📈 SimTradeLab 深测Lab

开源策略回测框架

灵感来自PTrade的事件驱动模型，提供轻量、清晰、可插拔的策略验证环境

🎯 项目简介

SimTradeLab（深测Lab） 是一个由社区独立开发的开源策略回测框架，灵感来源于 PTrade 的事件驱动架构。它具备完全自主的实现与出色的扩展能力，为策略开发者提供一个轻量级、结构清晰、模块可插拔的策略验证环境。框架无需依赖 PTrade 即可独立运行，但与其语法保持高度兼容。所有在 SimTradeLab 中编写的策略可无缝迁移至 PTrade 平台，反之亦然，两者之间的 API 可直接互通使用。详情参考：https://github.com/kay-ou/ptradeAPI 项目。

用这个邀请码注册你我各得50美金Claude Code额度：https://anyrouter.top/register?aff=5UV9

✨ 核心特性

• 🔧 事件驱动引擎: 完整的回测引擎实现
• 🌐 现代Web界面: 可视化策略编辑、回测监控和结果分析
• 🐳 Docker支持: 一键容器化部署，支持集群扩展
• 📊 多格式报告: TXT、JSON、CSV、摘要等格式
• 🌐 真实数据源: 支持AkShare、Tushare等主流数据源
• ⚡ 智能CLI: 集成的 simtradelab 命令行工具
• ✅ PTrade兼容: 保持与PTrade语法习惯的兼容性

🚀 快速开始

🌐 方式一：Web界面（推荐）

# 安装依赖
poetry install --with data

# 启动Web界面
python start_web.py

然后访问 http://localhost:8000 享受现代化的Web界面体验！

🐳 方式二：Docker部署（生产推荐）

# 一键启动
docker-compose up --build

# 后台运行
docker-compose up -d --build

访问 http://localhost:8000 开始使用！

⚡ 方式三：命令行

基础安装:

# 克隆项目
git clone https://github.com/kay-ou/SimTradeLab.git
cd SimTradeLab

# 安装依赖
poetry install

# 安装数据源依赖（可选）
poetry install --with data

🎯 5分钟上手

🌐 Web界面体验（推荐）:

1. 启动Web界面：python start_web.py
2. 访问 http://localhost:8000
3. 在策略管理页面创建或编辑策略
4. 在回测执行页面配置参数并运行
5. 在结果分析页面查看图表和报告

⚡ 命令行快速开始:

1. 使用CSV数据源

poetry run simtradelab --strategy strategies/buy_and_hold_strategy.py --data data/sample_data.csv

2. 使用真实数据源

poetry run simtradelab --strategy strategies/real_data_strategy.py --data-source akshare --securities 000001.SZ

3. 程序化使用

from simtradelab import BacktestEngine

engine = BacktestEngine(
    strategy_file='strategies/buy_and_hold_strategy.py',
    data_path='data/sample_data.csv',
    start_date='2023-01-03',
    end_date='2023-01-05',
    initial_cash=1000000.0
)
files = engine.run()

🌐 Web界面特性

核心功能模块

• 📊 仪表盘: 系统状态概览和快速操作
• 📝 策略管理: 可视化代码编辑器，支持语法高亮和智能补全
• 🗄️ 数据管理: 支持多数据源配置和文件上传
• ▶️ 回测执行: 实时监控回测进度和状态
• 🔄 批量测试: 参数优化和批量回测功能
• 📈 结果分析: 交互式图表和性能指标分析
• 📋 报告中心: 多格式报告查看和下载

技术亮点

• 现代化编辑器: 基于Ace Editor的Python代码编辑器
• 实时更新: 支持任务状态实时监控
• 响应式设计: 完美适配移动端和桌面端
• RESTful API: 完整的后端API支持
• 图表可视化: Chart.js提供丰富的交互式图表

