27 KiB
27 KiB
RaptorBT
高性能 Rust 回测引擎，亚毫秒级回测，80+ 技术指标，位级确定性执行。
RaptorBT 是一个用 Rust 编写的高性能回测引擎，通过 PyO3 提供 Python 绑定。支持单标的、篮子、配对、期权、价差、多策略、Tick 级回测，在亚毫秒级时间内返回完整的 33 项绩效指标报告。
亚毫秒级回测 · 编译后 < 1 MB · 80+ 技术指标 · 位级确定性 · 原生并行
快速开始
安装
pip install raptorbt
30 秒示例
import numpy as np
import raptorbt
# 配置回测
config = raptorbt.PyBacktestConfig(initial_capital=100000, fees=0.001)
# 运行回测
result = raptorbt.run_single_backtest(
timestamps=timestamps,
open=open, high=high, low=low, close=close, volume=volume,
entries=entries, exits=exits,
direction=1, weight=1.0, symbol="AAPL",
config=config,
)
# 查看结果
print(f"收益率: {result.metrics.total_return_pct:.2f}%")
print(f"夏普比率: {result.metrics.sharpe_ratio:.2f}")
print(f"最大回撤: {result.metrics.max_drawdown_pct:.2f}%")
目录
概述
RaptorBT 编译为单一原生扩展，完全在 Rust 中运行。在典型 K 线数量下，完整的回测加上所有 33 项绩效指标的执行时间不足 1 毫秒。在 Apple M4 上测量的基准数据（raptorbt 0.4.1）：
| 指标 | RaptorBT |
|---|---|
| 编译引擎大小 | < 1 MB |
| 回测速度 (1K 根 K 线) | ~0.03 ms |
| 回测速度 (10K 根 K 线) | ~0.25 ms |
| 回测速度 (50K 根 K 线) | ~1.4 ms |
| 内存使用 | 低（原生内存管理） |
核心特性
- 7 种策略类型：单标的、篮子/集体、配对交易、期权、价差、多策略、Tick 级
- 资产与券商无关：从任何数据源传入 NumPy OHLCV 或 Tick 数组——股票、期货、外汇、加密货币、期权，RaptorBT 从不假设市场或数据供应商
- 80+ 技术指标：集成 ferro-ta 指标库，覆盖趋势、动量、波动率、强度、成交量、价格变换、统计、周期变换、市场状态检测、投资组合工具
- Tick 级模拟：全 Tick 分辨率，支持日内期权动量、剥头皮和微观结构策略
- 批量价差回测：通过 Rayon 并行运行多个价差回测，释放 GIL
- 蒙特卡洛模拟：基于 GBM + Cholesky 分解的相关多资产前向投影
- 33 项绩效指标：夏普、索提诺、卡玛、Omega、SQN、盈亏比、恢复因子等
- 止损/止盈管理：固定、ATR 基于和追踪止损，风险回报目标
- 位级确定性：相同输入产生 bit-for-bit 相同结果——无 JIT 编译偏差
- 原生并行：Rayon 并行处理 + SIMD 优化
技术指标
RaptorBT 提供 80+ 个技术指标，其中 12 个为原版指标，其余 68 个来自 ferro-ta 指标库。所有指标均以原生 Rust 实现，接受 NumPy float64 数组并返回 NumPy 数组。预热期返回 NaN。
原版指标 (12 个)
| 类别 | 指标 |
|---|---|
| 趋势 | SMA、EMA、Supertrend |
| 动量 | RSI、MACD、Stochastic |
| 波动率 | ATR、Bollinger Bands |
| 强度 | ADX |
| 成交量 | VWAP |
| 滚动 | Rolling Min、Rolling Max |
ferro-ta 扩展指标 (68 个)
趋势类 (15 个)
| 函数 | 签名 | 返回 | 说明 |
|---|---|---|---|
wma |
wma(data, period) |
ndarray |
加权移动平均 |
dema |
dema(data, period) |
ndarray |
双重指数移动平均 |
tema |
tema(data, period) |
ndarray |
三重指数移动平均 |
kama |
kama(data, period) |
ndarray |
Kaufman 自适应移动平均 |
t3 |
t3(data, period=5, vfactor=0.7) |
ndarray |
Tillson T3 移动平均 |
trima |
trima(data, period) |
ndarray |
三角移动平均 |
midpoint |
midpoint(data, period) |
ndarray |
周期内中点值 |
midprice |
midprice(high, low, period) |
ndarray |
周期内最高/最低均价 |
sar |
sar(high, low, acceleration=0.02, maximum=0.2) |
ndarray |
抛物线 SAR |
hull_ma |
hull_ma(data, period) |
ndarray |
Hull 移动平均 |
donchian |
donchian(high, low, period) |
(upper, middle, lower) |
唐奇安通道 |
choppiness_index |
choppiness_index(high, low, close, period=14) |
ndarray |
混沌指标 (0=趋势, 100=震荡) |
chandelier_exit |
chandelier_exit(high, low, close, period=22, multiplier=3.0) |
