Menü
从策略文档（Markdown/PDF/Word/URL）自动理解策略逻辑，在本项目中生成可运行的量化策略代码，并完成回测。当用户提供策略文档、URL链接或策略描述，要求实现量化策略时调用此技能。
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Basierend auf der SOC-Berufsklassifikation
| name | strategy-generator |
| description | 从策略文档（Markdown/PDF/Word/URL）自动理解策略逻辑，在本项目中生成可运行的量化策略代码，并完成回测。当用户提供策略文档、URL链接或策略描述，要求实现量化策略时调用此技能。 |
从策略文档自动理解策略逻辑，在 qmt_backtrader 框架中生成可运行的量化策略代码，并完成回测。
Python 运行环境（通过 PowerShell 动态获取系统 Python 环境）：
$pythonPath = "$env:USERPROFILE\AppData\Local\Programs\Python\Python312\python.exe"
if (-not (Test-Path $pythonPath)) {
$pythonPath = (Get-ChildItem "$env:USERPROFILE\AppData\Local\Programs\Python\Python*" -Directory |
Sort-Object Name -Descending | Select-Object -First 1).FullName + "\python.exe"
}
& "$pythonPath" main.py --mode backtest ...sys.executable 或上述脚本获取后调用e:\jupyter notebook\automatic\qmt_backtrader当用户出现以下情况时调用此技能：
根据输入类型选择读取方式：
| 输入类型 | 识别方式 | 处理方法 |
|---|---|---|
本地 Markdown (.md) | 路径以 .md 结尾 | 使用 Read 工具直接读取 |
本地 PDF (.pdf) | 路径以 .pdf 结尾 | 使用 Python 脚本提取文本（见下方"PDF提取脚本"） |
本地 Word (.docx/.doc) | 路径以 .docx/.doc 结尾 | 使用 Python 脚本提取文本（见下方"Word提取脚本"） |
本地纯文本 (.txt) | 路径以 .txt 结尾 | 使用 Read 工具直接读取 |
| URL 链接 | 以 http:// 或 https:// 开头 | 使用 WebFetch 工具抓取，自动转为 markdown |
| 直接粘贴文本 | 无文件路径特征 | 直接使用文本内容 |
PDF 提取脚本：
import sys
try:
import pdfplumber
with pdfplumber.open(sys.argv[1]) as pdf:
for page in pdf.pages:
text = page.extract_text()
if text:
print(text)
except ImportError:
try:
from PyPDF2 import PdfReader
reader = PdfReader(sys.argv[1])
for page in reader.pages:
text = page.extract_text()
if text:
print(text)
except ImportError:
print("ERROR: 需要安装 pdfplumber 或 PyPDF2: pip install pdfplumber", file=sys.stderr)
sys.exit(1)
运行方式：使用 $pythonPath = "$env:USERPROFILE\AppData\Local\Programs\Python\Python312\python.exe"; & "$pythonPath" -c "<上述脚本>" <pdf文件路径>
Word 提取脚本：
import sys
try:
from docx import Document
doc = Document(sys.argv[1])
for para in doc.paragraphs:
if para.text.strip():
print(para.text)
except ImportError:
print("ERROR: 需要安装 python-docx: pip install python-docx", file=sys.stderr)
sys.exit(1)
运行方式：使用 $pythonPath = "$env:USERPROFILE\AppData\Local\Programs\Python\Python312\python.exe"; & "$pythonPath" -c "<上述脚本>" <docx文件路径>
从文档内容中提取以下关键策略要素：
| 要素 | 说明 | 提取方法 |
|---|---|---|
| 策略类型 | 选股调仓型 vs 择时/轮动型 | 根据关键词判断（见1.3） |
| 选股/交易逻辑 | 买卖条件、指标计算、信号生成规则 | 识别条件语句、公式、规则描述 |
| 参数定义 | 可调参数及其默认值 | 识别数值参数、阈值、周期等 |
| 数据需求 | 需要哪些行情数据、财务数据 | 识别指标名称、数据字段 |
| 调仓规则 | 调仓频率、仓位管理方式 | 识别"月度/周/季度调仓"、"等权"等 |
| 风控规则 | 止损、止盈、仓位限制 | 识别"止损X%"、"最大回撤"等 |
| 回测配置 | 资金、日期范围、股票池 | 识别回测区间、初始资金等 |
| 文档特征 | 判断为 | 基类 |
|---|---|---|
| 提到"选股"、"股票池"、"调仓"、"持仓组合"、"等权" | 选股调仓型 | StockSelectionStrategy |
| 提到"轮动"、"择时"、"均线交叉"、"买卖信号"、"金叉死叉" | 择时/轮动型 | StrategyLogic |
| 提到"ETF轮动"、"标的切换"、"动量轮动" | 择时/轮动型 | StrategyLogic |
| 同时包含选股和择时特征 | 优先选股调仓型 | StockSelectionStrategy |
| 无法明确判断 | 询问用户选择 | - |
根据策略核心逻辑生成有意义的英文注册名，参考现有策略命名风格：
| 策略逻辑 | 推荐命名 | 示例 |
|---|---|---|
| 高股息选股 | high_dividend | 已有 |
| 小市值选股 | small_cap | 已有 |
| ETF动量轮动 | etf_rotation | 已有 |
| 低波动率选股 | low_volatility | - |
| 质量因子选股 | quality_factor | - |
| 价值成长选股 | value_growth | - |
| 双均线择时 | double_ma | 已有 |
| 多因子选股 | multi_factor | - |
| 行业轮动 | sector_rotation | - |
| 动量策略 | momentum | - |
命名原则：
strategies/、strategies_for_vip/ 和 strategies_my/ 目录）| 场景 | 目录 |
|---|---|
| 默认 | strategies_my/<strategy_name>_strategy/ |
| 用户指定放系统目录 | strategies/<strategy_name>_strategy/ |
| 用户指定放 VIP 目录 | strategies_for_vip/<strategy_name>_strategy/ |
from typing import List
from core.stock_selection import StockSelectionStrategy
from strategies import register_strategy
@register_strategy('<strategy_name>',
default_kwargs={'max_stocks': <N>},
