趋势定投之路

回测

回测对推演结果与定投策略做历史回测，统计决策命中率。所属层级与边界见 仿真库总体设计。

定位

回测承担三类回测：

  • 推演回测：T+1/T+5/T+20 对比推演判断与实际市场反应
  • 策略回测：定投参数（PE 分位阈值、止盈条件）的历史表现
  • 决策命中率回测：决策日志中买入/卖出决策的事后命中率

回测的产出反哺推演与策略--某条传导链路长期失效就在推演 Agent 里降权，某类策略参数长期跑输就触发策略研究迭代。

现有能力

策略回测已具备基础能力，脚本 backtest_dca.py：

使用方式：

python 03-仿真库/03-回测/backtest_dca.py                       # 默认回测 000016/000852/000905
python 03-仿真库/03-回测/backtest_dca.py --code 000905         # 单标的
python 03-仿真库/03-回测/backtest_dca.py --start 2018-01-01    # 指定起始日期
python 03-仿真库/03-回测/backtest_dca.py --monthly 2000        # 基础月投金额

推演回测与决策命中率回测尚未启动，随推演智能体 MVP 同步建设。

目录规划

后续推进后将扩展：

  • 推演回测脚本（T+1/T+5/T+20 自动对账）
  • 决策命中率统计脚本
  • 回测结果表（SQLite，存储每次回测的对比结果与偏差分析）
  • 反哺规则（链路权重调整、策略参数迭代、数据质量标注）

按 AGENTS.md 约定，Python 脚本、数据库文件、日志目录不纳入 Rspress 页面扫描。

延伸阅读