(long_exit, short_exit) |
吊灯止损 (ATR 追踪) |
ichimoku |
ichimoku(high, low, close, tenkan=9, kijun=26, senkou_b=52, displacement=26) |
(tenkan, kijun, senkou_a, senkou_b, chikou) |
一目均衡表 |
pivot_points |
pivot_points(high, low, close, method="classic") |
(pivot, r1, s1, r2, s2) |
枢轴点 (classic/fibonacci/camarilla) |
动量类 (14 个)
| 函数 | 签名 | 返回 | 说明 |
|---|---|---|---|
cci |
cci(high, low, close, period) |
ndarray |
商品通道指数 |
willr |
willr(high, low, close, period) |
ndarray |
威廉指标 (-100~0) |
roc |
roc(data, period) |
ndarray |
变化率 |
mom |
mom(data, period) |
ndarray |
动量 |
cmo |
cmo(data, period) |
ndarray |
钱德动量振荡器 |
trix |
trix(data, period) |
ndarray |
三重指数平滑变化率 |
stochrsi |
stochrsi(data, timeperiod=14, fastk_period=5, fastd_period=3) |
(fastk, fastd) |
随机 RSI (0~100) |
aroon |
aroon(high, low, period) |
(up, down) |
Aroon 上升/下降 (0~100) |
aroonosc |
aroonosc(high, low, period) |
ndarray |
Aroon 振荡器 (-100~100) |
bop |
bop(open, high, low, close) |
ndarray |
力量平衡 (-1~1) |
ultosc |
ultosc(high, low, close, period1=7, period2=14, period3=28) |
ndarray |
终极振荡器 (0~100) |
ppo |
ppo(data, fastperiod=12, slowperiod=26, signalperiod=9) |
(line, signal, hist) |
百分比价格振荡器 |
apo |
apo(data, fastperiod=12, slowperiod=26) |
ndarray |
绝对价格振荡器 |
adx_all |
adx_all(high, low, close, period) |
(adx, +di, -di) |
ADX + DI+ + DI- |
波动率类 (5 个)
| 函数 | 签名 | 返回 | 说明 |
|---|---|---|---|
natr |
natr(high, low, close, period) |
ndarray |
归一化 ATR (%) |
trange |
trange(high, low, close) |
ndarray |
真实波幅 |
stddev |
stddev(data, period, nbdev=1.0) |
ndarray |
标准差 |
var |
var(data, period, nbdev=1.0) |
ndarray |
方差 |
atr |
atr(high, low, close, period) |
ndarray |
平均真实波幅 (原版) |
强度类 (3 个)
| 函数 | 签名 | 返回 | 说明 |
|---|---|---|---|
adx |
adx(high, low, close, period) |
ndarray |
ADX (0~100) (原版) |
plus_di |
plus_di(high, low, close, period) |
ndarray |
+DI 方向指标 |
minus_di |
minus_di(high, low, close, period) |
ndarray |
-DI 方向指标 |
adxr |
adxr(high, low, close, period) |
ndarray |
ADX 评级 |
成交量类 (5 个)
| 函数 | 签名 | 返回 | 说明 |
|---|---|---|---|
ad |
ad(high, low, close, volume) |
ndarray |
累积/派发线 |
adosc |
adosc(high, low, close, volume, fastperiod=3, slowperiod=10) |
ndarray |
累积/派发振荡器 |
obv |
obv(close, volume) |
ndarray |
能量潮 |
mfi |
mfi(high, low, close, volume, period) |
ndarray |
资金流量指数 (0~100) |
vwma |
vwma(data, volume, period=20) |
ndarray |
成交量加权移动平均 |
价格变换类 (4 个)
| 函数 | 签名 | 返回 | 说明 |
|---|---|---|---|
typprice |
typprice(high, low, close) |
ndarray |
典型价格 (H+L+C)/3 |
medprice |
medprice(high, low) |
ndarray |
中间价格 (H+L)/2 |
avgprice |
avgprice(open, high, low, close) |
ndarray |
平均价格 (O+H+L+C)/4 |
wclprice |
wclprice(high, low, close) |
ndarray |
加权收盘价 (H+L+C*2)/4 |
统计类 (7 个)