backtest_config={'cash': 1000000, 'commission': 0.0001,
'start_date': '2020-04-28', 'end_date': '2026-04-28',
'period': '1d', 'pool': '<股票池>'})
class <StrategyName>Strategy(StockSelectionStrategy):
"""<策略中文名> - <一句话描述>
选股逻辑：
1. <步骤1>
2. <步骤2>
3. <步骤3>
调仓规则：
- <调仓频率>调仓，等权重持仓
"""
params = (
('rebalance_freq', '<freq>'),
('max_stocks', <N>),
('position_ratio', 0.95),
('stock_pool', None),
)
def select_stocks(self) -> List[str]:
pool = self.get_stock_pool()
# 步骤1: 基本面/技术面过滤
filtered = self._filter_<filter_name>(pool)
if not filtered:
self.log(f'过滤后无股票')
return []
# 步骤2: 排序/评分
scored = self._score_stocks(filtered)
# 步骤3: 取前N只
max_stocks = self.params.max_stocks
selected = [stock for stock, _ in scored[:max_stocks]]
self.log(f'选股结果: {len(pool)} -> {len(filtered)} -> {len(selected)} 只')
return selected
def _filter_<filter_name>(self, pool: List[str]) -> List[str]:
result = []
for stock in pool:
# 过滤逻辑
pass
return result
def _score_stocks(self, stocks: List[str]) -> list:
scored = []
for stock in stocks:
# 评分逻辑
score = 0
scored.append((stock, score))
scored.sort(key=lambda x: x[1], reverse=True)
return scored
from core.strategy_logic import StrategyLogic, BarData, OrderInfo, TradeInfo
from strategies import register_strategy
@register_strategy('<strategy_name>',
backtest_config={'cash': 200000, 'commission': 0.0005,
'start_date': '2020-04-28', 'end_date': '2026-04-28',
'period': '1d'})
class <StrategyName>Strategy(StrategyLogic):
"""<策略中文名> - <一句话描述>
交易逻辑：
1. <条件1>时买入
2. <条件2>时卖出
"""
params = (
('<param1>', <default1>),
('<param2>', <default2>),
)
def on_bar(self, bar: BarData):
# 获取数据
# 判断信号
# 执行交易
pass
def on_order(self, order: OrderInfo):
super().on_order(order)
def on_trade(self, trade: TradeInfo):
super().on_trade(trade)
strategies_my/<strategy_name>_strategy/ (或 strategies/<strategy_name>_strategy/、strategies_for_vip/<strategy_name>_strategy/)
├── __init__.py # 空文件
├── <strategy_name>_strategy.py # 策略主文件
├── generate_report.py # HTML报告生成脚本（阶段五创建）
├── readme.md # 策略说明文档（阶段四生成，含回测结果）
├── backtest_report.html # HTML回测报告（阶段五生成，可视化展示）
└── backtest_results/ # 回测结果目录（回测时自动生成）
└── <timestamp>_<strategy_name>.json # 回测记录JSON（含meta/config/metrics/trade_log/equity_curve）
从文档中提取回测配置，缺失项使用默认值：
| 配置项 | 选股策略默认值 | 择时策略默认值 | 提取来源 |
|---|---|---|---|
| 初始资金 (cash) | 1,000,000 | 200,000 | 文档中的"初始资金"、"资金量" |
| 佣金 (commission) | 0.0001 | 0.0005 | 文档中的"手续费"、"佣金" |
| 股票池 (pool) | 中证1000 | - | 文档中的"股票池"、"选股范围" |
| 回测起始 (start_date) | 2020-04-28 | 2020-04-28 | 文档中的"回测区间" |
| 回测结束 (end_date) | 2026-04-28 | 2026-04-28 | 文档中的"回测区间" |
| 基准 (benchmark) | 自动根据股票池 | 000300.SH | 文档中的"基准"、"对比指数" |
使用 main.py 命令行方式执行回测，不要创建独立的 run_backtest.py 脚本。
命令格式：
$pythonPath = "$env:USERPROFILE\AppData\Local\Programs\Python\Python312\python.exe"
& "$pythonPath" main.py --mode backtest --strategy <strategy_name> --period 1d --pool <股票池> --start <起始日期> --end <结束日期> --ai-mode
参数说明：
| 参数 | 说明 | 示例 |
|---|---|---|
--mode backtest | 回测模式（固定） | --mode backtest |
--strategy | 策略名称（注册名） | --strategy twenty_eight_rotation |
--period | 数据周期 | --period 1d |
--pool | 股票池板块名称 | --pool 中证全指 |
--start | 回测起始日期 | --start 2020-04-28 |
--end | 回测结束日期 | --end 2026-04-28 |
--ai-mode | AI模式，跳过图形界面（必须加） | --ai-mode |
--debug | 调试模式（可选，输出详细日志） | --debug |
--no-record | 禁用回测记录（不要加，需要记录结果） | - |
选股策略示例：
$pythonPath = "$env:USERPROFILE\AppData\Local\Programs\Python\Python312\python.exe"
& "$pythonPath" main.py --mode backtest --strategy undervalued --period 1d --pool 中证1000 --start 2020-04-28 --end 2026-04-28 --ai-mode
择时/轮动策略示例：
$pythonPath = "$env:USERPROFILE\AppData\Local\Programs\Python\Python312\python.exe"
