这是我春节期间借助 codex ，消耗了将近 2 亿 token 写的一个本地化部署回测平台。 暂时先支持 A 股日线的回测和研究。 出发点主要是：在本地实现策略回测和研究，完全在本地运行，不依赖第三方平台，保障策略隐私安全
一、项目地址
https://github.com/bloom8262/backquant
二、项目亮点
- 完整的量化回测平台：包括回测工作台和研究工作台两个主要功能。
- 技术栈：后端是 Flask+RQAlpha ，前端是 Vue ，提供良好的用户体验。
- 支持 A 股市场数据：内置 RQAlpha 的日线数据（ 2005 年2026 年）。
- 部署友好：推荐使用 Docker 一键部署，包含依赖和数据下载。
- 集成 Jupyter Lab：方便做策略研究、数据分析和可视化笔记。
目前项目刚起步，随着我自己的深度使用，会逐渐迭代～ 如果你也想在本地进行量化研究和回测，或者学习 Python 量化策略，欢迎 star ，提 issue 一起完善～
 | 1 wew3 2 天前 赞，刚好准备学习量化，先 star 为敬 |
 | 3 0xABCD 2 天前 via Android 行情数据是用的哪家的 |
 | 6 bugKiller 2 天前 回测性能和技术能简介下吗 |
 | 8 mf2019d 2 天前 另外建议是往基本面方向进行量化分析, 因为这几天测了一下, 基本技术指标都是失效的. |
 | 9 ios 2 天前 via iPhone 谢谢可以在群晖 Docker 安装吗 |
| 10 mf2019d 2 天前 而 tdx 的是可以读取财报数据的. |
 | 11 d0o0g OP @bugKiller 回测的性能可以参考 rqalpha ，事件驱动使用 python 效率一般，如果换成向量化的框架，会快一些。平台技术的话，前端是 vue ，后端是 flask ，引擎是 rqalpha ，研究模块使用的是 jupyter notebook 。全部代码都是 codex 的 gpt5.2 和 gpt5.3 写的。我扮演的角色大概就是提示词工程师 |
Select Language