版本更新: 2021-12-14 1、放弃对期货的支持，目前仅支持对股票的模拟回测。 2、将文件直接拷贝至程序的根目录直接通过import simeasure导入模块，通过创建实例使用，并通过实例引用成员实现相关的功能。 3、单个交易实例仅支持单个交易标的，如果涉及多个交易标的需建立多个交易实例。 4、每传入一个数据清算一次系统模块内部数据。 重要两个函数创建实例以及传递数据进行运算： 创建实例函数：simeasure.new_settle_account()，初始资金默认为1000000. 数据驱动函数：datain(data)，不调用该函数会报错，没有数据进行运算。

huice:vnpy中的回测系统

QuantTester:CTA量化策略回测系统

xBacktest: 基于C++的国内期货交易策略回测系统 架构 xBacktest是一个使用C++编写的期货交易策略回测系统，它借鉴了PyAlgoTrade的设计，采用事件驱动架构。 功能 xBacktest支持以下功能： 支持多策略、多合约、多周期组合 支持多种性能分析指标 内置多种技术指标，可外接TA-Lib 支持策略参数寻优，支持遗传算法寻优 抽象DataSeries接口，方便用户使用 策略编写使用事件驱动模式 说明 xBacktest已停止开发，其存在的主要问题是过度设计。回测系统如果考虑太多现实中不常用的需求，会导致不必要的复杂性。 改进版本的回测系统被集成到AlgoSE算法策略引擎中，实现回测与实盘接口的完全一致。

RSI策略 交易策略的建立，回测和优化 这是有关RSI交易策略的python项目。 根据Constance Brown的观点，在牛市中，RSI在熊市中在40-80和20-60之间波动。 因此，这里的策略是在RSI = 40时在牛市中做多，而在RSI = 60时在熊市中做空，那么投资者有较大的安全边际。 当然，这并不适用于所有资产。 但这在很多情况下是有道理的。 该项目试图优化此策略，并在铁矿石期货，铜等不同资产中对其进行回测。

课程通过学习Backtrader这一功能丰富的开源回测平台来逐步实现多个量化cta策略的回测实现。Backtrader是一个功能齐全的开源平台，但由于功能多样，且作者出于平台实现性的考虑，对于入门的使用者有一定的难度。这一课程就是为了解决这一问题。

Strategems.jl：Julia中的定量系统交易策略开发和回测

A-stock-prediction-algorithm-based-on-machine-learning （陆续更新）重新整理过的基于机器学习的股票价格预测算法，里面包含了基本的回测系统以及各种不同的机器学习算法的股票价格预测，包含：LSTM算法、Prophet算法、AutoARIMA、朴素贝叶斯、SVM等 强烈推荐大家去看看sklearn库的文档，地址：[ ] 2021-2-6 出现紧急问题，重新发布 12-3 股票消息面分析 给出一个基于nlp情感分析的消息面分析算法。从新浪财经上获取新闻个股预测情况，使用jieba进行切词和使用snownlp进行情感分析，进行回测。 11-27 修正机器学习算法/DecisionTree.py RandomForest.py 上面的逻辑错误。 11-25 visualization/mlpredict-line.py echarts+tushar

回测框架就是提供这样的一个平台让交易策略在历史数据中不断交易，最终生成最终结果，通过查看结果的策略收益，年化收益，最大回测等用以评估交易策略的可行性。这篇文章主要介绍了用Python徒手撸一个股票回测框架,需要的朋友可以参考下

1、基于Intel FPGA，采用状态机编写UART收发模块(带FIFO） 2、代码实现功能：从串口调试助手发送任意长度、格式数据给FPGA，然后FPGA再把接收到的数据回传给串口调试助手。