【CTBZStock】草台班子量化

牛市昙花一现，量化穿越牛熊

大A就是一个巨大的草台班子

项目介绍

_{2026.07.21 最新更新：框架沉淀了两年之后，借助 AI 工具整理代码，开源了回测框架并更新交易代码。
2024.10.13 首次发布}

CTBZStock 是面向 A 股中低频策略的开源量化框架，覆盖 历史数据下载 → 本地离线回测 → 模拟实盘 / 实盘定时交易 完整链路。

项目以小市值策略 Demo 为例，基于掘金量化交易与行情接口二次封装，提供：

• 本地 RocksDB 行情库与离线回测引擎（含手续费、涨跌停、停牌等约束）
• 同一套策略逻辑可分别落地到回测（strategy/backtrade）与实盘（strategy/online）
• 生产 / 测试环境隔离（config/cons.py 中 MODE：SIMU 模拟实盘 / LIVE 实盘）
• 飞书通知、定时任务脚本，便于云服务器上日频自动运行

您可以参考本项目，将离线验证过的策略平滑迁移到模拟实盘与实盘。

功能

• 历史数据本地化：下载日线行情、市值、ST/停牌、TTM 等，落库至 buffer/db
• 离线回测：基于本地数据库的日频回测，输出收益、最大回撤、夏普、Calmar、费用等指标
• 模拟实盘 / 实盘：掘金定时调度，日频生成订单并下单
• 自动打新：可开启新股 / 新债申购（config/cons.py 中 IPO 开关）
• 策略示例：小市值 Demo（全市场按总市值升序，轮动 Top10）
• 交易执行：订单管理、涨跌停校验、持仓与资金查询
• 滑点统计：成交相对开盘价的买卖滑点、个股明细，以及近 N 日完成度 / 滑点汇总（可推送飞书）
• 飞书通知：交易进展、持仓明细、回测结果推送
• 行情与基本面：实时股价、天级别基本面；可继续接入掘金 / akshare 等 API 扩展

目录结构（核心）

CTBZStock/
├── config/                 # 配置（cons_exam.py 为模板，复制为 cons.py）
├── dataset/                # 数据下载、本地库、行情访问
├── system/                 # 离线回测引擎 Simulation
├── strategy/
│   ├── backtrade/          # 回测策略
│   └── online/             # 实盘 / 模拟实盘策略
├── transaction/            # 下单与成交触发
├── main/
│   ├── update_data/        # 数据下载入口
│   ├── back_test/          # 离线回测入口
│   └── mtv/                # 模拟实盘 / 实盘入口
├── tool/                   # Windows 定时任务启动脚本
├── third_part/             # 飞书等第三方封装
└── doc/                    # 配置文档

快速开始

1. 环境与配置

• 系统：Windows / Windows Server（受券商客户端限制）
• Python：3.10+
• 依赖安装：

pip install -r requirements.txt

• 复制配置模板并填写掘金 STRATEGY_ID、TOKEN、飞书相关项：

copy config\cons_exam.py config\cons.py

• config/cons.py 中关键项：
  • MODE = Mode.SIMU：模拟实盘；Mode.LIVE：实盘
  • MTV_SWITCH / REPORT_SWITCH：策略调度与飞书汇报开关

更完整的模拟实盘部署步骤见：模拟实盘配置攻略

2. 数据下载入口

需先在掘金侧准备好数据更新用的 strategy / token（写入 cons.py 的 DATA_UPDATE_STRATEGY_ID、TOKEN）。

入口	说明
main/update_data/offline_download.py	全量 / 长区间历史数据下载，写入 buffer/db
main/update_data/online_update.py	增量更新（按交易日追更），适合日常定时跑
tool/download_data.sh	增量更新 + 当日回测的组合脚本示例

示例：

cd main/update_data
python offline_download.py   # 首次建库 / 补历史
python online_update.py      # 日常增量

3. 离线回测入口

回测依赖本地库 buffer/db，策略实现见 strategy/backtrade/small_cap_demo.py（继承 system.simulation.Simulation）。

入口	说明
main/back_test/offline_test.py	长周期离线回测（可改 start_year / end_year）
main/back_test/run.py	当年至今回测，并可按开关推送飞书摘要

示例：

cd main/back_test
python offline_test.py   # 长周期回测
python run.py            # 当年回测 + 可选飞书通知

回测引擎会统计年化收益、最大回撤、夏普、Calmar、交易成本等，并支持涨跌停、停牌、ST、上市不满期等过滤逻辑。

4. 模拟实盘 / 实盘入口

实盘策略逻辑见 strategy/online/small_cap_demo.py，由定时任务调度执行。

入口	说明
main/mtv/cronjob.py	模拟实盘 / 实盘主入口（掘金 MODE_LIVE 调度）
tool/mtv.sh	一键启动上述 cronjob 的 shell 示例
tool/run_exe.sh / tool/shutdown.sh	启动 / 关闭掘金客户端（配合 Windows 任务计划）

示例：

cd main/mtv
python cronjob.py

或通过任务计划调用 tool/mtv.sh。运行前请确认：

1. 掘金客户端已登录对应账户
2. config/cons.py 中 STRATEGY_ID、TOKEN、MODE 正确
3. 模拟与实盘建议使用不同配置 / 账户，避免误操作

策略开发建议

1. 在 strategy/backtrade/ 编写并离线回测验证
2. 将选股 / 调仓逻辑同步到 strategy/online/
3. 先用 MODE = Mode.SIMU 跑模拟实盘，观察飞书汇报与成交
4. 确认无误后再切换 MODE = Mode.LIVE

Demo 策略（小市值轮动）已同时提供回测版与实盘版，可作为模板对照修改。

声明

• 本项目不构成任何投资建议，不做股票推荐
• 本项目受众为业余量化爱好者，中低频交易，非专业投资，非高频量化
• 模拟实盘和实盘仍存在不少差异，实盘需谨慎，盈亏请自负

合作方

• 掘金量化 · 万和证券 · 信达证券

相关资料

• 掘金量化 Python API 文档
• akshare 股市数据获取 Python 三方库

联系我们

• 共同参与策略开发，贡献开源社区，可联系 QQ 88256630（请备注来意）