python如何从零开始设计并搭建多因子量化回测框架

工欲善其事，必先利其器

最终成果

视频说明
https://www.bilibili.com/video/BV1Ex5yz5EvS/?vd_source=d83520060555baa03c7a70ec445dea2b

股票多因子量化回测框架从零开始开发步骤

整体设计:选股框架轮动，每天读入个股排名，根据当前的资金量与已持仓量，决定应该购买哪些个股，买入后，持有若干天后卖出获得资金，继续买入后续的排名区间，不断轮动这个过程。

设计上为了方便操作不用写代码，设定一个config文件，里面是些参数（如同时持仓数量，期望持有天数，是否买北交，还可以加上一些因子权重)

核心就是用不同的config来表示不同的策略，来查看历史表现，不断完善自己的交易系统。

整体系统分为以下步骤

1.数据获取：回测需要大量的历史数据，包括行情数据（如开盘价、收盘价、成交量等）和基本面数据（如市盈率、市净率等），这个可通过自己爬取或者来平台https://quantkt.com/下载。

2.数据预处理:数据读入后需要处理下是否涨跌停(注意2020.8.23前后的涨跌停规则区别)，上市天数，是否退市，是否改名，是否发生除权(如发生，需要进行复权，具体前复权还是后复权都可以)。

计算复权因子

3.因子计算:如果策略需要的因子已经在读入数据中有了，则跳过这一步，否则可以自己计算所需因子作为新的字段，因子计算出来，各类权重进行相应的排名，来算出当日股票的排名。

4.每日选股
选择相应数量或者区间

5.模拟交易
以日期为枚举量进行遍历。
对于需要持仓的个股，根据开盘，或者平均价(成交额/成交量)来计算买入。
对于需要平仓的个股，根据收盘，或者平均价(成交额/成交量)来计算卖出。
输出各类csv文件，用于复盘分析

6.数据可视化
读入上个步骤生成的相关csv，查看各类数据情况。
策略收益，基准收益，最大回撤，每日交易情况，超额收益，仓位百分比，策略当前最大回撤(上影线)。

一些注意点:

1.数据的除权
2.涨跌停和停牌时的处理，即涨停时排不进，跌停时出不来，停牌时没法交易
3.别忘了考虑双向的佣金和卖出的印花税问题
4.每次买入有个资金使用率的问题，确保能支付的起手续费和佣金
5.退市股票别忘记考虑（不然其实带进了未来函数)
6.股票的更名问题(变名称，带星带帽导致的涨跌停判定问题)

需要输出的一些常见分析指标
策略收益，基准收益，最大回撤，每日交易情况，超额收益，仓位百分比，策略每天的最大回撤，夏普率，胜率，月度热度图，回撤恢复时间，总手续费，阿尔法，赢利最多的一些股票，亏损最多的一些股票，一些异常的股票(如买入爆雷)。