auto-sync: 2026-04-11 22:22:03

This commit is contained in:
cfdaily
2026-04-11 22:22:03 +08:00
parent dfb9c13f5d
commit 557496e5c9
2 changed files with 245 additions and 0 deletions
+1
View File
@@ -67,5 +67,6 @@
@@ -0,0 +1,244 @@
# 自动化回测服务设计方案
## 需求背景
三国量化团队需要支持**自动化批量回测**场景:
- 将军们提交回测脚本和参数
- 系统自动运行回测
- 完成后返回结果给将军
- 不需要手动干预
## 现有环境基础
当前 Docker 容器环境已经提供:
- ✅ Python 3.10
- ✅ 完整 vnpy 框架
-`vnpy.trader.backtesting.BacktestingEngine` 原生回测引擎
- ✅ FastAPI(已被 vnpy_webtrader 依赖)
- ✅ SSH 远程访问
- ✅ Jupyter Lab 结果分析
## 设计原则
1. **尽量基于vnpy原生**:核心回测使用原生 `BacktestingEngine`,不重复造轮子
2. **轻量级实现**:不引入过重的第三方任务队列(如 Redis/RabbitMQ
3. **保持简单**:够用就好,便于维护
4. **不强制自动启动**:作为可选服务,需要时手动启动
## 架构设计
```
┌─────────────┐
│ 将军 │
└──────┬──────┘
│ POST /api/backtest/submit
┌──────────────────────────┐
│ FastAPI 回测服务 │ ← 监听 8088 端口
│ - 接收任务 │
│ - 任务排队 │
│ - 进程池执行 │
│ - 保存结果 │
└──────┬───────────────────┘
│ 调用
┌──────────────────────────┐
│ vnpy 原生 BacktestingEngine ← 核心回测计算
│ - 加载历史数据 │
│ - 运行策略回测 │
│ - 计算统计结果 │
│ - 输出图表 │
└──────┬───────────────────┘
│ 保存结果
┌──────────────────────────┐
│ 文件系统存储 │
│ - 任务元数据 JSON │
│ - 回测结果 CSV/JSON │
│ - 收益曲线图片 │
└──────┬───────────────────┘
│ GET /api/backtest/result/{task_id}
┌─────────────┐
│ 将军 │ ← 获取结果分析
└─────────────┘
```
## 端口分配
| 服务 | 端口 | 用途 | 状态 |
|------|------|------|------|
| SSH | 22 → 2222 | 远程登录 | ✅ 已映射 |
| Jupyter Lab | 8888 | Notebook开发 | ✅ 已映射 |
| code-server | 8080 | Web VS Code | ✅ 已映射 |
| VNPY Web Trader | 8000 | 交易Web API | ✅ 已映射 |
| VNPY RPC 交易核心 | 2018 | RPC 请求 | ✅ 已映射 |
| VNPY RPC 交易核心 | 4102 | RPC 订阅 | ✅ 已映射 |
| **自动化回测服务** | **8088** | **回测API** | ✅ 已映射 |
## API 接口设计
### 1. 提交回测任务
**接口:** `POST /api/backtest/submit`
**请求体:**
```json
{
"strategy_name": "double_ma",
"strategy_code": "from vnpy.trader.strategy import ...",
"parameters": {
"fast_window": 5,
"slow_window": 20
},
"start_date": "2020-01-01",
"end_date": "2024-01-01",
"symbol": "IF888",
"interval": "1h"
}
```
**响应:**
```json
{
"code": 0,
"msg": "success",
"data": {
"task_id": "a1b2c3d4-1234-5678-90ef-ghijklmnopqr",
"status": "pending"
}
}
```
### 2. 查询任务状态
**接口:** `GET /api/backtest/status/{task_id}`
**响应:**
```json
{
"code": 0,
"msg": "success",
"data": {
"task_id": "a1b2c3d4-1234-5678-90ef-ghijklmnopqr",
"status": "running|completed|failed",
"progress": 75,
"message": "正在计算统计结果"
}
}
```
### 3. 获取回测结果
**接口:** `GET /api/backtest/result/{task_id}`
**响应:**
```json
{
"code": 0,
"msg": "success",
"data": {
"task_id": "...",
"status": "completed",
"statistics": {
"total_trades": 100,
"win_rate": 0.6,
"sharpe_ratio": 1.8,
"max_drawdown": 0.15,
"total_return": 0.35,
"annual_return": 0.08
},
"result_file": "/app/backtest_results/.../result.csv",
"chart_file": "/app/backtest_results/.../equity_curve.png",
"completed_at": "2026-04-11T22:00:00Z"
}
}
```
### 4. 列出所有任务
**接口:** `GET /api/backtest/list`
**响应:**
```json
{
"code": 0,
"msg": "success",
"data": {
"tasks": [
{
"task_id": "...",
"strategy_name": "...",
"status": "...",
"created_at": "..."
}
]
}
}
```
## 目录结构
```
/app/
├── scripts/
│ └── backtest-service/
│ ├── main.py # FastAPI 入口
│ ├── task_queue.py # 任务队列实现
│ ├── executor.py # 任务执行器
│ ├── models.py # 数据模型
│ └── README.md # 使用说明
└── backtest_jobs/
├── pending/ # 等待执行
├── running/ # 执行中
├── completed/ # 已完成
└── failed/ # 执行失败
```
## 任务队列实现
使用 Python 内置 `multiprocessing.Pool` 做进程池,限制并发回测数量,避免资源耗尽:
```python
# 配置示例
MAX_WORKERS = 2 # 最大并发回测数,根据CPU核数调整
```
每个回测任务在独立进程中运行,互不干扰,一个失败不影响其他任务。
## 启动方式
### 手动启动(开发环境)
```bash
ssh -p 2222 vnpy@192.168.2.153
cd /app/scripts/backtest-service
python main.py
```
### 后台运行
```bash
nohup python main.py > backtest-service.log 2>&1 &
```
## 后续实现步骤
1. [ ] 创建目录结构
2. [ ] 编写 Pydantic 数据模型
3. [ ] 编写任务队列
4. [ ] 编写任务执行器
5. [ ] 编写 FastAPI 路由
6. [ ] 编写 README 使用说明
7. [ ] 测试验证
## 参考文档
- [vnpy-webtrader-research-report.md](./../task-20260331-vnpy-webtrader-research/final/vnpy-webtrader-research-report.md)
- [docker-dependency-cache-scheme.md](./docker-dependency-cache-scheme.md)
---
**文档记录时间:** 2026-04-11 22:21 GMT+8
**记录人:** 姜维 伯约
**状态:** 设计完成,待实现