strategy-backtest · diff
git:20260916.a1ca926 to git:20260916.70e8228
24 added, 20 removed. Audit A to A.
---
name: strategy-backtest
- description: 策略回测与优化 — AlphaEvo YAML策略定义、回测、诊断、进化。当用户要求回测交易策略时使用。典型话术："回测一下这个策略""这个策略历史上赚不赚钱""帮我优化策略参数""写一个双均线策略并验证"。综合研判走 stock-analysis。
- allowed-tools: Bash(python3:*) Read
+ description: 策略回测：定义或读取 AlphaEvo YAML 策略，回测收益、回撤和交易统计。仅在用户明确要求时进行参数优化。
---
# 策略回测与优化
- 你是一位量化策略研究员。帮助用户定义、回测、诊断和优化交易策略。
+ 开始前读取[短线交易决策框架](../stock-analysis/references/short-term-trading.md)的风险单位和回测约束。回测用于反证策略，不把样本内收益包装成预测。
## 工作流程
### 第一步：策略定义
帮助用户将交易思路转化为 YAML 策略文件。策略 DSL 格式：
```yaml
name: "策略名称"
version: "1.0"
description: "策略描述"
parameters:
param1: value1
entry:
conditions:
- indicator: "rsi" # 指标名
period: 14 # 指标周期
operator: "<" # 比较运算符
value: 30 # 阈值
logic: "all" # all=AND, any=OR
exit:
conditions:
- indicator: "rsi"
period: 14
operator: ">"
value: 70
logic: "any"
stop_loss: -0.05 # 止损比例
take_profit: 0.15 # 止盈比例
position:
size: 1.0 # 仓位比例
max_positions: 1 # 最大持仓数
```
**可用指标**：rsi, ma, ema, macd_dif, macd_dea, macd, volume_ratio, price_change, bollinger_position, close, volume
**可用运算符**：`>`, `<`, `>=`, `<=`, `==`, `cross_above`, `cross_below`
### 第二步：运行回测
运行回测脚本：
```bash
python3 scripts/gather.py --strategy <path.yaml> --symbol <symbol> --start <date> --end <date>
```
参数说明：
- `--strategy`：策略 YAML 文件路径
- `--symbol`：股票代码
- `--start` / `--end`：回测时间范围（可选，默认近一年）
- 初始资金默认 100 万
### 第三步：分析结果
- 回测完成后，详细分析各项指标：
+ 回测完成后，按共享框架的风险单位和回测约束解释原始结果。针对本工具：
- | 指标 | 优秀 | 良好 | 需改进 |
- |------|------|------|--------|
- | 总收益率 | >20% | 5-20% | <5% |
- | 最大回撤 | <10% | 10-20% | >20% |
- | 胜率 | >60% | 40-60% | <40% |
- | 盈亏比 | >2:1 | 1-2:1 | <1:1 |
- | 夏普比率 | >1.5 | 0.5-1.5 | <0.5 |
+ - 从 `metrics` 和 `trades` 计算期望值并与盈亏比一起报告。
+ - 报告最大回撤、连续亏损、交易次数和平均持有期；结果未携带初始风险时，将 1R 分布标为不可计算。
+ - 使用用户指定的互斥日期区间分别运行样本内和样本外回测。
+ - 只陈述策略配置或结果中可确认的手续费、滑点与成交约束，其余列入限制。
- ### 第四步：诊断与优化
+ 未模拟的结算、涨跌停、复权或特定市场费用列入限制，结论限定为该模拟条件下的历史表现。
- 根据回测结果诊断问题并提出变异方案：
+ ### 第四步：诊断
+ 根据回测结果诊断问题并提出可选调整。诊断提示只是待检验假设，不自动接受参数建议：
+
**常见问题 → 优化方向**：
- 胜率低 → 收紧入场条件、增加过滤因子
- 盈亏比低 → 提高止盈、收紧止损
- 回撤大 → 减小仓位、增加止损保护
- 交易次数少 → 放宽条件、缩短信号周期
- 交易次数多 → 增加冷却期、提高信号门槛
- ### 第五步：进化迭代
+ ### 第五步：可选优化
- 1. 根据诊断修改策略 YAML 参数
- 2. 重新运行回测
- 3. 对比前后结果
- 4. 重复直到满意
+ 仅当用户明确要求优化时：
+ 1. 每轮只修改一类参数或条件
+ 2. 重新回测并与基线对比
+ 3. 按共享框架保留独立样本外区间
+ 4. 最多迭代 3 轮；期望值、回撤或样本量没有实质改善时停止
+ 5. 保留基线结果，并把样本内改善标记为待样本外验证
+
## 输出格式
```
## 回测报告 — [策略名称] on [股票代码]
### 策略概要
- 名称：...
- 入场条件：...
- 出场条件：...
- 止损/止盈：...
### 核心指标
- | 指标 | 值 | 评级 |
+ | 指标 | 值 | 解释 |
|------|----|------|
- | 总收益率 | ... | ⭐⭐⭐ |
+ | 总收益率 | ... | 相对基准与回测区间解释 |
+ | 期望值 | ... | 结合胜率、盈亏比和样本量解释 |
| ... | ... | ... |
### 交易明细
最近 N 笔交易列表
### 诊断
- 优势：...
- 问题：...
- 优化建议：...
### 下一步
建议的参数调整方案
```
+
+ 完成标准：报告包含回测区间、样本内/外边界、初始资金、交易次数、持有期、期望值、收益/回撤指标、成本假设及未模拟的市场约束；优化分支还需提供基线对比。
## 示例策略
参考 `{baseDir}/strategies/examples/` 目录中的示例：
- `rsi_oversold.yaml` — RSI 超卖反弹
- `ma_crossover.yaml` — 均线金叉