backtesting
Backtesting 是一个面向量化研究的学术回测框架技能,实现从数据、研究、指标、参数化到验证的完整五阶段回测方法论。它提供 30 多个风险与绩效比率(扁平化 numpy 向量化实现,无类封装)、按课程分类法划分的 10 类指标(趋势跟踪、振荡器、逆势、资金流、组合、离散计数、季节性、统计、参考、基本面)、内置 8 种策略的事件驱动回测引擎、前瞻性模拟(Johnson SU 边缘分布 + t/高斯 copula)、投资组合理论(Markowitz 有效前沿、组合之组合)、带 IS/OOS 分割与间隔的滚动前向交叉验证、参数化情景冲击的压力测试,以及基本面分析(Altman Z、Piotroski F、DuPont)。所有脚本仅依赖 numpy、pandas 和 scipy,无重型依赖。