| 函数 | 签名 | 返回 | 说明 |
|---|---|---|---|
linearreg |
linearreg(data, period) |
ndarray |
线性回归 |
linearreg_slope |
linearreg_slope(data, period) |
ndarray |
线性回归斜率 |
linearreg_angle |
linearreg_angle(data, period) |
ndarray |
线性回归角度 |
linearreg_intercept |
linearreg_intercept(data, period) |
ndarray |
线性回归截距 |
tsf |
tsf(data, period) |
ndarray |
时间序列预测 |
beta |
beta(data0, data1, period) |
ndarray |
Beta 系数 |
correl |
correl(data0, data1, period) |
ndarray |
相关系数 |
Hilbert 变换 (6 个)
基于希尔伯特变换的周期分析工具（需要至少 32 根 K 线）：
| 函数 | 签名 | 返回 | 说明 |
|---|---|---|---|
ht_trendline |
ht_trendline(data) |
ndarray |
希尔伯特瞬时趋势线 |
ht_dcperiod |
ht_dcperiod(data) |
ndarray |
主导周期周期 |
ht_dcphase |
ht_dcphase(data) |
ndarray |
主导周期相位（度） |
ht_phasor |
ht_phasor(data) |
(in_phase, quadrature) |
相量分量 |
ht_sine |
ht_sine(data) |
(sine, lead_sine) |
正弦波（含超前信号） |
ht_trendmode |
ht_trendmode(data) |
ndarray[i32] |
趋势/周期模式 (1=趋势, 0=周期) |
市场状态检测 (4 个)
用于判断当前市场处于趋势或震荡状态，以及检测结构性突变：
| 函数 | 签名 | 返回 | 说明 |
|---|---|---|---|
regime_adx |
regime_adx(adx, threshold=25.0) |
ndarray[i8] |
基于 ADX 的趋势/震荡标签 (1=趋势, 0=震荡, -1=预热) |
regime_combined |
regime_combined(adx, atr, close, adx_threshold=25.0, atr_pct_threshold=2.0) |
ndarray[i8] |
ADX+ATR 组合判断 |
detect_breaks_cusum |
detect_breaks_cusum(data, window, threshold, slack) |
ndarray[i8] |
CUSUM 结构性突变检测 (1=突变点) |
rolling_variance_break |
rolling_variance_break(data, short_window, long_window, threshold) |
ndarray[i8] |
滚动方差比突变检测 (1=突变点) |
投资组合工具 (6 个)
跨序列分析工具，用于配对交易、风险管理、相对强度计算：
| 函数 | 签名 | 返回 | 说明 |
|---|---|---|---|
rolling_beta |
rolling_beta(asset, benchmark, window) |
ndarray |
滚动 Beta 系数 |
drawdown_series |
drawdown_series(equity) |
(dd_series, max_dd) |
回撤序列 + 最大回撤 |
zscore_series |
zscore_series(data, window) |
ndarray |
滚动 Z-Score |
relative_strength |
relative_strength(asset_returns, benchmark_returns) |
ndarray |
相对强度 (excess return 风格) |
spread |
spread(a, b, hedge) |
ndarray |
价差序列 (a - hedge*b) |
ratio |
ratio(a, b) |
ndarray |
比率序列 (a/b) |
Tick 微结构函数 (8 个)
| 函数 | 签名 | 返回 | 说明 |
|---|---|---|---|
tick_spread_pct |
tick_spread_pct(bid, ask) |
ndarray |
每 Tick 买卖价差百分比 |
buy_sell_imbalance_delta |
buy_sell_imbalance_delta(buy_cum, sell_cum) |
ndarray |
每 Tick 买卖失衡 |
return_window |
return_window(timestamps_ns, ltp, window_seconds=60.0) |
ndarray |
时间窗口回看收益率 |
realized_vol_rolling |
realized_vol_rolling(timestamps_ns, ltp, window_seconds=300.0) |
ndarray |
滚动已实现波动率 |
oi_position_pct |
oi_position_pct(oi, oi_day_high, oi_day_low) |
ndarray |
OI 位置百分比 [0, 100] |
tick_velocity |
tick_velocity(timestamps_ns, window_seconds=60.0) |
ndarray |
Tick 速度 (ticks/min) |
compute_tick_entry_signals |
compute_tick_entry_signals(spread_pct, bsi_delta, return_1m, ...) |
