=========== HftBacktest

|codeql| |python| |pypi| |downloads| |rustc| |crates| |license| |docs| |roadmap| |github|

高频交易回测工具

该框架专为开发高频交易和做市策略而设计。它着重考虑行情与订单的延迟，以及订单在队列中的位置，以实现更精确的订单成交模拟。基于完整的深度数据和逐笔成交数据，该框架旨在提供更为准确的市场重放式回测。

关键特性

• 在 Numba <https://numba.pydata.org/>_ 的 JIT 函数中运行（Python）。
• 完整的逐笔模拟，支持自定义时间间隔或依据行情与订单接收时间进行推进。
• 基于 Level-2 价格驱动型和 Level-3 订单驱动型行情源，重建完整订单簿。
• 回测同时考虑行情与订单延迟，可使用提供的模型或自定义模型。
• 成交模拟会根据订单在队列中的位置进行，支持使用提供的模型或自定义模型。
• 支持多资产、多交易所的回测模型。
• 可部署实时交易机器人，利用相同的算法代码快速原型化与测试：目前支持 Binance Futures 和 Bybit。（仅限 Rust）

文档

请参阅 完整文档 <https://hftbacktest.readthedocs.io/>_。

您可能会感兴趣的教程：

• 高频网格交易——简化版 GLFT <https://hftbacktest.readthedocs.io/en/latest/tutorials/High-Frequency%20Grid%20Trading%20-%20Simplified%20from%20GLFT.html>_
• 基于 Alpha 的做市——订单簿失衡 <https://hftbacktest.readthedocs.io/en/latest/tutorials/Market%20Making%20with%20Alpha%20-%20Order%20Book%20Imbalance.html>_
• 基于 Alpha 的做市——APT <https://hftbacktest.readthedocs.io/en/latest/tutorials/Market%20Making%20with%20Alpha%20-%20APT.html>_
• 加速回测 <https://hftbacktest.readthedocs.io/en/latest/tutorials/Accelerated%20Backtesting.html>_
• 定价框架 <https://hftbacktest.readthedocs.io/en/latest/tutorials/Pricing%20Framework.html>_

为何准确的回测至关重要——不仅仅是保守方法

交易是一个高度竞争的领域，优势往往非常微小，但这些微小的优势却能带来显著的收益。因此，回测必须准确地模拟真实环境：既不能采用过于悲观的方法掩盖这些细微优势和盈利机会，也不能采取过于乐观的方式通过不切实际的模拟夸大它们。至少，您应当清楚回测结果与实盘交易之间的差异及其程度，因为在某些情况下，完全准确的回测由于耗时较长并不实用。

这并非关于过拟合的问题——在考虑过拟合之前，您需要确信自己的回测能够真实反映实际执行情况。例如，如果您在 2025 年 1 月运行一个实盘交易策略，那么针对同一时期的回测结果应与实际表现高度一致。一旦验证了回测能够准确重现实盘结果，您才能进一步开展深入研究、优化以及对过拟合等问题的考量。

准确的回测是基础。没有它，无论采取保守还是激进的分析方法，后续的一切都将变得不可靠。

开始使用

安装

hftbacktest 支持 Python 3.11 及以上版本。您可以通过 pip 安装 hftbacktest：

.. code-block:: console

pip install hftbacktest

或者从 Git 仓库克隆最新的开发版本：

.. code-block:: console

git clone https://github.com/nkaz001/hftbacktest

数据来源与格式

请参阅 数据 <https://hftbacktest.readthedocs.io/en/latest/data.html>_ 或 数据准备 <https://hftbacktest.readthedocs.io/en/latest/tutorials/Data%20Preparation.html>_。

此外，您也可以在 这里 <https://reach.stratosphere.capital/data/usdm/>_ 找到一些由赞助方托管的数据。

快速示例

通过以下代码片段，您可以初步了解使用 hftbacktest 进行回测的效果：

.. code-block:: python

@njit
def market_making_algo(hbt):
    asset_no = 0
    tick_size = hbt.depth(asset_no).tick_size
    lot_size = hbt.depth(asset_no).lot_size

