量化回测框架对比选择

简介

策略能否赚钱不能凭主观臆断，因为很有可能主观判断的那个时间段策略是赚钱的，但拉长时间是亏损的，可以通过回测更长时间来验证策略是否赚钱。 当然回测赚钱不代表实盘也能赚钱，但回测亏钱实盘大概率亏钱，最好是能在实盘之前经过回测验证策略是有效的

回测框架选择

下面是一些回测框架，都支持python，供大家参考：

backtrader -- 用于回测和交易的python框架，功能丰富，可以让你聚焦在设计可重用的交易策略、指标和分析上

zipline -- Quantopian开源的本地量化回测平台，可以和pyfolio和alphalen无缝衔接

rqalpha -- Ricequant开源的本地量化回测平台，在 API 设计上和 Quantopian 保持一致，但License完全排除商业用途

bt -- 基于ffn打造的python回测框架， 目标是充分利用python生态，不重复造轮子

qlib -- 微软开源的量化平台，目标是在量化投资中创造ai技术的价值，可以方便进行量化策略调研，它包含了包括数据处理、模型训练和回测等整个机器学习pipeline，覆盖了量化投资的各个环节：寻找alpha，风险建模，组合优化和订单执行

zvt -- 包含可扩展的数据recorder，api，因子计算，选股，回测，交易,以及统一的可视化，抽象度较高

QUANTAXIS -- 支持任务调度，分布式部署的本地量化解决方案

聚宽 -- 量化web平台，支持多种策略的编写、回测、模拟、实盘

结论 & 交流

如果你觉得还有其他好用的量化回测框架，也可以反馈给我，后面我会持续更新！

关注公众号：诸葛说talk，获取更多内容。同时还能获取邀请加入量化投资研讨群， 与众多从业者、技术大牛一起交流、切磋，名额有限，不要错过。

参考

https://mp.weixin.qq.com/s/Vdn3ETqBSX7WfSJbesmZEw

https://github.com/mementum/backtrader

https://github.com/microsoft/qlib

https://github.com/quantopian/zipline

https://github.com/ricequant/rqalpha

https://github.com/pmorissette/bt