A股量化交易 Skill (Tushare Pro + Backtrader)

执行哲学

你是执行者，不是教程生成器。

当用户要求回测时，他们想看到结果，不是让他们自己复制代码运行。当用户要求图表时，他们想看到图表，不是一个文件路径。

核心原则

关键行为准则

1. 写了代码就要运行 - 用 Bash 执行 Python,不要只给代码块
2. 生成文件就要打开 - 图表/报告生成后,执行 start <filepath> (Windows)
3. 遇到错误就要修复 - 不要只报告错误,要调试解决
4. 不确定就要查文档 - 用 context7 查询,不要凭记忆猜测

Tushare Token 配置（重要）

在首次使用或需要获取数据时，必须先询问用户使用哪种 Token 类型。

Token 类型选择

Tushare 支持两种连接方式：

方式一：官方 Token（推荐）

适用于直接从 Tushare Pro 官网注册获取的 token。

import tushare as ts

# 方法1：使用 set_token（推荐）
ts.set_token('your_official_token')
pro = ts.pro_api()

# 方法2：直接传入 token
pro = ts.pro_api('your_official_token')

方式二：中转 Token

适用于使用中转服务的 token（如 tushare.xiximiao.com）。

import tushare as ts

pro = ts.pro_api('占位符')
pro._DataApi__token = '你的中转Token'
pro._DataApi__http_url = 'http://tushare.xiximiao.com/dataapi'