& "$pythonPath" main.py --mode backtest --strategy twenty_eight_rotation --period 1d --pool 中证全指 --start 2020-04-28 --end 2026-04-28 --ai-mode
关键规则：
--ai-mode，跳过图形界面渲染--no-record，让回测结果自动保存到策略目录下的 backtest_results/ 文件夹backtest_results/ 目录下会自动生成 <timestamp>_<strategy_name>.json，包含完整的 meta、config、metrics、trade_log、equity_curve 数据backtest_results/ 中读取最新的回测记录e:\jupyter notebook\automatic\qmt_backtrader 下执行回测完成后，向用户报告以下核心指标：
| 指标 | 说明 |
|---|---|
| 夏普比率 | 风险调整后收益 |
| 总收益率 | 策略总回报 |
| 年化收益率 | 年化后的收益率 |
| 最大回撤 | 最大峰谷回撤 |
| 索提诺比率 | 下行风险调整后收益 |
| 最终权益 | 回测结束时的账户权益 |
回测完成后，必须自动生成策略目录下的 readme.md 文件，包含策略说明和回测结果。
backtest_results/ 目录读取最新的回测记录 JSONmetrics 和 config 数据填充回测结果部分backtest_results/ 目录不存在或为空，仍生成 readme.md 但标注"回测未完成"import os
import json
import glob
def get_latest_backtest_result(strategy_dir):
"""从 backtest_results/ 目录读取最新的回测结果JSON"""
results_dir = os.path.join(strategy_dir, 'backtest_results')
if not os.path.isdir(results_dir):
return None
json_files = sorted(glob.glob(os.path.join(results_dir, '*.json')))
if not json_files:
return None
latest_file = json_files[-1] # 按文件名排序，最新的在最后
with open(latest_file, 'r', encoding='utf-8') as f:
return json.load(f)
# <策略中文名>
## 策略概述
<策略的核心思想和目标>
## 选股逻辑
1. <步骤1>
2. <步骤2>
3. <步骤3>
## 调仓规则
- <调仓频率>调仓，等权重持仓
- 最多持仓 <N> 只股票
- 仓位比例 <ratio>%
## 参数说明
| 参数 | 默认值 | 说明 |
|------|--------|------|
| rebalance_freq | <freq> | 调仓频率 |
| max_stocks | <N> | 最大持仓数量 |
| position_ratio | <ratio> | 仓位比例 |
## 回测结果（<股票池>，<起始日期> ~ <结束日期>）
| 指标 | 数值 |
|------|------|
| 初始资金 | <initial_capital> |
| 最终权益 | <final_value> |
| 总收益率 | <total_return_pct>% |
| 年化收益率 | <annual_return_pct>% |
| 夏普比率 | <sharpe_ratio> |
| 索提诺比率 | <sortino_ratio> |
| 最大回撤 | <max_drawdown_pct>% |
| 交易天数 | <total_trading_days> |
| 盈利天数 / 亏损天数 | <win_days> / <loss_days> |
| 胜率（日） | <win_rate_pct>% |
| 总手续费 | <fee> |
| 换手额 | <turnover> |
## 回测配置
- 初始资金: <initial_capital>
- 股票池: <pool>
- 回测区间: <start_date> ~ <end_date>
- 基准指数: <benchmark>
- 佣金: <commission>
## 快速开始
```bash
python main.py --mode backtest --strategy <strategy_name> --period 1d --pool <股票池> --start <起始日期> --end <结束日期> --ai-mode --no-record
#### 4.4 readme.md 模板（择时/轮动型）
```markdown
# <策略中文名>
## 策略概述
<策略的核心思想和目标>
## 交易逻辑
1. <条件1>时买入
2. <条件2>时卖出
## 参数说明
| 参数 | 默认值 | 说明 |
|------|--------|------|
| <param1> | <default1> | <说明1> |
| <param2> | <default2> | <说明2> |
## 回测结果（<起始日期> ~ <结束日期>）
| 指标 | 数值 |
|------|------|
| 初始资金 | <initial_capital> |
| 最终权益 | <final_value> |
| 总收益率 | <total_return_pct>% |
| 年化收益率 | <annual_return_pct>% |
| 夏普比率 | <sharpe_ratio> |
| 索提诺比率 | <sortino_ratio> |
| 最大回撤 | <max_drawdown_pct>% |
| 交易天数 | <total_trading_days> |
| 盈利天数 / 亏损天数 | <win_days> / <loss_days> |
| 胜率（日） | <win_rate_pct>% |
| 总手续费 | <fee> |
| 换手额 | <turnover> |
## 回测配置
- 初始资金: <initial_capital>
- 回测区间: <start_date> ~ <end_date>
- 基准指数: <benchmark>
- 佣金: <commission>
## 快速开始
```bash
python main.py --mode backtest --strategy <strategy_name> --period 1d --start <起始日期> --end <结束日期> --ai-mode --no-record
#### 4.5 生成方式
读取 `backtest_results/` 目录下最新的回测记录 JSON，从中提取 `metrics` 和 `config` 字段替换模板中的占位符，写入策略目录下的 `readme.md`。
**回测记录 JSON 结构参考**：
```json
{
"meta": {
"run_id": "20260516_175424_undervalued",
"strategy_name": "undervalued",
"timestamp": "2026-05-16T17:54:24",
"framework_version": "1.0"
},
"config": {
"cash": 1000000,
"commission": 0.0013,
"start_date": "2020-04-28",
"end_date": "2026-04-28",
"period": "1d",
"pool": "中证1000",
"benchmark": "000852.SH"
},
"metrics": {
"initial_capital": 1000000,
"final_value": 1866891.37,
"total_profit": 866891.37,
"total_return_pct": 86.69,
"fee": 37099.86,
"sharpe_ratio": 0.677,
"max_drawdown_pct": -29.63,
"annual_return_pct": 11.43,
"total_trading_days": 1454,
"win_days": 770,