ndarray[bool] |
Tick 入场信号 |
compute_tick_exit_signals |
compute_tick_exit_signals(timestamps_ns, eod_exit_time_ns=0) |
ndarray[bool] |
Tick 出场信号 |
用法示例
import raptorbt
import numpy as np
close = np.array([...], dtype=np.float64)
high = np.array([...], dtype=np.float64)
low = np.array([...], dtype=np.float64)
open_ = np.array([...], dtype=np.float64)
volume = np.array([...], dtype=np.float64)
# 趋势
sma20 = raptorbt.sma(close, 20)
hull_ma = raptorbt.hull_ma(close, 14)
donchian_upper, donchian_middle, donchian_lower = raptorbt.donchian(high, low, 20)
ichimoku = raptorbt.ichimoku(high, low, close)
# 动量
rsi14 = raptorbt.rsi(close, 14)
macd_line, macd_signal, macd_hist = raptorbt.macd(close, 12, 26, 9)
cci20 = raptorbt.cci(high, low, close, 20)
ppo_line, ppo_signal, ppo_hist = raptorbt.ppo(close)
# 波动率
atr14 = raptorbt.atr(high, low, close, 14)
natr14 = raptorbt.natr(high, low, close, 14)
bb_upper, bb_middle, bb_lower = raptorbt.bollinger_bands(close, 20, 2.0)
# 成交量
ad_line = raptorbt.ad(high, low, close, volume)
mfi14 = raptorbt.mfi(high, low, close, volume, 14)
# Hilbert
ht_trendline = raptorbt.ht_trendline(close)
sine, lead_sine = raptorbt.ht_sine(close)
# 市场状态
adx_vals = raptorbt.adx(high, low, close, 14)
regime = raptorbt.regime_adx(adx_vals, threshold=25.0)
# 投资组合
rolling_beta = raptorbt.rolling_beta(close, benchmark, 20)
dd_series, max_dd = raptorbt.drawdown_series(equity_curve)
策略类型
1. 单标的回测
config = raptorbt.PyBacktestConfig(initial_capital=100000, fees=0.001, slippage=0.0005)
config.set_fixed_stop(0.02) # 2% 止损
config.set_fixed_target(0.04) # 4% 止盈
result = raptorbt.run_single_backtest(
timestamps=timestamps, open=open, high=high, low=low, close=close, volume=volume,
entries=entries, exits=exits, direction=1, weight=1.0, symbol="AAPL", config=config,
instrument_config=raptorbt.PyInstrumentConfig(lot_size=1.0), # 可选
)
2. 篮子回测
多标的同步信号交易：
instruments = [
(ts, o1, h1, l1, c1, v1, ent1, ext1, 1, 0.33, "AAPL"),
(ts, o2, h2, l2, c2, v2, ent2, ext2, 1, 0.33, "GOOGL"),
(ts, o3, h3, l3, c3, v3, ent3, ext3, 1, 0.34, "MSFT"),
]
result = raptorbt.run_basket_backtest(
instruments=instruments,
config=config,
sync_mode="all", # "all" | "any" | "majority" | "master"
)
3. 配对交易
做多一个标的，做空另一个：
result = raptorbt.run_pairs_backtest(
leg1_timestamps=ts, leg1_open=o1, leg1_high=h1, leg1_low=l1, leg1_close=c1, leg1_volume=v1,
leg2_timestamps=ts, leg2_open=o2, leg2_high=h2, leg2_low=l2, leg2_close=c2, leg2_volume=v2,
entries=entries, exits=exits, direction=1, symbol="PAIR", config=config,
hedge_ratio=1.5, # 空头 1.5 倍
dynamic_hedge=False,
)
4. 期权回测
result = raptorbt.run_options_backtest(
timestamps=ts, open=o, high=h, low=l, close=c, volume=v,
