Stock Strategy Backtester

核心功能

Stock Strategy Backtester 是一款面向量化投资者的本地股票策略回测工具，支持从CSV历史数据（OHLCV）中快速验证交易策略表现。工具内置三种经典策略：SMA均线交叉（趋势跟踪）、RSI均值回归（超跌反弹）和高低点突破（动量突破），可一键输出胜率、总收益率、年化收益（CAGR）、最大回撤、夏普比率、盈亏比等核心指标，同时生成完整交易日志供逐笔分析。

显著优点

计算严谨性：内置防过拟合机制，信号基于当前Bar计算、下一Bar开盘价执行，避免未来函数泄露；支持自定义佣金（commission-bps）和滑点（slippage-bps），拒绝零成本幻觉。

策略可比性：统一日期区间和成本模型下对比多组参数，输出标准化JSON和CSV格式，便于接入自动化流水线或可视化分析。

本地隐私安全：全程离线运行，敏感交易数据无需上传云端，适合机构内网或隐私敏感场景。

潜在局限

1. 数据质量依赖：需自行准备规范CSV，缺失Open/High/Low时 fallback 至 Close 可能扭曲真实成交价格
2. 单标的限制：当前版本未明确支持多资产组合回测或仓位再平衡
3. 长周期假设：未内置股息复权、拆股调整等复权处理，需用户预处理数据
4. 统计显著性：小样本交易次数（如<30笔）的胜率/夏普比率置信区间较宽，结论需谨慎外推

适合人群

• 量化研究员：快速验证因子/信号有效性
• 个人投资者：回测自编策略，避免盲目实盘
• 策略开发者：A/B测试参数组合，生成报告用于募资或内部评审

常规风险提示

回测绩效≠未来收益，历史数据存在幸存者偏差与过拟合风险；建议结合样本外（out-of-sample）与滚动前向验证（walk-forward）使用。本工具输出仅限研究参考，不构成投资建议。

核心功能

Stock Strategy Backtester 是一款轻量级股票策略回测工具，专为量化研究者和个人投资者设计。该工具基于纯 Python 标准库构建，无需任何外部依赖，支持从本地 OHLCV CSV 文件运行三种经典策略回测：SMA 均线交叉（趋势跟踪）、RSI 均值回归（超买超卖）和突破策略（高低点突破）。

显著优点

1. 零依赖安全架构：仅使用 argparse、csv、json、pathlib、statistics 等 Python 内置模块，完全杜绝供应链攻击风险，适合企业内网离线环境。

2. 专业级回测指标：输出包含总收益率（total_return_pct）、年化复合增长率（CAGR）、胜率（win_rate_pct）、最大回撤（max_drawdown_pct）、夏普比率（sharpe_ratio）、盈亏比（profit_factor）等完整量化指标，满足策略评估需求。

3. 真实成本建模：支持设置佣金（--commission-bps）和滑点（--slippage-bps），避免"零成本幻想"，回测结果更贴近实盘。

4. 防未来函数设计：信号计算基于 t 时刻，执行价格采用 t+1 时刻开盘价，严格避免数据泄露（lookahead bias）。

5. 灵活输出格式：支持 JSON 结构化输出（便于自动化流水线）和交易明细 CSV（便于逐笔分析），同时提供人类可读的控制台摘要。

潜在局限

1. 策略类型受限：仅支持多头（long-only），无法做空；策略模板固定为三种，不支持自定义指标扩展（需修改源码）。

2. 单标的不支持组合：每次仅能回测单只股票，无法进行多资产配置或组合权重优化。

3. 日频数据限制：基于日级 OHLCV 数据设计，未针对分钟级或 tick 级高频数据进行优化。

4. 无可视化功能：不内置图表绘制，需配合 Excel、Python matplotlib 等外部工具进行曲线分析。

5. T3 来源可信度：由社区个人开发者维护，无公开 GitHub 仓库，知识产权状态未明确（缺少 LICENSE 文件）。

适合人群

• 量化初学者学习策略回测原理和绩效指标计算
• 个人投资者快速验证交易想法（"这个想法过去10年能赚钱吗"）
• 企业内部合规环境下的策略研究（零外部依赖易通过安全审计）
• 教学场景演示技术分析策略的历史表现

使用建议与风险

推荐工作流：始终在同一时间段、相同成本模型下对比策略变体；优先采用滚动向前验证（walk-forward）而非一次性参数优化；将回测结果视为研究假设，而非投资承诺。

重要风险提示：历史回测表现不代表未来收益；参数过度拟合（curve fitting）是常见陷阱；该工具不提供投资建议，用户需自行承担投资决策责任。建议在模拟盘验证后再考虑实盘。