⚡ 命令行工具

基本用法

# 查看帮助
simtradelab --help

# CSV数据源
simtradelab --strategy strategies/test_strategy.py --data data/sample_data.csv

# 真实数据源
simtradelab --strategy strategies/real_data_strategy.py --data-source akshare --securities 000001.SZ,000002.SZ

主要参数

参数	说明	示例
--strategy	策略文件路径	strategies/test_strategy.py
--data	CSV数据文件	data/sample_data.csv
--data-source	真实数据源	akshare, tushare
--securities	股票代码	000001.SZ,000002.SZ
--start-date	开始日期	2023-01-01
--end-date	结束日期	2023-12-31
--cash	初始资金	1000000

🌐 数据源配置

AkShare（免费）

# 无需配置，直接使用
simtradelab --strategy strategies/real_data_strategy.py --data-source akshare --securities 000001.SZ

Tushare（需要token）

# simtrade_config.yaml
data_sources:
  tushare:
    enabled: true
    token: "your_tushare_token_here"

📊 报告系统

每次运行后自动生成多种格式的报告：

• 📝 详细文本报告 (.txt) - 完整策略分析
• 📊 结构化数据 (.json) - 程序化分析
• 📈 数据表格 (.csv) - Excel分析
• 📋 智能摘要 (.summary.txt) - 快速概览

报告自动按策略分类存储在 reports/{strategy_name}/ 目录下。

🎓 策略开发

基本策略结构

def initialize(context):
    """策略初始化"""
    log.info("策略初始化")
    g.stock = '000001.SZ'

def handle_data(context, data):
    """每日数据处理"""
    current_price = data.current(g.stock, 'close')
    
    # 买入逻辑
    if context.portfolio.positions[g.stock].amount == 0:
        order_target_percent(g.stock, 0.8)
        log.info(f"买入 {g.stock}")

def after_trading_end(context, data):
    """交易结束后处理"""
    total_value = context.portfolio.total_value
    log.info(f"总资产: ¥{total_value:,.2f}")

可用API

📖 完整文档

• 🎯 SimTradeLab API 完整参考文档 - 推荐主文档
• 📋 策略开发指南
• 📊 数据格式说明
• 🔧 技术指标说明

🧪 测试

# 运行所有测试
poetry run pytest

# 运行特定测试
poetry run pytest tests/unit/

# 生成覆盖率报告
poetry run pytest --cov=simtradelab --cov-report=html

📦 作为包使用

安装

pip install simtradelab

使用

from simtradelab import BacktestEngine
from simtradelab.data_sources import AkshareDataSource

# 创建引擎
engine = BacktestEngine(
    strategy_file='my_strategy.py',
    data_source=AkshareDataSource(),
    securities=['000001.SZ'],
    start_date='2023-01-01',
    end_date='2023-12-31',
    initial_cash=1000000.0
)

# 运行回测
files = engine.run()

🤝 贡献

欢迎贡献代码、报告问题或提出建议！

1. Fork 项目
2. 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 打开 Pull Request

📄 许可证

本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。

⚖️ 法律免责声明

SimTradeLab 是一个由社区独立开发的开源策略回测框架，灵感来源于 PTrade 的事件驱动设计理念，但并未包含 PTrade 的源代码、商标或任何受保护内容。该项目不隶属于 PTrade，也未获得其官方授权。SimTradeLab 的所有实现均为自主构建，仅用于教学研究、策略验证和非商业性用途。

使用本框架构建或测试策略的用户应自行确保符合所在地区的法律法规、交易平台的使用条款及数据源的合规性。项目开发者不对任何由使用本项目所引发的直接或间接损失承担责任。

🙏 致谢

• 感谢 PTrade 提供的设计灵感
• 感谢 AkShare 和 Tushare 提供的数据源支持
• 感谢所有贡献者和用户的支持

---

⭐ 如果这个项目对您有帮助，请给我们一个星标！

📖 文档 | 🌐 Web部署指南 | 🐛 报告问题 | 💡 功能请求

---

💖 赞助支持

如果这个项目对您有帮助，欢迎赞助支持开发！

您的支持是我们持续改进的动力！