option_prices=option_premiums, entries=entries, exits=exits,
direction=1, symbol="NIFTY_CE", config=config,
option_type="call", # "call" | "put"
strike_selection="atm", # "atm" | "otm1" | "otm2" | "itm1" | "itm2"
size_type="percent", # "percent" | "contracts" | "notional" | "risk"
size_value=0.1,
lot_size=50,
)
5. 多策略回测
同一标的上组合多个策略：
strategies = [
(entries_sma, exits_sma, 1, 0.4, "SMA_Cross"),
(entries_rsi, exits_rsi, 1, 0.35, "RSI_MeanRev"),
(entries_bb, exits_bb, 1, 0.25, "BB_Break"),
]
result = raptorbt.run_multi_backtest(
timestamps=ts, open=o, high=h, low=l, close=c, volume=v,
strategies=strategies,
config=config,
combine_mode="any", # "any" | "all" | "majority" | "weighted" | "independent"
)
6. 批量价差回测
Rayon 并行执行多个价差回测，GIL 释放：
items = [
raptorbt.PyBatchSpreadItem(
strategy_id="straddle_24000",
legs_premiums=[call_premiums, put_premiums],
leg_configs=[("CE", 24000.0, -1, 50), ("PE", 24000.0, -1, 50)],
entries=entries, exits=exits,
spread_type="straddle",
max_loss=5000.0, target_profit=3000.0,
),
]
results = raptorbt.batch_spread_backtest(
timestamps=ts, underlying_close=close,
items=items, config=config,
)
for sid, result in results:
print(f"{sid}: {result.metrics.total_return_pct:.2f}%")
7. Tick 级回测
全 Tick 分辨率模拟，无 K 线重采样：
result = raptorbt.run_tick_backtest(
timestamps=timestamps_ns, # int64 纳秒
ltp=ltp_arr, bid=bid_arr, ask=ask_arr,
buy_qty_delta=buy_delta, sell_qty_delta=sell_delta,
oi=oi_arr,
entries=entry_signals, exits=exit_signals,
symbol="TICK",
initial_capital=100000.0, fees=0.001, slippage=0.0005,
stop_loss_pct=5.0, take_profit_pct=10.0,
max_hold_seconds=1800, entry_cooldown_ticks=10, max_trades=50,
)
Zerodha 数据注意：
total_buy_qty/total_sell_qty是累计值，需先转换：buy_delta = np.diff(buy_cum, prepend=0).clip(min=0)
止损与止盈
固定百分比
config = raptorbt.PyBacktestConfig(initial_capital=100000, fees=0.001)
config.set_fixed_stop(0.02) # 2% 止损
config.set_fixed_target(0.04) # 4% 止盈
ATR 动态止损
config.set_atr_stop(multiplier=2.0, period=14) # 2倍 ATR 止损
config.set_atr_target(multiplier=3.0, period=14) # 3倍 ATR 止盈
追踪止损
config.set_trailing_stop(0.02) # 2% 追踪止损
风险回报比止盈
config.set_risk_reward_target(ratio=2.0) # 2:1 风险回报比
出场原因
| 值 | 含义 |
|---|---|
Signal |
策略信号出场 |
StopLoss |
触发止损 |
TakeProfit |
触发止盈 |
TrailingStop |
触发追踪止损 |
EndOfData |
数据结束 |
Settlement |
期权结算 |
TimeExit |
超时出场（Tick 级） |
蒙特卡洛组合模拟
result = raptorbt.simulate_portfolio_mc(
returns=[ret1, ret2], # 各策略/资产的历史日收益率数组
weights=np.array([0.6, 0.4]), # 组合权重（和为 1）
correlation_matrix=[ # N×N 相关系数矩阵
np.array([1.0, 0.3]),
np.array([0.3, 1.0]),
],
initial_value=100000.0,
n_simulations=10000, # 模拟路径数
horizon_days=252, # 前瞻天数
seed=42, # 随机种子
)
print(f"预期收益: {result['expected_return']:.2f}%")
print(f"亏损概率: {result['probability_of_loss']:.2%}")