    # 单位为纳秒
    while hbt.elapse(10_000_000) == 0:
        hbt.clear_inactive_orders(asset_no)

        a = 1
        b = 1
        c = 1
        hs = 1

        # Alpha，可以是多种指标的组合。
        forecast = 0
        # 在 HFT 中，它可以是短期市场波动的各种度量，
        # 例如过去 X 分钟内的高低区间。
        volatility = 0
        # Delta 风险，可以是多种风险的组合。
        position = hbt.position(asset_no)
        risk = (c + volatility) * position
        half_spread = (c + volatility) * hs

        max_notional_position = 1000
        notional_qty = 100

        depth = hbt.depth(asset_no)

        mid_price = (depth.best_bid + depth.best_ask) / 2.0

        # 公平价值定价 = mid_price + a * forecast
        #                      或标的资产（相关资产）+ 调整项（基差 + 成本等）+ a * forecast
        # 风险倾斜 = -b * risk
        reservation_price = mid_price + a * forecast - b * risk
        new_bid = reservation_price - half_spread
        new_ask = reservation_price + half_spread

        new_bid_tick = min(np.round(new_bid / tick_size), depth.best_bid_tick)
        new_ask_tick = max(np.round(new_ask / tick_size), depth.best_ask_tick)

        order_qty = np.round(notional_qty / mid_price / lot_size) * lot_size

        # 推进模拟时间。
        if not hbt.elapse(1_000_000) != 0:
            return False

last_order_id = -1 update_bid = True update_ask = True buy_limit_exceeded = position * mid_price > max_notional_position sell_limit_exceeded = position * mid_price < -max_notional_position orders = hbt.orders(asset_no) order_values = orders.values() while order_values.has_next(): order = order_values.get() if order.side == BUY: if order.price_tick == new_bid_tick or buy_limit_exceeded: update_bid = False if order.cancellable and (update_bid or buy_limit_exceeded): hbt.cancel(asset_no, order.order_id, False) last_order_id = order.order_id elif order.side == SELL: if order.price_tick == new_ask_tick or sell_limit_exceeded: update_ask = False if order.cancellable and (update_ask or sell_limit_exceeded): hbt.cancel(asset_no, order.order_id, False) last_order_id = order.order_id

        # 可以结合网格交易策略，提交多笔订单以获取更好的价差并占据队列位置。
        # 这种方法需要更复杂的逻辑来高效管理订单簿中的挂单。
        if update_bid:
            # 在给定价格上仅有一笔订单，使用new_bid_tick作为订单ID。
            order_id = new_bid_tick
            hbt.submit_buy_order(asset_no, order_id, new_bid_tick * tick_size, order_qty, GTX, LIMIT, False)
            last_order_id = order_id
        if update_ask:
            # 在给定价格上仅有一笔订单，使用new_ask_tick作为订单ID。
            order_id = new_ask_tick
            hbt.submit_sell_order(asset_no, order_id, new_ask_tick * tick_size, order_qty, GTX, LIMIT, False)
            last_order_id = order_id

        # 所有订单请求都被视为同时发出。
        # 等待直到收到其中一条订单响应。
        if last_order_id >= 0:
            # 最多等待5秒钟以获取订单响应。
            timeout = 5_000_000_000
            if not hbt.wait_order_response(asset_no, last_order_id, timeout):
                return False