"loss_days": 683,
"turnover": 28538353.83,
"total_volume": 3302500
},
"trade_log": [...],
"equity_curve": [...]
}
字段映射：
| readme.md 占位符 | JSON 路径 | 说明 |
|---|---|---|
<initial_capital> | metrics.initial_capital | 初始资金 |
<final_value> | metrics.final_value | 最终权益 |
<total_return_pct> | metrics.total_return_pct | 总收益率(%) |
<annual_return_pct> | metrics.annual_return_pct | 年化收益率(%) |
<sharpe_ratio> | metrics.sharpe_ratio | 夏普比率 |
<max_drawdown_pct> | metrics.max_drawdown_pct | 最大回撤(%) |
<total_trading_days> | metrics.total_trading_days | 交易天数 |
<win_days> | metrics.win_days | 盈利天数 |
<loss_days> | metrics.loss_days | 亏损天数 |
<fee> | metrics.fee | 总手续费 |
<turnover> | metrics.turnover | 换手额 |
<pool> | config.pool | 股票池 |
<start_date> | config.start_date | 回测起始日期 |
<end_date> | config.end_date | 回测结束日期 |
<benchmark> | config.benchmark | 基准指数 |
<commission> | config.commission | 佣金 |
关键规则：
<placeholder> 必须用实际数据替换，不得留空metrics 和 config 读取backtest_results/ 目录不存在或为空，标注"回测未完成".py 文件同级回测完成后，必须自动生成策略目录下的 backtest_report.html 文件，提供可视化的策略回测结果展示。
backtest_results/ 目录读取最新的回测记录 JSONbacktest_results/ 目录不存在或为空，跳过此阶段报告包含以下模块：
| 模块 | 内容 | 数据来源 |
|---|---|---|
| 策略概览 | 策略名称、回测区间、股票池 | meta + config 字段 |
| 核心指标卡片 | 总收益率、年化收益率、夏普比率、最大回撤、胜率等 | metrics 字段 |
| 权益曲线图 | 策略净值随时间变化 | equity_curve 数组 |
| 月度收益热力图 | 按年月展示月度收益率 | 从 equity_curve 计算 |
| 交易记录表 | 最近50条交易明细 | trade_log 数组 |
| 策略参数表 | 策略使用的参数 | config + strategy_params 字段 |
在策略目录下创建 generate_report.py，内容如下：
import os
import sys
import json
import glob
PROJECT_ROOT = os.path.dirname(os.path.dirname(os.path.dirname(os.path.dirname(os.path.abspath(__file__)))))
sys.path.insert(0, PROJECT_ROOT)
def get_latest_backtest_result(strategy_dir):
"""从 backtest_results/ 目录读取最新的回测结果JSON"""
results_dir = os.path.join(strategy_dir, 'backtest_results')
if not os.path.isdir(results_dir):
return None
json_files = sorted(glob.glob(os.path.join(results_dir, '*.json')))
if not json_files:
return None
latest_file = json_files[-1]
with open(latest_file, 'r', encoding='utf-8') as f:
return json.load(f)
def _heatmap_color(value):
"""根据月度收益率返回背景色"""
if value is None:
return 'rgba(148, 163, 184, 0.05)'
if value > 5:
return 'rgba(52, 211, 153, 0.7)'
if value > 2:
return 'rgba(52, 211, 153, 0.4)'
if value > 0:
return 'rgba(52, 211, 153, 0.2)'
if value > -2:
return 'rgba(248, 113, 113, 0.2)'
if value > -5:
return 'rgba(248, 113, 113, 0.4)'
return 'rgba(248, 113, 113, 0.7)'
def _heatmap_text_color(value):
"""根据月度收益率返回文字色"""
if value is None:
return 'transparent'
if abs(value) > 2:
return '#fff'
return '#94a3b8'
def generate_report():
strategy_dir = os.path.dirname(os.path.abspath(__file__))
data = get_latest_backtest_result(strategy_dir)
if not data:
print(f"未找到回测结果，跳过报告生成")
return
# 从回测记录JSON中提取数据
meta = data.get('meta', {})
config = data.get('config', {})
metrics = data.get('metrics', {})
trade_log = data.get('trade_log', [])
equity_curve = data.get('equity_curve', [])
strategy_params = data.get('strategy_params', {})
strategy_name = meta.get('strategy_name', 'unknown')
strategy_cn_name = '<策略中文名>'
start_date = config.get('start_date', '')
end_date = config.get('end_date', '')
pool = config.get('pool', '')
benchmark = config.get('benchmark', '000300.SH')
commission = config.get('commission', 0)
initial_capital = metrics.get('initial_capital', 0)
final_value = metrics.get('final_value', 0)
total_return_pct = metrics.get('total_return_pct', 0)
annual_return_pct = metrics.get('annual_return_pct', 0)
sharpe_ratio = metrics.get('sharpe_ratio', 0)
max_drawdown_pct = metrics.get('max_drawdown_pct', 0)
total_trading_days = metrics.get('total_trading_days', 0)
win_days = metrics.get('win_days', 0)