print(f"VaR (95%): {result['var_95']:.2f}%")
print(f"CVaR (95%): {result['cvar_95']:.2f}%")
回测结果与指标
PyBacktestResult
result.metrics # PyBacktestMetrics 对象
result.equity_curve() # 权益曲线 ndarray
result.drawdown_curve() # 回撤曲线 ndarray
result.returns() # 收益率序列 ndarray
result.trades() # 交易列表 List[PyTrade]
PyBacktestMetrics（33 个字段）
核心绩效：total_return_pct、sharpe_ratio、sortino_ratio、calmar_ratio、omega_ratio
回撤：max_drawdown_pct、max_drawdown_duration
交易统计：total_trades、total_closed_trades、total_open_trades、winning_trades、losing_trades、win_rate_pct
交易绩效：profit_factor、expectancy、sqn、avg_trade_return_pct、avg_win_pct、avg_loss_pct、best_trade_pct、worst_trade_pct
持仓：avg_holding_period、avg_winning_duration、avg_losing_duration
连战：max_consecutive_wins、max_consecutive_losses
其他：start_value、end_value、total_fees_paid、open_trade_pnl、exposure_pct、payoff_ratio、recovery_factor
m = result.metrics
stats = m.to_dict() # 24 个常用指标的字典（带中文友好标签）
PyTrade
for trade in result.trades():
trade.id # 交易 ID
trade.symbol # 标的
trade.entry_idx # 入场 bar 索引
trade.exit_idx # 出场 bar 索引
trade.entry_price # 入场价
trade.exit_price # 出场价
trade.size # 仓位大小
trade.direction # 1=多, -1=空
trade.pnl # 盈亏金额
trade.return_pct # 收益率 (%)
trade.fees # 手续费
trade.exit_reason # 出场原因
API 参考
PyBacktestConfig
config = raptorbt.PyBacktestConfig(
initial_capital=100000.0, # 初始资金
fees=0.001, # 手续费率
slippage=0.0, # 滑点
upon_bar_close=True, # K 线收盘后执行（防止前视偏差）
)
# 止损方法
config.set_fixed_stop(percent: float)
config.set_atr_stop(multiplier: float, period: int)
config.set_trailing_stop(percent: float)
# 止盈方法
config.set_fixed_target(percent: float)
config.set_atr_target(multiplier: float, period: int)
config.set_risk_reward_target(ratio: float)
PyInstrumentConfig
每标的配置：
inst = raptorbt.PyInstrumentConfig(
lot_size=1.0, # 最小交易单位
alloted_capital=50000.0, # 分配资金（可选）
existing_qty=None, # 现有持仓（预留）
avg_price=None, # 现有均价（预留）
)
# 可选：每标的止损/止盈覆盖
inst.set_fixed_stop(0.02)
inst.set_trailing_stop(0.03)
PyBatchSpreadItem
item = raptorbt.PyBatchSpreadItem(
strategy_id="straddle_24000",
legs_premiums=[call_premiums, put_premiums],
leg_configs=[("CE", 24000.0, -1, 50), ("PE", 24000.0, -1, 50)],
entries=entries, exits=exits, spread_type="straddle",
max_loss=5000.0, target_profit=3000.0,
)
simulate_portfolio_mc
result = raptorbt.simulate_portfolio_mc(
returns=List[np.ndarray], # 各资产日收益率 (N 个数组)
weights=np.ndarray, # 组合权重 (长度 N, 和为 1)
correlation_matrix=List[np.ndarray], # N×N 相关系数矩阵
initial_value=float, # 初始组合价值
n_simulations=int=10000, # 模拟路径数
horizon_days=int=252, # 前瞻天数
seed=int=42, # 随机种子
) -> dict
返回字典包含：expected_return、probability_of_loss、var_95、cvar_95、percentile_paths、final_values。
从源码构建