    return True

教程

• 数据准备 <https://hftbacktest.readthedocs.io/en/latest/tutorials/Data%20Preparation.html>_
• 入门指南 <https://hftbacktest.readthedocs.io/en/latest/tutorials/Getting%20Started.html>_
• 市场深度与成交数据的使用 <https://hftbacktest.readthedocs.io/en/latest/tutorials/Working%20with%20Market%20Depth%20and%20Trades.html>_
• 自定义数据集成 <https://hftbacktest.readthedocs.io/en/latest/tutorials/Integrating%20Custom%20Data.html>_
• 多市场构建——简介 <https://hftbacktest.readthedocs.io/en/latest/tutorials/Making%20Multiple%20Markets%20-%20Introduction.html>_
• 高频网格交易 <https://hftbacktest.readthedocs.io/en/latest/tutorials/High-Frequency%20Grid%20Trading.html>_
• 高频网格交易——与其他交易所的比较 <https://hftbacktest.readthedocs.io/en/latest/tutorials/High-Frequency%20Grid%20Trading%20-%20Comparison%20Across%20Other%20Exchanges.html>_
• 高频网格交易——基于GLFT的简化版本 <https://hftbacktest.readthedocs.io/en/latest/tutorials/High-Frequency%20Grid%20Trading%20-%20Simplified%20from%20GLFT.html>_
• 订单延迟的影响 <https://hftbacktest.readthedocs.io/en/latest/tutorials/Impact%20of%20Order%20Latency.html>_
• 订单延迟数据 <https://hftbacktest.readthedocs.io/en/latest/tutorials/Order%20Latency%20Data.html>_
• Guéant–Lehalle–Fernandez-Tapia做市模型与网格交易 <https://hftbacktest.readthedocs.io/en/latest/tutorials/GLFT%20Market%20Making%20Model%20and%20Grid%20Trading.html>_
• 多市场构建 <https://hftbacktest.readthedocs.io/en/latest/tutorials/Making%20Multiple%20Markets.html>_
• 极端市场条件下通过价格保护进行风险缓解 <https://hftbacktest.readthedocs.io/en/latest/tutorials/Risk%20Mitigation%20through%20Price%20Protection%20in%20Extreme%20Market%20Conditions.html>_
• 3级回测 <https://hftbacktest.readthedocs.io/en/latest/tutorials/Level-3%20Backtesting.html>_
• 基于Alpha的做市——订单簿失衡 <https://hftbacktest.readthedocs.io/en/latest/tutorials/Market%20Making%20with%20Alpha%20-%20Order%20Book%20Imbalance.html>_
• 基于Alpha的做市——基差 <https://hftbacktest.readthedocs.io/en/latest/tutorials/Market%20Making%20with%20Alpha%20-%20Basis.html>_
• 基于Alpha的做市——APT模型 <https://hftbacktest.readthedocs.io/en/latest/tutorials/Market%20Making%20with%20Alpha%20-%20APT.html>_
• 大tick size资产中的基于队列的做市 <https://hftbacktest.readthedocs.io/en/latest/tutorials/Queue-Based%20Market%20Making%20in%20Large%20Tick%20Size%20Assets.html>_
• 融合深度数据 <https://hftbacktest.readthedocs.io/en/latest/tutorials/Fusing%20Depth%20Data.html>_
• 加速回测 <https://hftbacktest.readthedocs.io/en/latest/tutorials/Accelerated%20Backtesting.html>_
• 定价框架 <https://hftbacktest.readthedocs.io/en/latest/tutorials/Pricing%20Framework.html>_

示例

更多示例可在examples <https://github.com/nkaz001/hftbacktest/tree/master/examples>_目录及Rust示例 <https://github.com/nkaz001/hftbacktest/blob/master/hftbacktest/examples/>_中找到。

币安永续合约的完整回测流程

高频网格交易 <https://github.com/nkaz001/hftbacktest/blob/master/hftbacktest/examples/gridtrading.ipynb>_: 使用Rust实现的高频网格交易策略对币安永续合约进行完整回测的过程。

迁移到V2

请参阅迁移指南 <https://hftbacktest.readthedocs.io/en/latest/migration2.html>_。

路线图

请参阅路线图 <https://github.com/nkaz001/hftbacktest/blob/master/ROADMAP.md>_。

贡献

感谢您考虑为hftbacktest做出贡献！欢迎任何形式的帮助来改进该项目。如果您有任何改进建议或错误修复的想法，请在GitHub上创建一个issue或讨论来进一步探讨。

