Python · Backtesting · Multi-agent
量化研究基础设施
Walk-forward 回测引擎、数据管道与风控模块的工程实践。
仅为技术研究,不构成投资建议。本页不展示任何真实收益、策略参数或交易信号。
我们搭建了一套用于策略研究的工程基础设施:统一的数据接入层、事件驱动的回测引擎,以及按时间窗口滚动的 walk-forward 样本外评估框架。
系统采用分层(六边形)架构:领域层不依赖数据库、行情或券商接口,所有外部依赖都在外层的适配器中,因此风控与因果性规则可以用快速的单元测试逐条验证。
风控模块在回测与模拟交易中保持一致的规则,例如按自然日重置的日内亏损上限;任何不确定状态(行情过期、配置含糊)都按"失败即停止"处理,避免回测与执行逻辑不一致导致的偏差。
多智能体研究流程将数据检查、假设生成与结果复核分配给不同的 AI 角色,最终结论由人工审核。
下方演示使用随机生成的模拟数据,仅用于展示 walk-forward 方法的分段结构。
Architecture
系统架构
01 · 数据层
- 行情采集与短期缓存
- 时序数据库持久化
- 数据质量校验
02 · 研究层
- 事件驱动回测引擎
- Walk-forward 分段与无重叠校验
- 按时间顺序、带隔离期的训练 / 测试切分
03 · 风控层
- 下单前规则检查
- 行情过期即拒绝
- 外部可触发的紧急停止开关
04 · 执行层
- 默认模拟交易
- 实盘需双重显式确认
- 订单意图幂等与对账
Highlights
工程亮点
01
因果性测试
每个测试对应一条明确的断言:未来数据不能改变过去的结果、同一根 K 线不能成交、重试只产生一个订单、机器学习无数据泄漏。
02
失败即停止
模拟 / 实盘切换需要两项独立配置;含糊配置在启动时直接报错。紧急停止开关可从进程外部触发。
03
可观测的安全状态
存活、就绪与安全状态分别提供健康检查端点;安全端点在条件不满足时返回 503 并列出全部阻断原因。
04
真实依赖的 CI
持续集成使用真实的时序数据库服务运行测试,被跳过的测试视为失败,并在测试开始前断言处于模拟模式。
预约 30 分钟免费咨询
免费咨询