量化多因子策略回测框架Backtest

一般量化回测框架，有这么几种

第一种：在存储着trade_date和net_return，selected_stock的矩阵里计算累计收益率和净值。

去掉了停牌等不能交易的股票交易日，没有因子信息的股票交易日。

这种矩阵计算会很省时间，但是也会忽略很多东西。

第二种：核心：在trade_date 的循环判断买卖条件，里更新仓位，净值。

逻辑：

class memory():#定义一个存储仓位变化的全局类，当然你也可以用其他数据结构或者文件记录
    pass

For(all_date):
        if today==trade_date:
            today_data=get_data(trade_date,high,close,open,low)
            position_change=your_strategy(today_data)
	    memory.position=Update_position(position_change)
            memory.netvalue=Update_netvalue(position,close)

注意：框架要注意封装性，代码要干净，可读性要强，便于帮你写策略的同事理解。（废话，啥给别人看的代码都得可读性强。。）

功能上尽量齐全，留好接口，日后研究方便（废话，肯定功能越多越好）

金融上要考虑停牌，复权，ST股票，涨跌停无法交易等实际性问题。（废话，当然会考虑，但是考虑这么多写代码多麻烦！）

学习方法：多阅读git上开源的回测框架比如zipline