fidc-backtest-engine/README.md

fidc-backtest-engine

一个面向中国 A 股长周期选股策略的 Rust 回测核心骨架。这个仓库的第一版目标不是“玩具回测器”，而是提供一个可以继续演化为平台化引擎的最小可用核心，方向参考 nautilus_trader 的分层架构和 rqalpha 的中国股票规则约束。

当前能力

• Phase 2：增加 snapshot bundle 视图与更贴近 jqdata 策略语义的动态市值带策略
• 日频交易日历与确定性逐日回放
• A 股日频市场快照、估值/因子快照、基准快照、候选资格标记
• 策略接口与引擎驱动，不直接模拟 jqdata API
• Universe 选择器：按指数位置动态切换市值带，再取最小市值 Top-N
• 风险节流：基于指数均线状态切换 100% / 50% / 0% 仓位
• Broker Simulator：按次日开盘价撮合，支持手续费、印花税、最小佣金
• 中国 A 股规则钩子：T+1、停牌、涨停不可买、跌停不可卖
• 回测输出：权益曲线、成交记录、期末持仓摘要
• cargo run --bin bt-demo 可直接运行仓库内置 demo 数据

Workspace 布局

.
├── Cargo.toml
├── crates
│   ├── bt-demo
│   │   └── src/main.rs
│   └── fidc-core
│       └── src
│           ├── broker.rs
│           ├── calendar.rs
│           ├── cost.rs
│           ├── data.rs
│           ├── engine.rs
│           ├── events.rs
│           ├── instrument.rs
│           ├── portfolio.rs
│           ├── rules.rs
│           ├── strategy.rs
│           └── universe.rs
└── data/demo

核心模块概览

• calendar: 交易日历和滚动窗口工具，负责日频迭代和均线 lookback。
• instrument: 证券静态定义。
• data: 日频市场、因子、基准、候选资格数据模型与 CSV loader。
• universe: 动态市值带 Universe Selector。
• portfolio: 现金、持仓、FIFO lots、T+1 可卖数量、盈亏汇总。
• rules: 中国股票规则钩子，隔离停牌、涨跌停、T+1 检查。
• cost: 佣金、印花税、最低佣金模型。
• broker: 目标权重到订单执行的模拟器，先卖后买，买单按 100 股向下取整。
• strategy: 引擎驱动的策略 trait 与具体策略实现。
• engine: 确定性的逐日回测循环和结果收集。

策略实现

示例策略 CnSmallCapRotationStrategy 对应一类典型的 A 股小市值轮动逻辑，并在 phase 2 里更贴近原始 jqdata 语义：

1. 用指数点位动态计算市值带：
   • mystart = round((index_close - base_index_level) * xs + base_cap_floor)
   • myend = mystart + cap_span
2. 在当前市值带内，按总市值升序取 Top-N。
3. 用指数短均线/长均线关系控制总仓位：
   • 当 MA(short) < MA(long) * rsi_rate 时降到 trade_rate
   • 否则恢复到 1.0
4. 按 refresh_rate 固定频率再平衡。
5. 非再平衡日也会检查止损/止盈钩子并触发退出。
6. 候选过滤纳入资格快照：
   • 停牌
   • ST
   • 新股
   • 科创板
   • 1 元股
   • allow_buy / allow_sell

这个接口不是 jqdata 风格的 before_trading_start / handle_data 直接脚本 API，而是：

• 策略收到 StrategyContext
• 返回 StrategyDecision
• 引擎和 broker 负责把目标权重和退出指令变成实际成交

这更接近平台化引擎需要的“策略意图”和“执行语义”分离。

与原始 jqdata 策略族的映射

如果原始逻辑大致是：

• 依据指数点位动态切换可接受市值带
• 从候选股票里选最小市值若干只
• 按均线决定是否降仓
• 周期性调仓
• 带止损/止盈

那么本仓库中的映射关系是：

• get_fundamentals / valuation.market_cap -> DailyFactorSnapshot.market_cap_bn
• get_price / history -> DailyMarketSnapshot + BenchmarkSnapshot
• set_benchmark -> BacktestConfig.benchmark_code
• filter_paused / filter_st / 新股过滤 -> CandidateEligibility
• order_target_value -> StrategyDecision.target_weights 由 BrokerSimulator 解释执行
• 风险控制逻辑 -> CnSmallCapRotationStrategy::gross_exposure

Phase 2 新增内容

• DataSet::bundle_on(date)：引入按日 snapshot bundle 视图，方便未来直接对接 FiDataCenter / FiDataScraper 预计算快照
• DataSet::from_partitioned_dir(path)：新增按日分区 snapshot 目录读取入口，为真实回测数据源接入打基础
• 策略诊断输出：equity curve 里新增 diagnostics 字段，记录市值带、候选样本、退出原因等信息
• 候选资格快照扩展：补入 is_kcb、is_one_yuan
• 增加策略选择行为测试

