fidc-backtest-engine

一个面向中国 A 股长周期选股策略的 Rust 回测核心骨架。这个仓库的第一版目标不是“玩具回测器”，而是提供一个可以继续演化为平台化引擎的最小可用核心，方向参考 nautilus_trader 的分层架构和 rqalpha 的中国股票规则约束。

当前能力

• 日频交易日历与确定性逐日回放
• A 股日频市场快照、估值/因子快照、基准快照、候选资格标记
• 策略接口与引擎驱动，不直接模拟 jqdata API
• Universe 选择器：按指数位置动态切换市值带，再取最小市值 Top-N
• 风险节流：基于指数均线状态切换 100% / 50% / 0% 仓位
• Broker Simulator：按次日开盘价撮合，支持手续费、印花税、最小佣金
• 中国 A 股规则钩子：T+1、停牌、涨停不可买、跌停不可卖
• 回测输出：权益曲线、成交记录、期末持仓摘要
• cargo run --bin bt-demo 可直接运行仓库内置 demo 数据

Workspace 布局

.
├── Cargo.toml
├── crates
│   ├── bt-demo
│   │   └── src/main.rs
│   └── fidc-core
│       └── src
│           ├── broker.rs
│           ├── calendar.rs
│           ├── cost.rs
│           ├── data.rs
│           ├── engine.rs
│           ├── events.rs
│           ├── instrument.rs
│           ├── portfolio.rs
│           ├── rules.rs
│           ├── strategy.rs
│           └── universe.rs
└── data/demo

核心模块概览

• calendar: 交易日历和滚动窗口工具，负责日频迭代和均线 lookback。
• instrument: 证券静态定义。
• data: 日频市场、因子、基准、候选资格数据模型与 CSV loader。
• universe: 动态市值带 Universe Selector。
• portfolio: 现金、持仓、FIFO lots、T+1 可卖数量、盈亏汇总。
• rules: 中国股票规则钩子，隔离停牌、涨跌停、T+1 检查。
• cost: 佣金、印花税、最低佣金模型。
• broker: 目标权重到订单执行的模拟器，先卖后买，买单按 100 股向下取整。
• strategy: 引擎驱动的策略 trait 与具体策略实现。
• engine: 确定性的逐日回测循环和结果收集。

策略实现

示例策略 CnSmallCapRotationStrategy 对应一类典型的 A 股小市值轮动逻辑：

1. 用指数点位相对基准水平切换市值带：
   • 强势区间：更偏小市值
   • 中性区间：中小市值
   • 弱势区间：偏大一些的防御市值带
2. 在当前市值带内，按总市值升序取 Top-N。
3. 用指数短均线/长均线关系控制总仓位：
   • 1.0: 风险偏好正常
   • 0.5: 降半仓
   • 0.0: 全部转现金
4. 固定交易日频率再平衡。
5. 非再平衡日也会检查止损/止盈钩子并触发退出。

这个接口不是 jqdata 风格的 before_trading_start / handle_data 直接脚本 API，而是：

• 策略收到 StrategyContext
• 返回 StrategyDecision
• 引擎和 broker 负责把目标权重和退出指令变成实际成交

这更接近平台化引擎需要的“策略意图”和“执行语义”分离。

与原始 jqdata 策略族的映射

如果原始逻辑大致是：

• 依据指数强弱切换可接受市值带
• 从候选股票里选最小市值若干只
• 按均线决定是否降仓
• 周期性调仓
• 带止损/止盈

那么本仓库中的映射关系是：

• get_fundamentals / valuation.market_cap -> DailyFactorSnapshot.market_cap_bn
• get_price / history -> DailyMarketSnapshot + BenchmarkSnapshot
• set_benchmark -> BacktestConfig.benchmark_code
• filter_paused / filter_st / 新股过滤 -> CandidateEligibility
• order_target_value -> StrategyDecision.target_weights 由 BrokerSimulator 解释执行
• 风险控制逻辑 -> CnSmallCapRotationStrategy::gross_exposure

V1 明确简化点

下面这些是刻意保留为 v1 简化，而不是遗漏：

• 只支持日频，不做分钟级、集合竞价、盘中撮合。
• 决策基于 T-1 收盘后可见数据，在 T 开盘价执行。
• 不模拟盘口排队、成交量约束和滑点模型，成交默认按开盘价完成。
• 买单按 100 股整手向下取整，卖单允许按实际持仓数量退出。
• 未处理复权、分红送转、融资融券、可转债、科创板/北交所差异规则。
• 止损止盈基于上一交易日收盘价相对持仓成本触发，下一交易日开盘执行。

这些简化都在代码结构上留了扩展位，不会阻断后续升级到更完整的执行层。

运行方式

cargo run --bin bt-demo

运行后会生成：

• output/demo/equity_curve.csv
• output/demo/trades.csv
• output/demo/holdings_summary.csv

测试与构建

cargo fmt
cargo test
cargo build

为什么这个设计适合后续做快

这个版本已经按“预计算后高速回放”的思路组织：

• 因子与资格数据和市场行情解耦，适合把 T x N 的选股输入预先展开。
• 快照结构是列式数据库友好的固定字段模型，后续可以自然对接 ClickHouse/Parquet。
• Engine 逐日回放时只做：
  • 取当天切片
  • 策略计算 target weights
  • broker 做持仓差量执行
• 不把查询逻辑塞进策略内部，避免回测时频繁回源数据层。

如果未来把日频因子、资格标记、可交易标记和开/收盘价全部预计算到列式存储，再按日期分块读入内存，6 年全市场回测在 5 分钟内是合理目标，原因是：

• 回测时不再做昂贵的 SQL join
• 因子筛选可直接消费预先物化的 snapshot
• 组合调仓只关心“目标持仓”和“当前持仓”的差量
• 事件流是 append-only，适合批量写出和后处理分析

Roadmap

• 引入更明确的事件总线和 portfolio/account ledger 分层
• 增加多 benchmark、多 universe、多个 broker model
• 支持企业行为、前后复权与现金分红
• 增加滑点、量比约束、成交量参与率
• 增加 parquet / ClickHouse 数据源与预计算管线
• 增加指标分析、分组收益、归因和 walk-forward 框架