以下是一些您可以为本项目做出的贡献示例：

请参阅路线图 <https://github.com/nkaz001/hftbacktest/blob/master/ROADMAP.md>_。

.. |python| image:: https://shields.io/badge/python-3.11+-blue :alt: Python版本 :target: https://www.python.org/

.. |codeql| image:: https://github.com/nkaz001/hftbacktest/actions/workflows/codeql.yml/badge.svg?branch=master&event=push :alt: CodeQL :target: https://github.com/nkaz001/hftbacktest/actions/workflows/codeql.yml

.. |pypi| image:: https://badge.fury.io/py/hftbacktest.svg :alt: 包版本 :target: https://pypi.org/project/hftbacktest

.. |downloads| image:: https://static.pepy.tech/badge/hftbacktest :alt: 下载量 :target: https://pepy.tech/project/hftbacktest

.. |crates| image:: https://img.shields.io/crates/v/hftbacktest.svg :alt: Rust crates.io 版本 :target: https://crates.io/crates/hftbacktest

.. |license| image:: https://img.shields.io/badge/License-MIT-green.svg :alt: 许可证 :target: https://github.com/nkaz001/hftbacktest/blob/master/LICENSE

.. |docs| image:: https://readthedocs.org/projects/hftbacktest/badge/?version=latest :target: https://hftbacktest.readthedocs.io/en/latest/?badge=latest :alt: 文档状态

.. |roadmap| image:: https://img.shields.io/badge/Roadmap-gray :target: https://github.com/nkaz001/hftbacktest/blob/master/ROADMAP.md :alt: 路线图

.. |github| image:: https://img.shields.io/github/stars/nkaz001/hftbacktest?style=social :target: https://github.com/nkaz001/hftbacktest :alt: Github

.. |rustc| image:: https://shields.io/badge/rustc-1.90-blue :alt: Rust 版本 :target: https://www.rust-lang.org/

hftbacktest 快速上手指南

hftbacktest 是一个专为高频交易（HFT）和做市策略设计的回测框架。它基于完整的订单簿（Level-2/Level-3）和逐笔成交数据，重点模拟了行情延迟、订单延迟以及订单队列位置，旨在提供比传统回测更贴近实盘的高精度仿真环境。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：支持 Linux, macOS, Windows (推荐 Linux 以获得最佳性能)
• Python 版本：Python 3.11 或更高版本
• 编译器依赖：由于核心逻辑使用 Numba 进行 JIT 加速，建议安装 LLVM 编译器（通常安装 numba 时会自动处理，但在某些 Linux 发行版上可能需要手动安装 llvm）。
• 可选依赖：若需使用 Rust 部分进行实盘部署，需安装 Rust 工具链。

安装步骤

方式一：通过 PyPI 安装（推荐）

使用 pip 直接安装稳定版：

pip install hftbacktest

国内加速建议： 如果您在中国大陆，建议使用清华源或阿里源以加快下载速度：

pip install hftbacktest -i https://pypi.tuna.tsinghua.edu.cn/simple

方式二：从源码安装（开发版）

如果您需要最新的功能或参与开发，可以克隆仓库：

git clone https://github.com/nkaz001/hftbacktest
cd hftbacktest
pip install -e .

