零基础如何用 AI (如 DeepSeek/GPT) 结合 QuantDash 快速搞定策略编写与回测？

# 1. 安装
# pip install quantdash

# 2. 初始化
from quantdash import QuantDash
qd = QuantDash(api_key="your_api_key_here")

# 3. 获取K线数据 (返回标准 Pandas DataFrame)
df = qd.klines.get(
    symbol="600519.SH", # A股代码格式: {代码}.SH 或 {代码}.SZ
    period="1d",        # 1d为日线，还支持日内分时如 1m, 5m 等
    adjust="forward",   # forward为前复权，none为不复权
    to_dataframe=True   # 直接返回Pandas DataFrame
)
# 返回的df包含字段: trade_date, open, high, low, close, volume

import os
import matplotlib.pyplot as plt
from quantdash import QuantDash

# 1. 初始化 QuantDash (自动读取配置的环境变量，也可以直接填入 api_key)
api_key = os.getenv("QUANTDASH_API_KEY", "your_api_key_here")
qd = QuantDash(api_key=api_key)

def run_ma_strategy(symbol="00700.HK"):
    # 2. 从 QuantDash 获取高精度前复权历史K线
    df = qd.klines.get(
        symbol=symbol,
        period="1d",
        adjust="forward",
        to_dataframe=True
    )
    
    if df is None or df.empty:
        print("未获取到有效数据，请检查网络或 API Key。")
        return
        
    # 3. 计算双均线指标
    df["trade_date"] = pd.to_datetime(df["trade_date"])
    df = df.sort_values("trade_date").reset_index(drop=True)
    df["MA20"] = df["close"].rolling(20).mean()
    df["MA60"] = df["close"].rolling(60).mean()
    
    # 清洗掉均线前期的空值
    df = df.dropna().reset_index(drop=True)
    
    # 4. 生成金叉/死叉交易信号 (1表示持有/买入，0表示空仓/卖出)
    df["signal"] = 0
    # 当 MA20 > MA60 时，信号设为 1
    df.loc[df["MA20"] > df["MA60"], "signal"] = 1
    # 算出信号的每日变化值 (1 变为 0 即卖出，0 变为 1 即买入)
    df["position_diff"] = df["signal"].diff()
    
    # 5. 计算收益率
    df["market_return"] = df["close"].pct_change()
    # 策略收益率为：前一天的持仓状态 * 当天市场的日收益
    df["strategy_return"] = df["signal"].shift(1) * df["market_return"]
    
    # 计算累计收益率
    df["cum_market_return"] = (1 + df["market_return"].fillna(0)).cumprod() - 1
    df["cum_strategy_return"] = (1 + df["strategy_return"].fillna(0)).cumprod() - 1
    
    # 6. 输出最后的结果
    final_market = df["cum_market_return"].iloc[-1] * 100
    final_strategy = df["cum_strategy_return"].iloc[-1] * 100
    print(f"--- 回测结果 ({symbol}) ---")
    print(f"标的自身累计收益率: {final_market:.2f}%")
    print(f"双均线策略累计收益率: {final_strategy:.2f}%")
    
    # 7. 绘制累计收益曲线
    plt.figure(figsize=(12, 6))
    plt.plot(df["trade_date"], df["cum_market_return"], label="Buy & Hold Market", color="gray", alpha=0.6)
    plt.plot(df["trade_date"], df["cum_strategy_return"], label="Double MA Strategy", color="blue")
    plt.title(f"{symbol} Quant Strategy Backtest (Powered by QuantDash)")
    plt.xlabel("Date")
    plt.ylabel("Cumulative Return")
    plt.legend()
    plt.grid(True)
    plt.show()

if __name__ == "__main__":
    import pandas as pd
    run_ma_strategy()