金策智算批量回测完全指南:策略池、标的池、区间池、场景池4池搭建与覆盖率硬门禁
金策智算批量回测完全指南:策略池、标的池、区间池、场景池4池搭建与覆盖率硬门禁
金策智算是一款本地化量化回测工具,用客观数据辅助交易决策。本文带你从零搭建批量回测的四大输入池(策略池、标的池、区间池、场景池),并开启覆盖率硬门禁,确保"牛熊震荡、行业、市值"样本齐全后才真正开跑,让批量回测结果更可信。
一、为什么批量回测需要"4池 + 硬门禁"
单个回测只能验证"一只股票 + 一个区间 + 一套参数",而真实交易要面对不同行情、不同行业、不同市值的组合。金策智算的批量回测脚本 scripts/batch_backtest_runner.py 把输入拆成四个池:
- 策略池:要验证哪些策略
- 标的池:在哪些股票上验证
- 区间池:在哪些历史时段验证(牛市/熊市/震荡)
- 场景池:用什么成本、滑点、K线周期验证
四池相乘自动生成成百上千条回测任务。但如果区间池里只有牛市,或者标的池清一色大盘股,回测结果会"偏科"。覆盖率硬门禁的作用就是:任务生成后先体检,缺样本就不许跑,从机制上杜绝"回测自嗨"。
上图是操作面板中的"批量回测看板",可以加载任务 CSV、查看各状态任务数并一键执行。
二、环境准备:3分钟启动金策智算
批量回测依赖本地服务,先在项目根目录启动它:
pip install -r requirements.txt
python server.py
启动后确认本地服务可访问:http://127.0.0.1:8000。完整启动说明见 README.md,一键启动脚本位于 scripts/win一键启动.bat 和 scripts/linux&macOS系统启动.sh。
三、4池搭建:从模板到正式输入
1. 一键生成四池模板
python scripts/batch_backtest_runner.py --init-generator-templates
会一次性生成四个 CSV 模板,都在 data/ 目录下:
| 文件 | 作用 |
|---|---|
data/任务生成_策略池.csv |
定义参与回测的策略ID |
data/任务生成_标的池.csv |
定义股票及行业/市值标签 |
data/任务生成_区间池.csv |
定义起止日期与行情标签 |
data/任务生成_场景池.csv |
定义成本、滑点、K线周期等 |
2. 策略池怎么填
两个关键字段:策略ID(对应系统内已入库的策略)和 是否启用(1 启用 / 0 停用)。内置策略可在面板里直接勾选管理;如果你写的是通达信公式,可以先用公式编译器转成 Python 策略入库,再用 --formula-pack-json 把公式包批量导入策略池,流程见 docs/新功能说明_通达信_BLK_组合回测.md。
3. 标的池怎么填
除 股票代码(如 600000.SH)外,重点是三个标签:市场标签、行业标签、市值标签。覆盖率检查就是拿这些标签来对账的。
新手建议:
- 覆盖多行业、多市值层级,不要只用单一股票
- 有通达信板块文件的,可以用
--blk-file xxx.blk一键导入标的池,省去手工整理
4. 区间池怎么填
每条区间包含:开始日期、结束日期、行情标签(牛市/熊市/震荡)、批次号、是否启用。
硬门禁的默认要求是"牛、熊、震荡三种行情都要有",所以建议每种行情至少准备 2~3 个区间,例如:
| 区间ID | 开始日期 | 结束日期 | 行情标签 |
|---|---|---|---|
| W-BULL-1 | 2024-09-24 | 2024-12-31 | 牛市 |
| W-BEAR-1 | 2022-01-04 | 2022-04-28 | 熊市 |
| W-SIDE-1 | 2023-06-01 | 2023-11-30 | 震荡 |
5. 场景池怎么填
场景池控制"回测成本假设":成本档位、滑点BP、佣金费率、印花税率、最小手数、是否T1、K线周期、初始资金 等。注意两点:
数据源字段必须填defaultK线周期建议至少包含5min和1d,兼顾短线与日线级别
多配几行场景(比如"低摩擦/真实摩擦"两档),同一条策略就能在成本假设上做一次对照实验。
四、批量回测任务生成:replace 与 append 两种模式
四个池填好后,一条命令生成任务:
python scripts/batch_backtest_runner.py --generate-tasks --generate-mode replace
replace:覆盖式重建,推荐日常使用,结果可复现append:追加模式,保留历史任务- 加
--generate-max-tasks 5000可限制任务总量,防止四池相乘爆炸
输出文件为 data/批量回测任务.csv,每行包含策略、标的、区间、成本参数与任务状态,可以直接打开检查。