基本使用

hftbacktest 的核心算法需要在 @njit 装饰的 Numba 函数中编写，以实现高性能的逐笔模拟。以下是一个简化版的做市策略示例，展示了如何获取市场深度、计算报价并提交订单。

最小可运行示例

import numpy as np
from numba import njit
from hftbacktest import BacktestAsset, DataReader
from hftbacktest.order import BUY, SELL, LIMIT, GTX

# 定义核心策略逻辑 (必须在 @njit 装饰器下)
@njit
def market_making_algo(hbt):
    asset_no = 0
    # 获取资产的最小变动价位和手数
    tick_size = hbt.depth(asset_no).tick_size
    lot_size = hbt.depth(asset_no).lot_size

    # 主循环：每次推进 10 毫秒 (10,000,000 纳秒)
    while hbt.elapse(10_000_000) == 0:
        hbt.clear_inactive_orders(asset_no)

        # --- 策略参数与信号计算 ---
        a, b, c, hs = 1, 1, 1, 1
        forecast = 0  # Alpha 信号
        volatility = 0 # 波动率
        
        # 计算风险敞口
        position = hbt.position(asset_no)
        risk = (c + volatility) * position
        half_spread = (c + volatility) * hs

        depth = hbt.depth(asset_no)
        mid_price = (depth.best_bid + depth.best_ask) / 2.0

        # 计算保留价格 (Reservation Price) 和买卖挂单价
        reservation_price = mid_price + a * forecast - b * risk
        new_bid = reservation_price - half_spread
        new_ask = reservation_price + half_spread

        # 转换为 Tick 整数并限制在最优价以内
        new_bid_tick = min(np.round(new_bid / tick_size), depth.best_bid_tick)
        new_ask_tick = max(np.round(new_ask / tick_size), depth.best_ask_tick)

        # 计算订单数量
        notional_qty = 100
        order_qty = np.round(notional_qty / mid_price / lot_size) * lot_size

        # 模拟处理耗时 (1 毫秒)
        if hbt.elapse(1_000_000) != 0:
            return False

        # --- 订单管理逻辑 ---
        last_order_id = -1
        update_bid = True
        update_ask = True
        
        # 检查持仓限额
        max_notional_position = 1000
        buy_limit_exceeded = position * mid_price > max_notional_position
        sell_limit_exceeded = position * mid_price < -max_notional_position

        orders = hbt.orders(asset_no)
        order_values = orders.values()
        
        # 遍历现有订单，决定取消或保留
        while order_values.has_next():
            order = order_values.get()
            if order.side == BUY:
                if order.price_tick == new_bid_tick or buy_limit_exceeded:
                    update_bid = False
                if order.cancellable and (update_bid or buy_limit_exceeded):
                    hbt.cancel(asset_no, order.order_id, False)
                    last_order_id = order.order_id
            elif order.side == SELL:
                if order.price_tick == new_ask_tick or sell_limit_exceeded:
                    update_ask = False
                if order.cancellable and (update_ask or sell_limit_exceeded):
                    hbt.cancel(asset_no, order.order_id, False)
                    last_order_id = order.order_id

        # 提交新订单
        if update_bid:
            order_id = new_bid_tick
            hbt.submit_buy_order(asset_no, order_id, new_bid_tick * tick_size, order_qty, GTX, LIMIT, False)
            last_order_id = order_id
            
        if update_ask:
            order_id = new_ask_tick
            hbt.submit_sell_order(asset_no, order_id, new_ask_tick * tick_size, order_qty, GTX, LIMIT, False)
            last_order_id = order_id

        # 等待订单响应 (最多等待 5 秒)
        if last_order_id >= 0:
            timeout = 5_000_000_000
            if not hbt.wait_order_response(asset_no, last_order_id, timeout):
                return False

    return True

# 注意：实际运行时，您需要先准备数据 (Data Preparation)，
# 构建 Backtest 对象，并将 market_making_algo 传入运行。
# 完整的数据加载和回测启动流程请参考官方教程 "Getting Started"。

下一步建议

1. 数据准备：hftbacktest 依赖高质量的 Level-2 或 Level-3 数据。请参阅官方文档中的 Data Preparation 教程学习如何格式化数据。
2. 深入教程：推荐阅读 High-Frequency Grid Trading 以了解更复杂的策略实现。
3. 实盘部署：该框架支持将相同的算法逻辑部署到 Binance Futures 和 Bybit 进行实盘交易（需使用 Rust 接口）。