loss_days = metrics.get('loss_days', 0)
win_rate_pct = round(win_days / (win_days + loss_days) * 100, 1) if (win_days + loss_days) > 0 else 0
turnover = metrics.get('turnover', 0)
fee = metrics.get('fee', 0)
total_profit = metrics.get('total_profit', 0)
# 计算月度收益率（从 equity_curve）
monthly_returns = {}
if equity_curve:
monthly_values = {}
for item in equity_curve:
ym = item['date'][:7]
monthly_values[ym] = item['portfolio_value']
sorted_months = sorted(monthly_values.keys())
for i in range(1, len(sorted_months)):
prev_val = monthly_values[sorted_months[i - 1]]
curr_val = monthly_values[sorted_months[i]]
if prev_val > 0:
ret = (curr_val - prev_val) / prev_val * 100
monthly_returns[sorted_months[i]] = round(ret, 2)
# 月度热力图数据
heatmap_years = sorted(set(ym[:4] for ym in monthly_returns.keys()))
heatmap_months_labels = [f'{i}月' for i in range(1, 13)]
heatmap_data = []
for year in heatmap_years:
row = []
for month in range(1, 13):
ym = f'{year}-{month:02d}'
row.append(monthly_returns.get(ym, None))
heatmap_data.append(row)
# 交易记录表格（最近50条）
recent_trades = trade_log[-50:] if len(trade_log) > 50 else trade_log
trade_rows = ""
for t in recent_trades:
direction = '买入' if t.get('direction') == '0' else '卖出'
dir_class = 'trade-buy' if direction == '买入' else 'trade-sell'
pnl_val = t.get('pnl', 0)
pnl_class = 'up' if pnl_val > 0 else ('down' if pnl_val < 0 else '')
pnl_str = f'{pnl_val:+.2f}' if pnl_val != 0 else '-'
trade_time = t.get('trade_time', '')[:10]
trade_rows += f'''<tr>
<td>{trade_time}</td>
<td>{t.get('instrument_id', '')}</td>
<td class="{dir_class}">{direction}</td>
<td>{t.get('trade_price', 0):.2f}</td>
<td>{t.get('volume', 0)}</td>
<td class="{pnl_class}">{pnl_str}</td>
<td>{t.get('memo', '')}</td>
</tr>'''
# 权益曲线数据
equity_dates = json.dumps([d['date'] for d in equity_curve], ensure_ascii=False)
equity_values = json.dumps([d['portfolio_value'] for d in equity_curve], ensure_ascii=False)
# 热力图HTML片段（预先计算）
heatmap_header_html = " ".join(f'<div class="heatmap-header">{m}</div>' for m in heatmap_months_labels)
heatmap_body_html = ""
for y, row in zip(heatmap_years, heatmap_data):
heatmap_body_html += f'<div class="heatmap-label">{y}</div>'
for v in row:
bg = _heatmap_color(v)
tc = _heatmap_text_color(v)
text = f'{v:.1f}' if v is not None else ''
heatmap_body_html += f'<div class="heatmap-cell" style="background:{bg};color:{tc}">{text}</div>'
# 策略参数展示
params_html = ""
for k, v in strategy_params.items():
if k in ('stock_pool', 'instrument_id', 'exchange', 'kline_style'):
continue
params_html += f'<div class="param-item"><span class="param-key">{k}</span><span class="param-val">{v}</span></div>'
# 收益率颜色判断
return_color = '#34d399' if total_return_pct > 0 else '#f87171'
sharpe_color = '#34d399' if sharpe_ratio > 0 else '#f87171'
html = f'''<!DOCTYPE html>
<html lang="zh-CN">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>{strategy_cn_name} - 回测报告</title>
<script src="https://cdn.jsdelivr.net/npm/chart.js@4.4.0/dist/chart.umd.min.js"></script>
<style>
* {{ margin: 0; padding: 0; box-sizing: border-box; }}
body {{ font-family: -apple-system, BlinkMacSystemFont, 'Segoe UI', Roboto, 'Noto Sans SC', sans-serif; background: #0f172a; color: #e2e8f0; line-height: 1.6; }}
.container {{ max-width: 1200px; margin: 0 auto; padding: 40px 20px; }}
h1 {{ font-size: 2.2em; text-align: center; background: linear-gradient(135deg, #60a5fa, #a78bfa); -webkit-background-clip: text; -webkit-text-fill-color: transparent; }}
h2 {{ font-size: 1.4em; color: #60a5fa; margin: 40px 0 20px; border-bottom: 1px solid #1e293b; padding-bottom: 10px; }}
.subtitle {{ text-align: center; color: #94a3b8; margin-bottom: 40px; }}
