回测系统只是量化交易系统的一个部件。交易系统的设计应满足如下几个目标：

1，行情数据获取，并完成预处理。

2，自动选股（推荐股票）（根据用户需求与偏好）

3，自动控制仓位，优化股票池配置。

4，周期轮动。

5，可以灵活选择策略，并对其进行回测。

可靠，可扩展，实用性。

周期很重要，交易不像下棋，下棋的结果是确定的。交易不一样，如果拉到很长的周期可能是所有公司都会挂掉。但如果你只看1个月，看3个月，或更长时间，对于一支股票的评价就会完全不一样。

所以：

1，盈利目标 2，交易周期

3，交易模型 4，风险管理

回到第一性原理，交易就是低买高卖。那么，第一，交易什么？这里需要一个池子，先得看周期，比如短线，那至少觉得有一定概率一个月内会涨；如果中线，这个1个Q，长线则更长。这就是选股。

然后是择时，何时交易的问题。一个买入时间。二是退出（止盈或止损）

一些实用的小tip

停牌的数据如何处理

有时候，一些股票因为某些原因停牌，那数据里是没有对应交易日的数据，那回测如何处理呢？

按道理，应该是使用停牌前最后一个交易日的数据来填充。这样对处理市值，组合价值都没有影响。

def update_bars(self):

dt = self._get_trading_day()

if dt is None:

return False

#这里查出当天的universe里的列表[{},{}]

bar_dict = {}

daily_datas = data_utils.get_prices_by_date(dt,self.universe)

for data in daily_datas:

code = data[code]

self.barlist_dict[code].append(data)

bar_dict[code] = data

if len(daily_datas) == len(self.universe):

logger.debug(onbar数据与universe相同)

else:

for symbol in self.universe:

if symbol not in bar_dict.keys():

logger.warning(onbar数据与universe不同，可能有些symbol：%s停牌，未返回数据 % (symbol))

bar_dict[symbol] = self.bar_dict[symbol]#用上一期的数据 self.barlist_dict[symbol].append(self.barlist_dict[symbol][-1])#用上一期的数据

bar_dict[date] = dt

self.bar_dict = bar_dict

self.update_index_prices(dt)

self.events.put(BarEvent(bar_dict))

关于作者：魏佳斌，互联网产品/技术总监，北京大学光华管理学院（MBA）,特许金融分析师（CFA），资深产品经理/码农。偏爱python，深度关注互联网趋势，人工智能，AI金融量化。致力于使用最前沿的认知技术去理解这个复杂的世界。

扫描下方二维码，关注：AI量化实验室（ailabx），了解AI量化最前沿技术、资讯。