大多数用户应使用 pip install raptorbt。要自行构建，需要 Rust 1.70+、Python 3.10+ 和 maturin：
cd raptorbt
$env:CARGO = "C:\Users\Administrator\.cargo\bin\cargo.exe"
maturin develop --release # 开发安装到当前虚拟环境
cargo test # 运行 Rust 测试套件
注意：如果在 Windows 上遇到「拒绝访问 (os error 5)」错误，需要设置
CARGO环境变量指向cargo.exe可执行文件（而非目录）。参见 使用手册 - 常见编译问题。
构建并安装到全局
# 构建 whl
maturin build --release
# 全局 pip 安装
pip install --force-reinstall target\wheels\raptorbt-0.4.1-cp312-cp312-win_amd64.whl
验证测试
一个带种子的冒烟测试——运行两次，结果完全一致：
import numpy as np
import raptorbt
np.random.seed(42)
n = 500
close = np.cumprod(1 + np.random.randn(n) * 0.02) * 100
entries = np.zeros(n, dtype=bool); entries[::20] = True
exits = np.zeros(n, dtype=bool); exits[10::20] = True
config = raptorbt.PyBacktestConfig(initial_capital=100000, fees=0.001)
result = raptorbt.run_single_backtest(
timestamps=np.arange(n, dtype=np.int64),
open=close, high=close, low=close, close=close, volume=np.ones(n),
entries=entries, exits=exits, direction=1, weight=1.0, symbol="TEST",
config=config,
)
print(f"总收益率: {result.metrics.total_return_pct:.4f}%") # -30.6192%
print(f"夏普比率: {result.metrics.sharpe_ratio:.4f}") # -0.9086
版本历史
v0.4.1
- 新增 68 个扩展指标：集成 ferro-ta 指标库
- P0 扩展：VWMA、Donchian、Choppiness Index、Hull MA、Chandelier Exit、Ichimoku、Pivot Points
- Hilbert 变换：HT Trendline、DCPeriod、DCPhase、Phasor、Sine、TrendMode
- 市场状态检测：Regime ADX、Regime Combined、CUSUM Breaks、Variance Ratio Breaks
- 投资组合工具：Rolling Beta、Drawdown Series、Z-Score Series、Relative Strength、Spread、Ratio
- 指标总数从 12 扩展到 80+
v0.4.0
- Tick 级回测：全 Tick 分辨率，无需 K 线重采样
TickData结构：timestamps、ltp、bid、ask、buy_qty_delta、sell_qty_delta、oiExitReason::TimeExit：最大持仓时间超时退出run_tick_backtest：Tick 原生模拟引擎compute_tick_entry_signals：从特征数组计算入场信号compute_tick_exit_signals：基于时间的出场信号tick_spread_pct、buy_sell_imbalance_delta、return_window、realized_vol_rolling、oi_position_pct、tick_velocity
- 公开
compute_backtest_metrics函数
v0.3.4
- 单腿期权价差：
LongCall、LongPut、NakedCall、NakedPut ExitReason::Settlement：期权到期结算退出leg_expiry_timestamps：每条腿的到期时间追踪
v0.3.3
batch_spread_backtest：通过 Rayon 并行运行多个价差回测PyBatchSpreadItem：批量价差回测项定义- GIL 释放，最大 Python 并发
v0.3.2
payoff_ratio指标：平均盈利交易收益 / 平均亏损交易收益（绝对值）recovery_factor指标：净利润 / 最大回撤（绝对值）
v0.3.1
- 蒙特卡洛组合模拟（
simulate_portfolio_mc） - 几何布朗运动 + Cholesky 分解，Rayon 并行
v0.3.0
PyInstrumentConfig：每标的的配置（lot_size、分配资金、止损/止盈覆盖）- 仓位大小正确取整到 lot_size 的倍数
v0.2.2
- 导出
run_spread_backtest、rolling_min、rolling_max
v0.2.1
- 添加
rolling_min和rolling_max（LLV / HHV）
v0.2.0
- 多腿价差回测（straddle、strangle、vertical、iron condor、iron butterfly、butterfly、calendar、diagonal）
- 会话跟踪器（NSE 股票、MCX 商品、CDS 货币）
StreamingMetrics：权益/回撤追踪、交易记录、finalize()
v0.1.0
- 初始版本
- 5 种策略类型、30+ 绩效指标、10 个技术指标
- 止损管理：固定、ATR、追踪
- 止盈管理：固定、ATR、风险回报
- PyO3 Python 绑定
许可证
MIT License - 详见 LICENSE