020-06-12, (MA均线： 19日) 期末总资金 1010186.34
2020-06-12, (MA均线： 20日) 期末总资金 1010201.81
2020-06-12, (MA均线： 21日) 期末总资金 1010782.44
2020-06-12, (MA均线： 22日) 期末总资金 1011271.23
2020-06-12, (MA均线： 23日) 期末总资金 1011711.92
2020-06-12, (MA均线： 24日) 期末总资金 1012475.96
2020-06-12, (MA均线： 25日) 期末总资金 1010726.64
2020-06-12, (MA均线： 26日) 期末总资金 1012502.74
2020-06-12, (MA均线： 27日) 期末总资金 1011219.53
2020-06-12, (MA均线： 28日) 期末总资金 1013569.11
2020-06-12, (MA均线： 29日) 期末总资金 1014176.30
2020-06-12, (MA均线： 30日) 期末总资金 1014076.32
期末总资金: 1014076.32