当前位置：首页 > news >正文

如何构建加密货币分钟级回测系统(整体设计说明)

news 2025/11/11 15:16:48

回测框架代码见加密货币分钟级多因子回测框架

如何构建加密货币分钟级回测系统

整体设计思想和 (Pro)A股选股框架回测系统类似，设计上的主要区别是有多空持仓与分钟级回测功能。

系统整体设计

1.从数据集根据选定交易对，按时间interval进行采样，选出对应交易对的信息(可分钟级可小时级)，可以加入自定义因子字段
2.对每个时间点所有交易对，生成相应的因子信号，进行信号排序(多空可分离)
3.每个时间点选出前若干排名进入候选池
4.模拟交易，根据设置的持仓周期或者平仓信号进行相应的清仓，发生清仓后资金闲置后将在后续候选池中进行对应交易对的购买
5.生成相应的图表参数
6.生成相应的分组对比图（如果有多组选择)
在这里插入图片描述
设计上实现只需要修改config.py和custom_factors.py这两个python文件，免去写代码即可进行策略回测这一需求

main.py为主函数，为框架运行的入口。

config.py和custom_factors.py放在和main.py同一层级下
在这里插入图片描述
生成的各临时文件与分析文件的整体结构图

系统整体数据流

1.根据file_path读入数据目录下的所有需要的交易对(排除blacklist)，进行数据采样，并对空余部分进行填补，生成all_data.pkl
2.读入all_data.pkl，进行自定义因子计算，custom_factors.py中可进行自定义因子计算，生成processed_all_data.pkl
3.读入processed_all_data.pkl，根据filter进行一轮过滤，把剩余的交易对按ranking_factors的规则进行排序，如果有long则生成ranked_all_data_long.csv，如果有short则生成ranked_all_data_short.csv
4.根据ranked_all_data_long.csv和ranked_all_data_short.csv，结合target_holding_count生成selected_stocks_long.csv和selected_stocks_short.csv
5.进行simulation仿真，每天根据目标持仓数依次选择对应选币排行csv，根据sell_conditions进行卖出(holding_period，take_profit，stop_loss，should_sell_normal_numeric_factors)生成持仓表，资金曲线，交割单等csv
6.结合simulation渲染出pro_backtest_report.html，形成可视化
7.如果有多组target_holding_count，则渲染生成相应的分组对比图

在这里插入图片描述
各步骤详细说明

1.数据读取

读取所有需要的交易对(可现货可合约，可小时级，可分钟级)

以下为一些可用的数据集，可以接现货/合约,可为小时级/分钟级数据
https://quantkt.com/informationDetail?id=73 欧易各现货小时级数据下载地址
https://quantkt.com/informationDetail?id=74 欧易各合约小时级数据下载地址
https://quantkt.com/informationDetail?id=69 币安各现货小时级数据下载地址
https://quantkt.com/informationDetail?id=70 币安各合约小时级数据下载地址
也可以根据需要接入自己的数据，最终也会读里面BTC和ETH的数据作为基准收益进行对比
在这里插入图片描述
配置一下本地相应的数据文件夹

文件夹内部的格式类似上面

2.计算因子custom_factors.py

calculate_custom_factors为整体函数，可以自行写各种自定义因子函数，然后在整体函数中调用。
计算出来的字段将可在config.py中自由使用

下图为calculate_custom_factors加入自定义因子的示例

在这里插入图片描述
3.生成候选池

先对每个时间的标的按filter进行筛选，False为强制不选过滤，True为强制要求满足，不选的直接把rank标为10000
后续不被处理
对于filter之后的结果(非rank10000的)
进行ranking_factors，其中factor为因子名称，
ascending为是否升级
weight为因子权重
生成对应的ranked_all_data_long.csv和
ranked_all_data_short.csv
在这里插入图片描述
4.选出每个k线的候选

根据config.py中的target_holding_count
，支持[1,10],[‘10%’,‘20%’]格式
每组都会生成对应的每个时间的选币
在这里插入图片描述

5.回测仿真

根据config.py的配置
会读取对应的selected_stocks_long.csv和selected_stocks_short.csv中每个时间的选择，再结合target_holding_count表示的每个时间的目标持仓量，不断开仓平仓
1.config.py中的refresh_holding_recommendation表示持仓币再次出现推荐时，是否刷新持有周期继续持仓，默认为True
2.卖出条件取决于sell_conditions，分为持有周期，止盈止损，择时平仓

最终生成对应的资金曲线(equity_curve.csv)，每个时间的持仓（position_history.csv），所有的交割单(transactions.csv)
同时对应的config.py会根据当前的时间戳在对应路径下形成一个备份

关于卖出的触发

注意should_sell_normal_numeric_factors，里面可以写多个条件，表示对应字段在当前时间满足条件时，则触发平仓信号(可支持多个条件，为或的关系，字段也可自带，也可为custom_factors.py中计算的自定义因子
在这里插入图片描述
6.回测结果生成