赶快 Star 下来！
🧠 项目简介
QuantitativeTrading 是一个基于 Python 构建的中低频（日频级别）量化交易系统，具备策略开发、回测、绩效分析、实盘交易对接等完整功能链条。
🔧 项目架构一览
整个项目结构清晰，主要分为以下几个模块：
QuantitativeTrading/
├── backtest/ # 策略回测引擎
├── config/ # 配置文件（策略、账户信息等）
├── data/ # 数据处理和数据源模块
├── strategy/ # 策略模块（可自由扩展）
├── trading/ # 实盘交易模块（如 Alpaca 对接）
├── utils/ # 常用工具类函数（日志、时间处理等）
├── main.py # 启动程序主入口
└── README.md
🧪 核心模块功能介绍
backtest/
回测模块
-
实现了一个自定义的日频回测框架。
-
可读取历史数据模拟交易行为。
-
支持交易信号的触发、资金变化、盈亏计算、收益曲线等。
-
已封装常见回测指标计算（夏普比率、最大回撤等）。
📌 特点：轻量、易扩展、贴近实盘逻辑****
strategy/
策略模块
目前内置了一个简单策略框架，可以：
-
实现任意策略逻辑（如基于均线、动量等）
-
生成交易信号（买入、卖出、持仓）
-
与回测模块或实盘模块对接
📌 支持自定义参数和多策略组合。
trading/
实盘交易模块（支持 Alpaca）
该模块对接 Alpaca API，能够实现：
-
获取实时或历史数据（bar 数据）
-
发送交易订单（买入、卖出）
-
查询账户持仓、资产信息
📌 特别适合部署于每日运行一次的自动化交易模型。
data/
数据模块
支持多种数据来源，包括：
- 本地 CSV 文件读取
- 未来支持通过 Alpaca API 拉取数据
- 数据预处理（如时间对齐、缺失填补）
utils/
工具类模块
封装了一些常用功能，比如：
- 时间格式处理
- 日志记录（带日志级别）
- 配置文件加载（.yaml）
👨💻 适合哪些人使用？
本项目非常适合：
- 想了解完整量化交易系统架构的开发者
- 初中级量化爱好者，正在寻找可落地的策略开发模板
- 对日频策略感兴趣，想做中低频量化的朋友
🔗 项目地址 & 欢迎贡献
📍GitHub 项目地址：
如果你对项目感兴趣，欢迎：
- 点个 ⭐ Star 支持一下
- 提交 Issue / PR 一起完善
- Fork 后根据自己策略逻辑扩展使用
📬 联系作者
如果你有问题、建议或合作意向，可以通过 GitHub 提 Issue 或私信联系。
