第37章 我开源全部代码，附三年A股数据 (第1/3页)
2026年5月15日 星期五 晚上20:00
------
【群聊记录】
时间：20:00
明觉： 晚间复盘。市场今日小幅反弹。降龙兄昨日之回测数据，发人深省。吾观其过程与结果，愈觉“量化验证”之重要。贝兄，不知你当初构建自身体系时，可曾对“网格交易”、“再平衡”等核心策略，进行过系统性的长期回测？
巴派谪传弟子-老金： 同问。我也好奇，贝兄你那套三维仓位，特别是网格交易，在历史上不同市场阶段（牛市、熊市、震荡市）的表现到底怎么样？有没有数据支持？还是说，主要是基于逻辑推演？
锅王： 又来了。他那套东西，回测有什么用？过去不代表未来。不过……我也挺好奇，你那乌龟流，在历史上能跑赢指数吗？别回测出来比定投还差，那就搞笑了。
降龙十八掌： （经过一夜消化，语气沉稳许多）我昨天用贝兄给的代码，又回测了几个简单的策略，包括一个最简单的“买入持有沪深300”，一个“年化再平衡（股债50/50）”，还有一个简化版的“固定间距网格”。虽然我写的网格策略很粗糙，但数据确实有意思。贝兄，你的回测肯定更完善。方便分享更多吗？特别是关于网格参数优化、不同标的、不同市况的数据？
无所不晓： 数据……看多了头晕。但感觉有数据比没数据强。
贝悟得： 看到大家开始关注“数据验证”，这是非常好的现象。我的体系并非凭空想象，其核心组成部分（资产配置、再平衡、网格交易）都有成熟的理论基础，并且我自己在构建过程中，也确实进行了大量的回测和模拟，以理解其风险收益特征、适应环境以及参数敏感性。这些回测是辅助我理解工具、建立信心、并设定合理预期的重要依据。
贝悟得： 既然@降龙十八掌 已经迈出了第一步，@明觉 和@老金 也提出了具体问题，@锅王 也表达了“好奇”，那么，作为对“理性投资、数据驱动”理念的践行，我决定做一件事：将我用于策略回测的Python代码库（简化版，但核心功能完整），以及用于回测的A股市场三年基础数据（2019-2021），整理并开源给大家。
贝悟得： 请注意：
1. 这不是一个成熟的量化交易系统，而是一个教学和验证性质的简化回测框架。目的是帮助有编程基础或愿意学习的朋友，理解回测的基本流程，并验证一些简单的投资想法。
2. 代码和数据的目的是“授人以渔”，而非提供“圣杯策略”。你可以用它们验证自己的思路，也可以学习如何构建回测。
3. 数据仅为示例：包含沪深300、中证500、创业板指等主要宽基指数，以及部分行业ETF的日线数据（前复权）。数据来源于公开渠道，可能存在微小误差，用于教学回测足够。
4. 风险提示：回测基于历史，不代表未来。代码和策略可能存在错误，请谨慎对待结果，切勿直接用于实盘。
贝悟得： 我现在将打包好的文件上传到群文件。压缩包名为“Invest_Backtest_Demo_2019-2021.zip”。里面包含：
1. README.md：详细的使用说明，包括环境配置、代码结构、数据说明、如何运行示例、以及如何修改策略。
2. /data 目录：存放CSV格式的历史行情数据。
3. /strategies 目录：几个示例策略的Python文件。
◦ buy_and_hold.py：买入并持有策略。
◦ annual_rebalance.py：股债年化再平衡策略（示例用沪深300和国债指数模拟）。
◦ simple_grid.py：一个基础的、固定价格间距的网格交易策略示例。
◦ macd_cross.py：MACD金叉死叉策略（示例，同之前分享）。
4. backtest_engine.py：简化的回测引擎核心文件，处理数据加载、信号生成、模拟交易、计算绩效指标等。
5. utils.py：一些工具函数，如计算最大回撤、夏普比率等。
6. requirements.txt：所需的Python库列表。
贝悟得： 我重点解释一下 simple_grid.py 这个网格策略示例，因为它与我的体系关联最直接。这个示例策略非常简单：
• 标的：沪深300ETF（以指数替代）。
• 逻辑：设定一个基准价（如初始价格），然后向上、向下各设置N个网格，间距固定（如5%）。当价格触及网格线时，执行买入（向下）或卖出（向上）。每次买卖固定数量（或金额）。
• 参数可调：基准价、网格间距、网格层数、每格交易量、初始现金比例等。
• 回测输出：净值曲线、年化收益、最大回撤、夏普比率、交易次数、胜率等，并与买入持有对比。
贝悟得： 你可以用这个示例，回测2019-2021年（包含上涨、震荡、结构性行情）的网格表现。你会发现：
（本章未完，请点击下一页继续阅读）