【历史文档】策略-策略回测

图3{w:100}{w:100} \n 具体而言，回测程序在第一根K线上会依次调用初始化函数、数据准备函数、盘前处理函数和主函数，从第二根K线起的每根K线会依次调用盘前处理函数和主函数。 \n 注意：最左侧黑色箭头表示只会在第一根K线会执行一次初始化函数。而每根K线上的灰箭头代表每根K线都会执行一次主函数。

函数详解

{w:100}{w:100}

初始化函数：通常设置手续费、滑点、买卖股票数量、换仓周期等全局变量。数据准备函数：通常计算交易所需的信号、每日交易的股票列表等变量。盘前处理函数：通常编写订单的撤销/更改等订单处理逻辑。主函数：通常编写策略的换仓买卖、风险控制等核心交易逻辑。

如下图所示，在回测模块的属性栏中可以看到对应函数的编写位置：

每根K线回调细节，见下图：

{w:100}{w:100}

回测步骤

添加Trade模块

第一步：在模块列表的回测与交易下找到 Trade(回测/模拟) 模块并拖入画布。

图4{w:100}{w:100}

连接模块

第二步：将证券代码列表和 StockRanker预测模块连接至 Trade(回测/模拟) 。注意输入端， Trade(回测/模拟) 第一个输入端只接收证券代码列表。

图5{w:100}{w:100}

Trade参数属性设置

第三步：选中 Trade(回测/模拟) ，可在左侧属性栏更改初始资金、回测价格类型、成交率等交易参数；在主函数、数据准备函数、初始化函数中更改交易逻辑。我们先保持默认设置。

图6{w:100}{w:100}

Trade(回测/模拟)模块参数

交易参数设置

开始时间：start_date (str)，设定值只在回测模式有效，在模拟实盘模式下为当前日期。一般不需要指定，自动继承证券代码列表模块里的开始日期。

结束时间：end_date (str)，设定值只在回测模式有效，在模拟实盘模式下为当前日期。一般不需要指定，自动继承证券代码列表模块里的结束日期。

成交率限制：执行下单时控制成交量。设置为０，不进行成交量检查；默认值是0.025，下单量如果超过该K线成交量的0.025，多余的订单量会自动取消。

买入点：在何时下单买入。open=开盘买入，close=收盘买入；可选值有: ‘open’，‘close’；默认值是’open’。

卖出点：在何时下单卖出。open=开盘卖出，close=收盘卖出；可选值有: ‘open’，‘close’；默认值是’close’。

初始资金：默认值是1000000.0。

自动取消无法成交订单：是否自动取消因为停牌、一字涨跌停等原因不能成交的订单；默认值是True。

回测数据频率：股票、期货暂只支持日线、分钟级回测。

可选值有: ‘daily’和’minute’；默认值是daily。

回测价格类型：回测中买卖下单使用的价格，支持真实价格或后复权(默认值)价格回测。

回测产品类型：交易品种类型，可选值有股票、期货，默认为股票。

基准代码：策略比较基准，不影响回测结果，一般传入指数代码，如000300.HIX(沪深300) 。更多A股指数代码请查看A股指数代码表。

主函数

[回调函数]主函数，必须实现的函数，该函数每个单位时间(每根K线)会调用一次, 如果按天回测,则每天调用一次,如果按分钟,则每分钟调用一次。在回测中，可以通过对象data获取单只股票或多只股票的时间窗口价格数据。如果算法中没有schedule_function函数，那么该函数为必选函数。一般策略的交易逻辑和订单生成体现在该函数中；默认值是None。

数据准备函数

[回调函数]数据准备函数，运行过程中只调用一次，在initialize前调用，准备交易中需要用到数据；默认值是None。

初始化函数

[回调函数]初始化函数，整个回测中只在最开始时调用一次，用于初始化一些账户状态信息和策略基本参数，context也可以理解为一个全局变量，在回测中存放当前账户信息和策略基本参数

盘前处理函数 \n

[回调函数]盘前处理函数，每日开盘前调用一次。该函数是可选函数，在handle_data函数之前运行。你的算法可以在该函数中进行一些数据处理计算，比如确定当天有交易信号的股票池。

看不懂回测模块? 请移步回测模块详解 \n 看不懂策略的逻辑？ 请移步AI模板策略交易逻辑解读

运行并查看结果

第四步：点击右上角运行全部，等待策略回测完成并查看分析结果。

图7{w:100}{w:100} \n 生成的回测曲线和回测结果如何解读？查看下篇教程查看、分析结果

常见问题

编写策略并回测是策略构建中的核心内容，我们将常用功能和模板案例进行了归纳整理主要包括：

1.如何设置股票买卖比例？ \n 2.如何设置手续费和滑点？ \n 3.如何设置策略固定周期运行? \n 4.如何设置持仓股票持有固定天数后卖出? \n 5.如何设置下单数量为整百？ \n 6.如何实现大盘风控？ \n 7.如何实现个股的止盈止损？

如果您有上述策略开发方面的疑惑，请移步宽客学院查看自定义买入卖出专题

小结：至此我们完成了策略构建基本步骤。我们在构建策略后通常还需要对策略进行反复的评价、优化、测试才算完成策略开发。你会发现在BigQuant上开发策略只需调用策略模板、微调参数，然后将99%的时间、精力放在找因子和数据标注上。借助 BigQuant人工智能量化平台 ，你可无门槛使用AI做更好的量化策略。