.summary-cards {{ display: grid; grid-template-columns: repeat(auto-fit, minmax(180px, 1fr)); gap: 16px; margin: 30px 0; }}
.card {{ background: #1e293b; border-radius: 12px; padding: 20px; border: 1px solid #334155; }}
.card-label {{ font-size: 0.8em; color: #94a3b8; text-transform: uppercase; letter-spacing: 0.5px; }}
.card-value {{ font-size: 1.8em; font-weight: 700; margin: 6px 0; }}
.up {{ color: #34d399; }}
.down {{ color: #f87171; }}
.chart-box {{ background: #1e293b; border-radius: 12px; padding: 20px; border: 1px solid #334155; margin: 24px 0; }}
table {{ width: 100%; border-collapse: collapse; margin: 16px 0; background: #1e293b; border-radius: 12px; overflow: hidden; }}
th {{ background: #0f172a; color: #94a3b8; font-weight: 600; font-size: 0.85em; text-transform: uppercase; padding: 12px 14px; text-align: left; }}
td {{ padding: 10px 14px; border-top: 1px solid #334155; font-size: 0.9em; }}
.trade-buy {{ color: #34d399; font-weight: 600; }}
.trade-sell {{ color: #f87171; font-weight: 600; }}
.heatmap-grid {{ display: grid; grid-template-columns: 60px repeat(12, 1fr); gap: 3px; margin: 16px 0; }}
.heatmap-label {{ font-size: 0.75em; color: #94a3b8; display: flex; align-items: center; justify-content: flex-end; padding-right: 8px; }}
.heatmap-header {{ font-size: 0.7em; color: #94a3b8; text-align: center; padding: 4px; }}
.heatmap-cell {{ border-radius: 4px; text-align: center; font-size: 0.7em; font-weight: 600; padding: 6px 2px; min-height: 28px; display: flex; align-items: center; justify-content: center; }}
.params-grid {{ display: grid; grid-template-columns: repeat(auto-fill, minmax(250px, 1fr)); gap: 8px; }}
.param-item {{ background: #0f172a; border-radius: 8px; padding: 10px 14px; display: flex; justify-content: space-between; }}
.param-key {{ color: #94a3b8; font-size: 0.85em; }}
.param-val {{ color: #60a5fa; font-weight: 600; font-size: 0.85em; }}
</style>
</head>
<body>
<div class="container">
<h1>{strategy_cn_name}</h1>
<p class="subtitle">回测区间: {start_date} 至 {end_date} | 股票池: {pool or "默认"} | 基准: {benchmark}</p>
<h2>一、核心指标</h2>
<div class="summary-cards">
<div class="card">
<div class="card-label">总收益率</div>
<div class="card-value" style="color:{return_color}">{total_return_pct:.2f}%</div>
</div>
<div class="card">
<div class="card-label">年化收益率</div>
<div class="card-value" style="color:{return_color}">{annual_return_pct:.2f}%</div>
</div>
<div class="card">
<div class="card-label">夏普比率</div>
<div class="card-value" style="color:{sharpe_color}">{sharpe_ratio:.4f}</div>
</div>
<div class="card">
<div class="card-label">最大回撤</div>
<div class="card-value down">{max_drawdown_pct:.2f}%</div>
</div>
<div class="card">
<div class="card-label">日胜率</div>
<div class="card-value">{win_rate_pct:.1f}%</div>
</div>
</div>
<div class="summary-cards">
<div class="card">
<div class="card-label">初始资金</div>
<div class="card-value" style="font-size:1.2em">{initial_capital:,.0f}</div>
</div>
<div class="card">
<div class="card-label">最终权益</div>
<div class="card-value" style="font-size:1.2em;color:{return_color}">{final_value:,.2f}</div>
</div>
<div class="card">
<div class="card-label">总利润</div>
<div class="card-value" style="font-size:1.2em;color:{return_color}">{total_profit:+,.2f}</div>
</div>
<div class="card">
<div class="card-label">交易天数</div>
<div class="card-value" style="font-size:1.2em">{total_trading_days}</div>
</div>
<div class="card">
<div class="card-label">盈利/亏损天数</div>
<div class="card-value" style="font-size:1.2em"><span class="up">{win_days}</span> / <span class="down">{loss_days}</span></div>
</div>
<div class="card">
<div class="card-label">总手续费</div>
