回测执行模型

EasyQuant 采用事件驱动的回测模型，与 JoinQuant / Zipline 一致。理解执行模型有助于避免常见错误（如前视偏差、内存溢出）。

---

策略骨架

每个策略由 三个函数 + 一个全局对象 组成：

组件	调用时机	职责
initialize(context)	回测开始时一次	设置基准、手续费、注册定时函数、初始化变量
handle_data(context, data)	每个交易日一次	读取行情、判断信号、下单
market_open(context)	由 run_daily 注册	替代 handle_data 的自定义入口
g	跨交易日持久化	存储策略变量（如持仓天数、阈值）

每日执行流程

每个交易日:
  ┌─ before_trading_start(ctx, data)    ← 盘前回调（可选）
  │
  ├─ run_daily / run_weekly / run_monthly  ← 定时函数
  │
  ├─ handle_data(context, data)           ← 每日交易逻辑
  │
  └─ after_trading_end(ctx, data)         ← 盘后回调（可选）

关键约束

约束	说明	设计意图
T+1	当天买入的股票次日才可卖出	符合 A 股交易制度，框架自动处理
100 股整数倍	买入数量自动向下取整到 100 的整数倍	符合 A 股最小交易单位
前视偏差防护	策略只能访问 context.current_dt 及之前的数据	确保回测结果可信
下一日成交	order* 在当前回调入队，下一交易日开盘价成交	避免使用当日收盘价下单的偏差
内存限制	默认限制 1024 MB，可通过 max_memory_mb 调整	防止大回测 OOM

订单执行语义

def market_open(context):
    # 1. 当前时刻：只是下单，不立即成交
    order_value('601390', 50000)

    # 2. 下一交易日开盘：引擎按开盘价撮合
    #    - 检查可用资金
    #    - 取整到 100 股
    #    - 计算手续费
    #    - 更新持仓和现金

这意味着： - 不能在下单后立即读取成交价 — 成交价在下一个回调中才能获取 - 当日买入不能当日卖出 — closeable_amount 在 T+1 日才大于 0 - 策略信号领先成交一天 — 这是刻意为之，确保回测结果保守可信

g 全局对象

g 是策略级别的持久化存储，跨交易日有效。适合存储：

• 策略参数（均线周期、阈值等）
• 状态变量（持仓天数、上次信号等）
• 预计算的股票池

def initialize(context):
    g.security = '601390'
    g.hold_days = 0
    g.last_signal = None

def market_open(context):
    g.hold_days += 1  # 跨日持久化

不要使用 Python 全局变量

使用 g 而非 Python global 变量。g 由框架管理，确保在回测和模拟盘中行为一致。