7. 回測、實盤與優化：統一入口與不同模式

7.1. 1. 统一入口

用戶通過 **qt.run(op, mode=…, kwargs) 觸發運行。內部會：

  • 將 kwargs 與全局配置合併爲 config（ConfigDict）。

  • 調用 op.run(config, datasource, logger)，並傳入 qteasy 的默認 datasource 與 logger。

mode 決定走哪條分支：

  • mode=0：實盤模式，進入 Trader 流程（定時觸發、獲取實時數據、生成信號、下單並記錄）。

  • mode=1：回測模式，構建 Backtester，按 group_timing_table 逐步運行 Operator，模擬成交併輸出資金曲線與績效。

  • mode=2：優化模式，Optimizer 在參數空間搜索，每組參數執行一次回測，按目標函數彙總結果。

  • mode=3/4：追蹤、預測等模式，參見文檔與 API。

因此，同一 Operator 在不同 mode 下複用同一套“按時間步運行策略、混合信號”的機制，差異僅在數據來源與結果處理。

7.2. 2. 配置（config）的作用

config 包含資產池、回測區間、成本參數、資金計劃等，回測/實盤/優化共用同一套配置結構。例如：

  • 資產池、資產類型、回測起止日；

  • 交易成本（費率、最低費用等）；

  • 資金投入計劃（invest_cash_amounts 等）；

  • 實盤相關（賬戶、Broker 類型等，mode=0 時使用）。

config 由 **qt.run(…, kwargs) 與全局 QT_CONFIG 合併得到，並傳入 op.run(config, …)，由 Backtester、Trader、Optimizer 分別讀取所需字段。

7.3. 3. 回测模式（mode=1）

  1. 準備歷史數據：根據 config 中的資產池、回測區間與 Operator 內所有策略的 data_types、window_length，調用 check_and_prepare_backtest_data 等，從 DataSource 拉取並組裝所需歷史數據（含足夠的歷史窗口以覆蓋區間起點）。

  2. 構建 Backtester：傳入 Operator、資產列表、資金計劃、交易價格數據、成本參數等，生成 Backtester 實例。

  3. 分支選擇：若 op.check_dynamic_data() 爲 False（策略不依賴過程數據），則走靜態分支：一次性生成全部信號，再用 Numba 向量化回測；若爲 True（策略使用 get_data('proc.xxx') 或舊式動態數據類型），則走動態分支：按步生成信號、按步模擬成交併更新過程數據，供策略下一步使用。詳見 過程數據（proc.*）與動態回測。

  4. 按步運行：按 group_timing_table 的每個時間步，調用 op.run_strategies(steps)（或等價接口），得到每一步的 (signal_type, signal)。

  5. 解析與模擬成交：將信號按 signal_type（PT/PS/VS）解析爲買賣意圖，再通過 backtest_step 等邏輯更新持倉、資金與交割隊列，得到每日資金曲線與交易記錄。

  6. 評價與輸出：對資金曲線與交易記錄做績效評價（如夏普、回撤等），返回給用戶並可選生成報告與圖表。

7.4. 4. 实盘模式（mode=0）

  1. Trader 持有 Operator 與 config，按 run_freq、run_timing 與交易日曆在交易日內的指定時刻觸發任務。

  2. 獲取當前時刻數據：根據策略聲明從 DataSource（或實時接口）獲取當前步所需的數據窗口。

  3. 運行 Operator：在該步調用 Operator 生成信號（與回測相同的 run_strategy 流程）。

  4. 解析並下單：將信號解析爲訂單，交給 Broker 執行（模擬或真實券商接口），並記錄成交與持倉。

7.5. 5. 优化模式（mode=2）

  1. Optimizer 根據策略的 Parameter 定義確定參數空間（如網格、隨機採樣、遺傳算法等）。

  2. 對每組參數：通過 set_parameter 等將參數寫入 Operator，然後執行一次回測（即 mode=1 的流程）。

  3. 根據回測結果計算目標函數（如夏普比、收益回撤比等），彙總所有參數組合的結果。

  4. 輸出較優參數組合及對應回測結果，供用戶選擇。

7.6. 6. 小结

回測、實盤、優化共享“Operator + 按時間步運行”的機制：都是先準備數據與 config，再按 group_timing_table 逐步調用策略並混合信號。差異僅在於：回測使用歷史數據與 Backtester 模擬成交；實盤使用實時數據與 Trader/Broker 執行訂單；優化則多次回測並比較目標函數。更多參數與用法見《使用教程》《回測並評價交易策略》《優化交易策略》與 API 參考。