<div class="card-value" style="font-size:1.2em">{fee:,.2f}</div>
</div>
</div>
<h2>二、权益曲线</h2>
<div class="chart-box">
<canvas id="chartEquity"></canvas>
</div>
<h2>三、月度收益热力图</h2>
<div class="chart-box">
<div class="heatmap-grid">
<div class="heatmap-header"></div>
{heatmap_header_html}
{heatmap_body_html}
</div>
</div>
<h2>四、交易记录（最近50条）</h2>
<table>
<thead>
<tr><th>日期</th><th>标的</th><th>方向</th><th>价格</th><th>数量</th><th>盈亏</th><th>备注</th></tr>
</thead>
<tbody>{trade_rows or '<tr><td colspan="7" style="text-align:center;color:#94a3b8">暂无交易记录</td></tr>'}</tbody>
</table>
<h2>五、策略参数</h2>
<div class="params-grid">
{params_html or '<div style="color:#94a3b8">无自定义参数</div>'}
</div>
</div>
<script>
Chart.defaults.color = '#94a3b8';
const gridColor = 'rgba(148, 163, 184, 0.1)';
new Chart(document.getElementById('chartEquity'), {{
type: 'line',
data: {{
labels: {equity_dates},
datasets: [{{
label: '账户权益',
data: {equity_values},
borderColor: '#60a5fa',
backgroundColor: 'rgba(96, 165, 250, 0.1)',
borderWidth: 2,
fill: true,
pointRadius: 0,
tension: 0.1
}}]
}},
options: {{
responsive: true,
plugins: {{
title: {{ display: true, text: '策略权益曲线' }},
tooltip: {{
callbacks: {{
label: function(ctx) {{ return '权益: ' + ctx.parsed.y.toLocaleString(); }}
}}
}}
}},
scales: {{
y: {{
grid: {{ color: gridColor }},
ticks: {{
callback: function(v) {{ return (v/10000).toFixed(0) + '万'; }}
}}
}},
x: {{
grid: {{ display: false }},
ticks: {{ maxTicksLimit: 12 }}
}}
}}
}}
}});
</script>
</body>
</html>'''
output_file = os.path.join(strategy_dir, 'backtest_report.html')
with open(output_file, 'w', encoding='utf-8') as f:
f.write(html)
print(f'HTML报告已生成: {output_file}')
if __name__ == '__main__':
generate_report()
回测完成后（main.py --mode backtest 执行结束），使用以下命令生成报告：
$pythonPath = "$env:USERPROFILE\AppData\Local\Programs\Python\Python312\python.exe"
& "$pythonPath" "<策略目录>/generate_report.py"
注意：
generate_report.py 会自动从 backtest_results/ 目录读取最新的回测记录 JSON，无需手动指定文件路径backtest_results/ 目录中没有数据| 规范 | 说明 |
|---|---|
| 配色 | 深色主题（#0f172a 背景），与项目现有优化报告风格一致 |
| 图表库 | Chart.js 4.x（CDN加载） |
| 响应式 | 支持不同屏幕宽度，卡片网格自适应 |
| 数据来源 | 全部从 backtest_results/ 目录最新 JSON 读取，不硬编码 |
| 文件大小 | 控制在 500KB 以内（权益曲线数据采样如果超过1000点则降采样） |
策略文档中的自然语言描述需要映射到项目中已有的数据接口。
| 文档常见描述 | 对应项目 API | 代码示例 |
|---|---|---|
| 股息率、分红 | self.get_dividend_yield(stock) | dy = self.get_dividend_yield('000001.SZ') |
| ROE | self.get_financial_field(stock, 'Pershareindex', 'du_return_on_equity') | roe = self.get_financial_field(s, 'Pershareindex', 'du_return_on_equity') |
| EPS | self.get_financial_field(stock, 'Pershareindex', 'eps_diluted') | eps = self.get_financial_field(s, 'Pershareindex', 'eps_diluted') |
| 营收增速 | self.get_financial_field(stock, 'Pershareindex', 'inc_net_profit_rate') | growth = self.get_financial_field(s, 'Pershareindex', 'inc_net_profit_rate') |
| 每股经营现金流 | self.get_financial_field(stock, 'Pershareindex', 's_fa_ocfps') | ocf = self.get_financial_field(s, 'Pershareindex', 's_fa_ocfps') |
| 批量财务数据 | self.get_financial_fields_batch(stocks, table, fields) | data = self.get_financial_fields_batch(pool, 'Pershareindex', ['eps_diluted', 'du_return_on_equity']) |
| 行业分类 | self.get_industry(stock) | industry = self.get_industry('000001.SZ') |
| 同比增长率 | self.compute_growth_rate(stock, table, field) | growth = self.compute_growth_rate(s, 'Income', 'total_operate_income') |
| 股票筛选 | self.screen_stocks(condition, pool) | selected = self.screen_stocks(lambda s: (self.get_financial_field(s, 'Pershareindex', 'eps_diluted') or 0) > 0.5) |
| 排序选股 | self.rank_stocks(score_func, pool, top_n) | ranked = self.rank_stocks(score_func, top_n=10) |