V1 / V2 当前仍保留的简化点

下面这些是刻意保留为 v1 简化，而不是遗漏：

• 只支持日频，不做分钟级、集合竞价、盘中撮合。
• 决策基于 T-1 收盘后可见数据，在 T 开盘价执行。
• 不模拟盘口排队、成交量约束和滑点模型，成交默认按开盘价完成。
• 买单按 100 股整手向下取整，卖单允许按实际持仓数量退出。
• 未处理复权、分红送转、融资融券、可转债、科创板/北交所差异规则。
• 止损止盈基于上一交易日收盘价相对持仓成本触发，下一交易日开盘执行。

这些简化都在代码结构上留了扩展位，不会阻断后续升级到更完整的执行层。

运行方式

默认跑仓库内置 flat demo CSV：

cargo run --bin bt-demo

如果要接更接近真实数据面的按日分区 snapshot 目录：

FIDC_BT_DATA_LAYOUT=partitioned \
FIDC_BT_DATA_DIR=/path/to/snapshots \
FIDC_BT_SIGNAL_SYMBOL=000001.SH \
cargo run --bin bt-demo

约定目录结构：

snapshots/
├── instruments.csv
├── benchmark/
│   └── YYYY/MM/*.csv
├── market/
│   └── YYYY/MM/*.csv
├── factors/
│   └── YYYY/MM/*.csv
└── candidates/
    └── YYYY/MM/*.csv

其中：

• market/：日级行情快照，可显式携带 upper_limit/lower_limit
• factors/：估值/因子快照，可扩展 turnover_ratio/effective_turnover_ratio
• candidates/：候选资格/过滤标记快照
• benchmark/：业绩基准指数快照

补充说明：

• 策略的“调仓信号指数”可以通过 FIDC_BT_SIGNAL_SYMBOL 单独指定，例如 000001.SH
• benchmark/ 仍用于业绩基准和默认风险参考，两者现在不必强制相同
• 分区目录支持递归读取，因此可直接消费 YYYY/MM/*.csv 这类真实导出布局

这层接口是为后续对接 FiDataCenter / FiDataScraper 的预计算 snapshot 数据准备的。

运行后会生成：

• output/demo/equity_curve.csv
• output/demo/trades.csv
• output/demo/holdings_summary.csv

测试与构建

cargo fmt
cargo test
cargo build

为什么这个设计适合后续做快

这个版本已经按“预计算后高速回放”的思路组织：

• 因子与资格数据和市场行情解耦，适合把 T x N 的选股输入预先展开。
• 快照结构是列式数据库友好的固定字段模型，后续可以自然对接 ClickHouse/Parquet。
• Engine 逐日回放时只做：
  • 取当天切片
  • 策略计算 target weights
  • broker 做持仓差量执行
• 不把查询逻辑塞进策略内部，避免回测时频繁回源数据层。

如果未来把日频因子、资格标记、可交易标记和开/收盘价全部预计算到列式存储，再按日期分块读入内存，6 年全市场回测在 5 分钟内是合理目标，原因是：

• 回测时不再做昂贵的 SQL join
• 因子筛选可直接消费预先物化的 snapshot
• 组合调仓只关心“目标持仓”和“当前持仓”的差量
• 事件流是 append-only，适合批量写出和后处理分析

距离真实 6 年 / 5 分钟平台还差什么

当前仓库已经有“核心引擎 + 规则钩子 + 策略接口 + demo 回放”，但距离生产级目标还差：

• 真实 snapshot loader：接入 FiDataCenter / FiDataScraper 的 ClickHouse / Parquet / PostgreSQL 预计算快照，而不是 demo CSV
• 分钟级执行层：把当前 T-1 决策 / T 开盘执行 扩展到更接近 10:17 / 10:18 的分钟级执行语义
• 更完整的 A 股规则：复权、分红、涨跌停细分、创业板/北交所规则、成交量约束、滑点模型
• 更高效的数据访问：按日期块和列式布局一次性加载 6 年快照，避免回测时回源拼表
• 批量参数回测：多个参数集共享预计算快照与候选池缓存

Roadmap

• 引入更明确的事件总线和 portfolio/account ledger 分层
• 增加多 benchmark、多 universe、多个 broker model
• 支持企业行为、前后复权与现金分红
• 增加滑点、量比约束、成交量参与率
• 增加 parquet / ClickHouse 数据源与预计算管线
• 增加指标分析、分组收益、归因和 walk-forward 框架