五、覆盖率硬门禁:不过关就不开跑
1. 只做覆盖率检查
python scripts/batch_backtest_runner.py --coverage-check
结果写入 data/覆盖率检查结果.json,终端会打印:哪些策略缺哪种行情样本、全局缺哪些行业/市值层级。检查逻辑实现在 scripts/batch_backtest_runner.py 的硬门禁函数中。
2. 启用硬门禁(推荐)
python scripts/batch_backtest_runner.py --coverage-check --coverage-hard-gate \
--coverage-required-phases "牛市,熊市,震荡" \
--coverage-max-missing-phase-strategies 0 \
--coverage-max-missing-industries 0 \
--coverage-max-missing-sizes 0
三个阈值为 0 表示严格模式:任何策略缺行情样本、或行业/市值出现全局缺口,门禁即失败。失败时:
- 脚本返回非 0 退出码(默认
2,可用--coverage-fail-exit-code自定义) - 不进入回测执行阶段
这样门禁就能直接接进 CI 或定时任务:退出码为 0 才允许继续跑。
六、一条命令串起全流程
生成任务 → 跑硬门禁 → 通过后自动执行回测:
python scripts/batch_backtest_runner.py --generate-tasks --generate-mode replace \
--coverage-check --coverage-hard-gate --run-after-coverage-check \
--coverage-required-phases "牛市,熊市,震荡" \
--coverage-max-missing-phase-strategies 0 \
--coverage-max-missing-industries 0 \
--coverage-max-missing-sizes 0
--run-after-coverage-check 是关键开关:门禁通过才继续,失败直接终止,无需人工盯守。
七、执行批量回测:串行与多实例并发
串行(默认)
python scripts/batch_backtest_runner.py
适合任务量中等、想稳定跑完的场景。
多实例并发(真正大批量)
python scripts/batch_backtest_runner.py --parallel-workers 3 \
--base-urls "http://127.0.0.1:8000,http://127.0.0.1:8001,http://127.0.0.1:8002" \
--rate-limit-interval-seconds 0.5
注意:不要对同一个服务地址开并发,会互相挤占资源;正确做法是用 --prot 参数启动多个服务实例(多端口),再把地址列表交给 --base-urls。
八、看懂输出:4个文件讲清结果
| 输出文件 | 内容 |
|---|---|
data/批量回测任务.csv |
任务清单与状态 |
data/批量回测结果.csv |
每个任务的收益率、最大回撤、胜率、夏普、评分与评级 |
data/策略汇总评分.csv |
按策略汇总的中位数指标与建议动作 |
data/覆盖率检查结果.json |
覆盖率体检报告 |
单个回测的明细(K线、交易明细、报告)会同步出现在"回测报告中心",支持 AI 概览分析与多策略横向对比:
九、新手常见坑位清单 ✅
- 数据源没填
default→ 任务生成时会被校验拦截 - 标的池只用一两只股票 → 行业/市值覆盖率门禁必然失败
- 区间池缺一种行情 → 所有策略都会被记为"缺样本"
- 对单地址开并发 → 建议多实例多端口,单地址只跑串行
- PowerShell 换行 → 不要使用
^续行,需要换行时用行尾反引号`,或直接用单行命令
结语
金策智算批量回测的核心思路可以概括为三句话:用四池定义验证范围,用任务生成把范围变成可执行清单,用覆盖率硬门禁保证清单不偏科。配合回测报告中心的横向对比,你就能得到一份"跨行情、跨行业、跨成本假设"的策略体检报告,让每个策略的优劣都有客观数据支撑。
风险提示:本工具仅用于量化研究与历史数据回测学习,不构成投资建议,不荐股、不预测行情。历史回测结果不代表未来收益,所有决策请自主判断。
📌 延伸阅读:完整操作手册见 docs/批量回测操作指南.md,API 细节见 docs/API_DOCS.md,基线模板见 docs/全局回测与实盘监控基线模板.md。

