PanWatch 回测内核详解如何做到无未来函数、T1 规则与 A 股成本模型一步到位【免费下载链接】PanWatchPanWatch — AI stock monitoring for A-shares, HK US markets, powered by TradingAgents. Portfolio insights, real-time alerts automated reports.盯盘侠覆盖 A股/港股/美股的 AI 盯盘、持仓分析、实时提醒与自动报告。项目地址: https://gitcode.com/GitHub_Trending/pa/PanWatchPanWatch 是一款覆盖 A 股/港股/美股的 AI 盯盘工具它的策略层内置了一个轻量回测内核信号次日开盘入场无未来函数、A 股 T1 当日不可卖出、印花税/佣金/过户费/滑点全套成本模型。本文用通俗语言讲清这套回测内核的设计取舍并标注关键源码位置帮你在评估 AI 选股信号时心里有底。回测内核长什么样4 个文件、零依赖整个回测模块位于 src/modules/strategy/backtest/只有 4 个核心文件文件职责engine.py事件式回测引擎入场、逐日平仓、净值曲线cost_model.pyA 股交易成本模型回测与模拟盘共用data_adapter.pyK 线数据适配防未来函数的关键函数metrics.py年化收益、最大回撤、夏普、胜率等指标设计上一个很讨喜的取舍纯 Python 实现没有任何第三方依赖。K 线采集器是延迟导入的见 data_adapter.py 的模块注释所以回测内核和单元测试完全可以离线运行不会被网络库拖慢。无未来函数信号次日开盘才入场回测最容易翻车的点就是用当天收盘产生的信号、按当天价格成交——这是典型的未来函数。PanWatch 的解法很简单信号产生日 D引擎只认D 之后第一个交易日的 K 线并以该日开盘价成交。核心逻辑在 engine.py 的 run_single定位下一交易日靠 data_adapter.py 的 first_index_after返回第一个日期严格大于信号日的 K 线下标从函数命名到实现都在强调防 look-ahead。对应测试 test_engine_entry_next_day 用合成数据验证1 月 1 日发出信号必须 1 月 2 日开盘价 11 元成交而不是用信号当天数据。T1 规则买入当天一股都卖不掉A 股 T1 意味着当天买入不能当天卖出。引擎把这条规则写死在循环起点上逐日检查止损/止盈的循环从入场日的下一根 K 线开始engine.py L126-L127注释明确写着入场日当天不可卖同日若止损和止盈都触发保守判定为先止损engine.py 模块注释 L8——宁可低估收益不夸大结果开盘直接跳空越过止损/止盈位时按开盘价成交gap 处理避免假设能以理想价位成交持有满最大持有交易日仍未触发则按收盘价到期平仓。四种离场原因stop_loss / target / expire / eod都会记录在每笔交易上方便事后归因。A 股成本模型印花税、佣金、过户费、滑点一次算清很多回测结果回测赚钱、实盘亏钱差的就是成本。cost_model.py 的默认参数贴近 2023 年印花税下调后的 A 股散户实际项目默认值说明印花税万 5仅卖出单边收取佣金万 2.5双边单笔最低 5 元过户费0.001%双边沪深统一滑点5 个基点买价上滑、卖价下滑模拟冲击成本一个直观的自检用例见 test_round_trip_pnl_deducts_cost同价买入同价卖出净结果应为负——因为成本和滑点会吃掉利润。这正是成本模型正确性的体检题。更妙的是复用模拟盘模块 paper_trading_engine.py 直接共享同一个CostModel意味着回测口径和模拟盘口径天然一致不会出现两个账本。绩效指标回撤、夏普、胜率一站汇总metrics.py 全是纯函数输入净值曲线和每笔盈亏输出一个指标字典总收益 / 年化收益按每年 252 个交易日折算最大回撤峰值到谷底的最大跌幅衡量最难受的时刻夏普比率年化、样本标准差口径胜率 / 盈亏比 / 平均盈利与亏损判断策略是靠胜率还是靠盈亏比。批量回测时引擎按平仓日排序逐笔累计已实现盈亏生成净值曲线run 方法。交叉验证与信号后验评估同口径光有引擎还不够PanWatch 让回测结果可以和既有评估互相印证策略引擎本身会对历史信号做后验评估计算 1/3/5/10 天 horizon 的收益evaluate_strategy_outcomes回测内核提供 horizon_return逐字复刻同一口径用于交叉验证两边结果是否一致完整测试套件 tests/test_backtest.py 全部使用合成 K 线不触发网络随时可跑回归。如何获取 PanWatch 动手验证git clone https://gitcode.com/GitHub_Trending/pa/PanWatch克隆后运行tests/test_backtest.py即可离线验证无未来函数、T1、成本扣减三大关键行为——这也是评估任何 AI 盯盘项目回测可信度时最值得先看的三件事。【免费下载链接】PanWatchPanWatch — AI stock monitoring for A-shares, HK US markets, powered by TradingAgents. Portfolio insights, real-time alerts automated reports.盯盘侠覆盖 A股/港股/美股的 AI 盯盘、持仓分析、实时提醒与自动报告。项目地址: https://gitcode.com/GitHub_Trending/pa/PanWatch创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考