Stock Backtesting — 量化回测系统 Demo

为后续量化项目提前做的原型验证：双均线策略回测 + AI 策略优化建议。

功能

• 📊 双均线策略回测：MA5 / MA20 金叉买入、死叉卖出，含手续费与滑点处理
• 📈 回测可视化：净值曲线、回撤曲线（matplotlib + seaborn）
• 🤖 AI 策略优化建议：将回测结果交给 LLM（DeepSeek / 阿里云 DashScope 兼容接口）分析，给出参数优化建议
• 🌐 Web 测试工具：Tailwind 前端页面（src/main.html），浏览器直接调用 API

技术栈

模块	技术
后端	FastAPI + Pydantic
数据	Tushare Pro
策略	双均线（MA5/MA20），Pandas 向量化回测
AI	OpenAI SDK（DashScope 兼容模式）
可视化	matplotlib / seaborn
前端	原生 HTML + Tailwind CDN

快速开始

# 1. 安装依赖
pip install fastapi uvicorn tushare pandas matplotlib seaborn openai

# 2. 配置环境变量（复制 .env.example 为 .env，填入 Tushare Token）
cp .env.example .env

# 3. 启动后端
cd src
uvicorn app:app --reload

# 4. 浏览器打开 src/main.html 测试

API

方法	路径	说明
GET	/api/backtest?symbol=000001.SZ	运行双均线策略回测，返回收益/回撤/交易信号
POST	/api/optimize	将回测结果发送给 AI，返回参数优化建议

目录结构

Stock-backtesting/
├── src/
│   ├── app.py            # FastAPI 后端
│   ├── date_fetcher.py   # Tushare 行情数据获取与预处理
│   ├── ma_strategy.py    # 双均线策略
│   ├── ai_optimizer.py   # AI 优化建议
│   ├── visualizer.py     # 回测可视化
│   └── main.html         # Web 测试工具
└── README.md

说明

• 本项目为学习用途的原型 Demo，非生产级系统
• 策略参数（5/20）与数据源均为演示配置