| 当前价格 | self.get_current_price(stock) | price = self.get_current_price('000001.SZ') |
| 收盘价序列 | self.get_close_prices(stock, period) | closes = self.get_close_prices('000001.SZ', 20) |
| OHLCV数据 | self.get_ohlcv_data(stock, period) | ohlcv = self.get_ohlcv_data('000001.SZ', 20) |
| 股票池 | self.get_stock_pool() | pool = self.get_stock_pool() |
| 历史派息 | self.get_dvps_history(stock, count) | dvps = self.get_dvps_history('000001.SZ', 3) |
| 行业映射 | self.get_industry_mapping() | mapping = self.get_industry_mapping() |
| 文档常见描述 | 对应项目 API | 代码示例 |
|---|---|---|
| 收盘价序列 | self.get_close_prices(symbol, period) | closes = self.get_close_prices(symbol, 20) |
| 当前价格 | self.get_current_price(symbol) | price = self.get_current_price(symbol) |
| OHLCV数据 | self.get_ohlcv_data(symbol, period) | ohlcv = self.get_ohlcv_data(symbol, 20) |
| 持仓查询 | self.get_position_size(symbol) | pos = self.get_position_size(symbol) |
| 可用资金 | self.get_cash() | cash = self.get_cash() |
| 当前日期 | self.get_current_date() | date = self.get_current_date() |
| 买入 | self.buy(symbol, price, volume) | self.buy(symbol, price, 100) |
| 卖出 | self.sell(symbol, price, volume) | self.sell(symbol, price, 100) |
| 标的列表 | self.get_symbols() | symbols = self.get_symbols() |
| 表名 (table_name) | 常用字段 | 说明 |
|---|---|---|
Pershareindex | eps_diluted, du_return_on_equity, inc_net_profit_rate, s_fa_ocfps, bps | 每股指标 |
Income | total_operate_income, operate_income, total_profit, net_profit | 利润表 |
Balance | total_assets, total_liability, total_equity | 资产负债表 |
Cashflow | net_operate_cash_flow, net_invest_cash_flow | 现金流量表 |
不确定字段名时：查阅项目中的 core/financial_data.py 确认可用字段。
closes = self.get_close_prices(symbol, period + 1)
if len(closes) >= period:
ma = sum(closes[-period:]) / period
closes = self.get_close_prices(symbol, 21)
if len(closes) >= 2:
returns = [(closes[i] - closes[i-1]) / closes[i-1] for i in range(1, len(closes))]
volatility = (sum(r**2 for r in returns) / len(returns)) ** 0.5
closes = self.get_close_prices(symbol, period + 1)
if len(closes) >= period + 1:
gains = []
losses = []
for i in range(1, len(closes)):
change = closes[i] - closes[i-1]
gains.append(max(change, 0))
losses.append(max(-change, 0))
avg_gain = sum(gains[-period:]) / period
avg_loss = sum(losses[-period:]) / period
if avg_loss == 0:
rsi = 100
else:
rs = avg_gain / avg_loss
rsi = 100 - (100 / (1 + rs))
from collections import defaultdict
industry_stocks = defaultdict(list)
for stock, score in scored_stocks:
industry = self.get_industry(stock) or '未知'
industry_stocks[industry].append((stock, score))
selected = []
for industry, stocks in industry_stocks.items():
stocks.sort(key=lambda x: x[1], reverse=True)
selected.append(stocks[0])
由 StockSelectionStrategy.rebalance_to() 自动处理，策略只需返回目标持仓列表。
def calc_momentum(stock, period=20):
closes = self.get_close_prices(stock, period + 1)
if len(closes) >= period + 1 and closes[0] > 0:
return (closes[-1] - closes[0]) / closes[0]
return None
ranked = self.rank_stocks(
lambda s: calc_momentum(s, 20),
stock_pool=pool,
top_n=10
)
| 场景 | 处理方式 |
|---|---|
| 文件路径不存在 | 报错并提示用户检查路径 |
| URL 无法访问 | 报错并提示用户检查链接，建议改用本地文件 |
| PDF/Word 提取库未安装 | 提示用户安装：pip install pdfplumber 或 pip install python-docx |
| 策略逻辑不清晰或矛盾 | 列出已理解的内容，询问用户确认或补充 |
| 文档中的指标项目不支持 | 用最接近的替代方案，并告知用户差异 |
| 回测运行报错 | 分析错误原因，修复代码后重试，最多重试3次 |
| 策略类型无法判断 | 询问用户选择策略基类 |
| 财务数据字段不确定 | 查阅 core/financial_data.py 确认可用字段 |
| 策略注册名与已有策略冲突 | 在名称后加数字后缀或使用更具体的描述 |
| 回测结果为空 | 检查数据源、日期范围、股票池配置 |
get_financial_fields_batch 而非循环单查| 技能 | 职责 | 关系 |
|---|---|---|
strategy-generator（本技能） | 从文档生成新策略 | "从0到1" |
strategy-optimizer | 优化已有策略性能 | "从1到优" |
典型工作流：用户用 strategy-generator 生成策略 → 回测验证 → 自动生成 readme.md + HTML报告 → 用 strategy-optimizer 优化性能。