使用流程

1. 首次使用时询问：

``` 请问您使用的是： 1. Tushare 官方 Token（从 tushare.pro 注册获取） 2. 中转 Token（如 tushare.xiximiao.com）

请告诉我您使用的是哪种 Token，以及您的 Token 值。 ```

1. 根据用户选择使用对应的初始化代码

1. 后续使用时：

- 如果用户已经配置过，直接使用对应的方式 - 如果不确定，再次询问用户

注意事项

• 不要假设用户使用哪种方式，必须明确询问
• 官方 Token 和中转 Token 的初始化代码不同，不可混用
• 中转 Token 需要额外设置 http_url

核心原则：不确定就查文档

这是最重要的原则：遇到任何不确定的接口、参数、字段,必须用 context7 查询官方文档。

Tushare 接口查询

Library ID: /websites/tushare_pro_document

查询示例：
- "daily 日线行情 返回字段 open high low close"
- "fina_indicator 财务指标 roe eps 参数"
- "stock_basic 股票列表 industry market"
- "stk_factor_pro pe pb 市盈率 市净率"
- "moneyflow 资金流向 buy_sm buy_md"

Backtrader 功能查询

Library ID: /websites/backtrader_docu

查询示例：
- "cerebro adddata PandasData dataframe"
- "strategy buy sell order next"
- "indicator SMA EMA RSI MACD period"
- "analyzer SharpeRatio Returns DrawDown"
- "broker setcommission commission"

查询时机

• 使用任何 tushare 接口前,先确认参数和返回字段
• 使用任何 backtrader 功能前,先确认用法
• 遇到报错时,查询正确用法
• 宁可多查一次,也不要写错误代码

快速开始

完整回测示例

import tushare as ts
import backtrader as bt
import pandas as pd

# ========== 1. 初始化 Tushare ==========
pro = ts.pro_api('占位符')
pro._DataApi__token = '你的中转Token'  # 替换为实际 token
pro._DataApi__http_url = 'http://tushare.xiximiao.com/dataapi'

# ========== 2. 定义策略 ==========
class SMAStrategy(bt.Strategy):
    """简单移动平均策略"""
    params = (('period', 20),)

    def __init__(self):
        self.sma = bt.indicators.SMA(self.data.close, period=self.p.period)

    def next(self):
        if not self.position:
            if self.data.close[0] > self.sma[0]:
                self.buy()
        else:
            if self.data.close[0] < self.sma[0]:
                self.sell()

# ========== 3. 获取数据 ==========
df = pro.daily(ts_code='600000.SH', start_date='20220101', end_date='20231231')
df['trade_date'] = pd.to_datetime(df['trade_date'])
df = df.set_index('trade_date').sort_index()
df = df.rename(columns={'vol': 'volume'})
df = df[['open', 'high', 'low', 'close', 'volume']]

# ========== 4. 运行回测 ==========
cerebro = bt.Cerebro()
cerebro.addstrategy(SMAStrategy)
cerebro.adddata(bt.feeds.PandasData(dataname=df))
cerebro.broker.setcash(100000)
cerebro.broker.setcommission(commission=0.001)

# 添加分析器
cerebro.addanalyzer(bt.analyzers.SharpeRatio, _name='sharpe')
cerebro.addanalyzer(bt.analyzers.Returns, _name='returns')
cerebro.addanalyzer(bt.analyzers.DrawDown, _name='drawdown')

print(f'初始资金: {cerebro.broker.getvalue():.2f}')
results = cerebro.run()
print(f'最终资金: {cerebro.broker.getvalue():.2f}')

# 打印分析结果
strat = results[0]
print(f"年化收益: {strat.analyzers.returns.get_analysis().get('rnorm100', 0):.2f}%")
print(f"夏普比率: {strat.analyzers.sharpe.get_analysis().get('sharperatio', 0):.2f}")
print(f"最大回撤: {strat.analyzers.drawdown.get_analysis().get('max', {}).get('drawdown', 0):.2f}%")

# 绘图
cerebro.plot()

核心代码片段

Tushare 初始化

import tushare as ts
pro = ts.pro_api('占位符')
pro._DataApi__token = '你的Token'
pro._DataApi__http_url = 'http://tushare.xiximiao.com/dataapi'

数据转换为 Backtrader 格式

import pandas as pd
import backtrader as bt

# 获取数据
df = pro.daily(ts_code='600000.SH', start_date='20230101', end_date='20231231')

# 转换
df['trade_date'] = pd.to_datetime(df['trade_date'])
df = df.set_index('trade_date').sort_index()
df = df.rename(columns={'vol': 'volume'})
df = df[['open', 'high', 'low', 'close', 'volume']]

# 创建数据源
data = bt.feeds.PandasData(dataname=df)

详细的数据对接代码见 [data-bridge.md](data-bridge.md)。

A股手续费设置

import backtrader as bt

class AShareCommission(bt.CommInfoBase):
    params = (
        ('commission', 0.0003),   # 佣金万三
        ('stamp_duty', 0.001),    # 印花税千一
        ('stocklike', True),
        ('commtype', bt.CommInfoBase.COMM_PERC),
        ('percabs', True),  # 关键参数
    )

    def _getcommission(self, size, price, pseudoexec):
        turnover = abs(size) * price
        commission = max(turnover * self.p.commission, 5)  # 最低5元
        if size < 0:  # 卖出收印花税
            commission += turnover * self.p.stamp_duty
        return commission

cerebro.broker.addcommissioninfo(AShareCommission())

详细说明见 [ashare-rules.md](ashare-rules.md)。

参考文档索引

核心文档

技术文档

文档使用指南

渐进式信息披露

本 skill 采用渐进式信息披露架构,避免一次性加载所有信息：

用户请求
    ↓
SKILL.md (本文档)
├── 快速开始示例
├── 核心原则：不确定就查文档
└── 参考文档索引
    ↓
专题文档 (按需阅读)
├── data-reference.md - 数据查询方法
├── factor-examples.md - 策略开发方法论
├── dataframe-reference.md - 数据处理工具
├── factor-analysis-reference.md - 因子分析
├── machine-learning-reference.md - ML 集成
└── best-practices.md - 最佳实践
    ↓
Context7 查询 (按需查询)
├── Tushare 官方文档
├── Backtrader 官方文档
├── pandas 文档
└── scikit-learn 文档

使用建议

1. 首次使用：阅读本文档的快速开始示例
2. 开发策略：参考 factor-examples.md 的策略模板
3. 获取数据：参考 data-reference.md 的查询指南
4. 遇到问题：查看 known-issues.md 和 debugging-guide.md
5. 不确定时：使用 context7 查询官方文档

已知问题速查

• 北向资金数据 (moneyflow_hsgt): 2024年起不可用,不要使用
• Tushare 积分限制: 部分高级接口需要较高积分
• 数据排序: Backtrader 要求数据升序排列,Tushare 返回降序
• 手续费设置: 必须设置 percabs=True,否则手续费计算错误

详见 [known-issues.md](known-issues.md)

语言

使用用户的语言回复。 用户用中文提问,用中文回答。