# 数字货币策略回测系统

**Repository Path**: lijinjun-jacking/crypto_backtest

## Basic Information

- **Project Name**: 数字货币策略回测系统
- **Description**: 基于 Streamlit 的量化交易策略回测框架，支持多策略并行回测、绩效评估、可视化分析。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-05-18
- **Last Updated**: 2026-05-18

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 数字货币策略回测系统

基于 Streamlit 的量化交易策略回测框架，支持多策略并行回测、绩效评估、可视化分析。

## 系统架构

```
crypto_backtest/
├── app.py                    # Streamlit 主界面（UI + 参数配置 + 结果展示）
├── requirements.txt          # Python 依赖
├── engine/                   # 回测引擎
│   ├── backtest.py           # BacktestEngine — 逐K线回测核心
│   └── analyzer.py           # 绩效指标计算（夏普、索提诺、回撤等）
├── strategies/               # 策略模块（自动发现注册）
│   ├── base.py               # Strategy 基类 + Signal/Trade 定义
│   ├── registry.py           # 策略自动发现（pkgutil 扫描）
│   ├── ma_cross.py           # 双均线交叉 — 金叉死叉趋势跟随
│   ├── chris_flanders.py     # Chris Flanders — ATR+EMA+量价确认
│   ├── compound_signal.py    # 综合信号 — 三场景融合
│   ├── semi_god_macd.py      # 半神MACD — MACD连续背离反转
│   └── docs/                 # 策略文档
├── data/                     # 数据层
│   ├── csv_loader.py         # CSV 数据加载与日期过滤
│   ├── download_binance_data.py  # Binance 公开数据下载
│   ├── simulator.py          # 模拟 OHLCV 数据生成器
│   └── BTCUSDT_1d_2023-2026.csv  # BTC 日线历史数据
└── utils/                    # 工具模块
```

## 快速开始

### 环境要求

- Python ≥ 3.9
- 依赖见 `requirements.txt`

### 安装与运行

```bash
# 1. 安装依赖
pip install -r requirements.txt

# 2. 启动系统
streamlit run app.py
```

### 数据准备

系统内置 BTCUSDT 日线数据（2023.01 ~ 2026.04），开箱即用。

如需更新或下载其他交易对数据：

```bash
python data/download_binance_data.py
```

支持任意 Binance 现货交易对（修改脚本中的 `symbol` 参数即可）。

如需模拟数据进行快速验证：

```python
from data.simulator import generate_simulated_data
df = generate_simulated_data(days=365, trend="mixed", volatility=0.02)
```

## 内置策略

### 1. 双均线交叉

**类型：** 趋势跟随

快线（默认 10 周期）上穿慢线（默认 30 周期）时买入（金叉），下穿时卖出（死叉）。最基础的均线策略，强趋势行情中表现好，震荡行情中易反复开仓。

### 2. Chris Flanders

**类型：** 趋势跟随 + 波动率定位

ATR 定位波动率区间 + EMA 判断趋势方向 + 成交量放大确认入场。支持金叉入场和趋势延续加仓两种做多模式，以及对应的做空逻辑。

### 3. 综合信号

**类型：** 多场景融合

三个独立场景各自触发，任一满足即入场：

| 场景 | 信号 | 条件 |
|------|------|------|
| S1 急速下跌反转 | 买入 | 天量 + 长下影线 + 近期低点附近 |
| S2 均线带突破 | 买入/卖出 | K线从均线带内部运行后放量突破/跌破 |
| S3 RSI量价背离 | 买入/卖出 | 价格与RSI顶底背离 + 缩量确认 |

### 4. 半神MACD

**类型：** 动能衰竭反转

通过 MACD 柱状图的连续波峰/波谷背离捕捉趋势动能衰竭点，实心柱转虚柱确认入场。支持三背离（中长线，高胜率）、双背离（短线，高频率）、自适应三种模式。ATR 宽止损 + 1:2 固定盈亏比止盈。

## 回测引擎

### 核心参数

| 参数 | 默认值 | 说明 |
|------|--------|------|
| 初始资金 | 1,000,000 USDT | 模拟起始本金 |
| 手续费率 | 0.1% | 每笔交易佣金 |
| 滑点 | 0.05% | 成交价格偏移 |
| 止损/止盈 | 策略自定 | ATR 止损 + 固定盈亏比 |

### 绩效指标

| 指标 | 说明 |
|------|------|
| 总收益 / 年化收益 | 累计和年化收益率 |
| 基准收益 / 超额收益 | 对比买入持有的 Alpha |
| 夏普比率 | 风险调整后收益（无风险利率 2%） |
| 索提诺比率 | 仅考虑下行波动的风险调整 |
| 最大回撤 | 净值从峰顶到谷底的最大跌幅 |
| 策略波动率 | 年化日收益率标准差 |
| 胜率 / 盈亏比 | 盈利交易占比与平均盈亏比 |
| 贝塔 / 阿尔法 | 市场系统性风险暴露与超额收益 |

## 界面功能

- **暗色主题** — 深色 UI + Plotly 交互图表
- **净值走势图** — 策略净值 vs 买入持有，含买卖点标记
- **每日盈亏柱状图** — 日收益率分布
- **交易记录表** — 搜索过滤 + CSV 导出
- **策略参数面板** — 侧边栏实时调节参数

## 自定义策略

继承 `Strategy` 基类实现 `init()` 和 `next()` 两个方法即可：

```python
from strategies.base import Strategy, Signal

class MyStrategy(Strategy):
    name = "我的策略"
    description = "自定义策略描述"

    def __init__(self, param1: int = 10):
        self.param1 = param1

    def init(self, data):
        # 回测开始前调用，计算指标
        data["ma"] = data["close"].rolling(self.param1).mean()

    def next(self, i, data):
        # 每根K线调用一次，返回 Signal 或 None
        if data["close"][i] > data["ma"][i]:
            return Signal("buy", data["close"][i], 1.0, "入场理由")
        return None
```

将文件放入 `strategies/` 目录，系统会自动发现并注册到 UI 中。如需添加 UI 参数控件，在 `app.py` 中对应位置添加 `st.slider` / `st.selectbox` 即可。

## 数据来源

历史 K 线数据来源于 [Binance 公开数据仓库](https://data.binance.vision/)，涵盖 BTCUSDT 日线级别数据。下载脚本支持任意交易对和任意时间范围的批量下载与自动合并。

---

**License:** MIT