# 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