金鲲量化 · 知识库

用 Python 做 A 股量化回测入门: 聚宽式 API 与金鲲研究平台

想用 Python 写 A 股策略但不想自己搭数据和撮合引擎? 本文介绍聚宽式策略 API 的基本结构(initialize / handle_data / order / history), 以及金鲲量化研究平台如何在服务器沙箱里跑通一个双均线策略并生成报告。

更新于 2026-09-07 · 约 6 分钟

一个最小策略长什么样

聚宽式 API 的策略只有几个固定入口: initialize 里设定股票池、基准和参数; handle_data 每个交易日被调用一次, 在里面用 history 取过去 N 天的收盘价, 算出信号后用 order_target 下单。双均线策略十几行就能写完: 5 日线上穿 20 日线全仓买入, 下穿清仓。

金鲲研究平台怎么跑

  • 在线 IDE 写 Python, 点运行后任务进入队列, 由服务器在隔离沙箱里执行(无网络、限内存、限时), 你的代码拿不到任何密钥, 也影响不到别人。
  • 数据来自服务器本地日线仓, 全 A 股前复权日线, 不消耗任何行情配额, 也不需要自己找数据。
  • 撮合规则逐条复刻主系统: 信号次日开盘成交、T+1、涨跌停拒单、真实费率与 5BP 滑点、100 股整手。同一组信号在 Python 引擎和主系统 TS 引擎里的成交与净值做过一致性黄金测试。
  • 报告含总收益、年化、最大回撤、夏普、Calmar、胜率、盈亏比、费用合计与基准对比, 净值曲线与回撤水下图, 逐笔交易明细。
  • 配套课程从"三分钟跑通第一个策略"到"回测陷阱清单", 每节示例代码可一键载入 IDE 运行。

初学者最常犯的三个错

  • 未来函数: 在 handle_data 里用到了当天收盘价或之后的数据。平台的 history 只返回到前一日, 从接口层杜绝。
  • 拿最高回测收益当最优参数: 那是对过去的拟合, 见《回测过拟合怎么识别》。
  • 忽略费率与涨跌停: 高换手策略零费率回测的收益可能有一半是假的。
风险提示: 本文介绍的是金鲲量化的规则实现与研究结论, 不构成任何投资建议; 所有回测与模拟结果仅供研究学习。投资有风险, 入市需谨慎。

延伸阅读