本项目是一个非常基础的基于事件驱动框架的量化交易回测系统。现阶段以学习为目的，并不存在任何其他用途。项目本身还有很多欠缺和不足，希望能在以后不断地迭代，最终成为一个能够进行实盘交易的量化交易系统。
回测系统的基础逻辑是class接收event事件，并根据事件的种类做出反应。首先，在每一次循环开始时从数据源获取数据信息，系统将数据信息作为market事件接收后，不断触发系统其他组成部分，直到事件序列为空，系统再次获取数据信息，直到循环结束。整个回测系统在一次循环中的流程如下图所示。
- 从Data（数据源）获取新的数据信息，作为Market事件推送到事件序列。（上图①）
- 系统把Market事件推送给Strategy，Strategy生成Signal事件。（上图②、③）
- RiskManager接收Signal事件，并根据风控发出有效的Order事件。（上图④、⑤）
- 由Execution接收Order事件，并根据执行结果发出Fill事件。（上图⑥、⑦）
- Portfolio根据收到的Fill事件更新portfolio信息，并触发tradelog进行记录。（上图⑧）
- 支持从MySQL数据库、tushare获取数据进行回测。
- 支持多个标的资产的组合。
- 支持基础的Performance计算，包括夏普比率，sortino比率，最大回撤。
- 资金曲线及回撤曲线的图形化展示。
- 支持详细的trade信息记录，包括每个标的资产trade的进入日期、进入市价、交易数量、退出日期、退出市价、每笔交易盈利以及累计盈利等。
- 支持trade summary，包括胜率、最大盈利、最大损失和平均盈利。
- 支持trade的图形化展示。
一个典型的回测结果图形化展示如下图，本结果是EMA Crossing策略在600050和600233两只股票的应用。
图中绿色区域为策略表现好于基准的部分，红色为劣于基准的部分。
图中标出了针对每个标的资产的买入卖出点。
一个Strategy类的初始化需要接受至少两个参数，data_handler以及events这两个类。其中data_handler获取symbol最新N个交易日收盘价‘close’数据的方法是bars = self.data_handler.get_latest_bars_values(symbol, "close", N = N)。如果要获取从回测日起开始以来所有的数据，则需令N = 0。get_latest_bars_values方法返回的是numpy.array。根据自己的策略来生成Signal事件，并推送到event序列（self.events.put(signal)）就可以了。更详细的事例请看example中的示例。
本项目的完成得益于很多优秀的开源回测系统，从设计层面到技术层面我都受益匪浅。希望能够不断学习进步，使本项目能够不断完善。