系统架构设计：四层架构的实战拆解
做量化投资系统，说白了就是搭一套能自动赚钱的流水线。我见过太多人一上来就写策略代码，结果数据源一换、交易接口一改，整个系统就崩了。嗯，这就是架构没想清楚。
今天咱们聊聊《虚拟投资沙盘》的核心骨架——四层架构。我个人习惯把系统拆成数据层、策略层、执行层、分析层。每一层各司其职，互不干扰。你想想看，这样改一个模块，其他模块完全不用动，多省心。
核心原则：高内聚、低耦合。每一层只做自己的事，别越界。
一、数据层：地基不牢，地动山摇
数据层是整个系统的命根子。我在项目中遇到过最惨的事——策略回测跑了一个月，结果发现数据里有三天是重复的，收益率直接虚高20%。从那以后，我每次做数据清洗都格外小心。
数据层主要干三件事：
- 数据源接入：支持多种来源。我个人习惯用
yfinance拉美股数据，A股用本地CSV或者从Wind导出的文件。别只依赖一个源，万一挂了就抓瞎。 - 数据清洗与对齐：缺失值处理、复权价格计算、时间戳对齐。说白了，就是让数据「干干净净、整整齐齐」。
- 数据存储：小项目用CSV或Parquet，大了上SQLite或PostgreSQL。别一上来就上大数据框架，没必要。
我的小技巧：数据层单独写一个 DataLoader 类，所有策略都通过它拿数据。这样哪天换数据源，只改这一个类就行。
二、策略层：策略是灵魂，但别太花哨
策略层是大家最关心的部分。但说实话，我见过太多人把策略写得跟天书一样，结果回测一跑，还不如简单均线。
策略层要遵循几个原则：
- 信号与执行分离：策略只负责生成买卖信号（比如金叉买入、死叉卖出），不负责下单。这样换策略时，执行层完全不用动。
- 参数可配置：别把参数写死在代码里。用配置文件或者参数类管理，方便做参数优化。
- 策略模板化：我习惯写一个
BaseStrategy基类，所有策略继承它。这样新策略只需要实现next()方法就行。
# 一个简单的策略模板示例
class BaseStrategy:
def __init__(self, data, params):
self.data = data
self.params = params
def next(self, idx):
"""每根K线调用一次，返回信号"""
raise NotImplementedError
class MaCrossStrategy(BaseStrategy):
def next(self, idx):
if self.data['ma5'][idx] > self.data['ma20'][idx]:
return 'buy'
elif self.data['ma5'][idx] < self.data['ma20'][idx]:
return 'sell'
return 'hold'
三、执行层：把信号变成真金白银
执行层负责把策略的信号变成真实的交易。这里坑最多。我曾经在实盘里遇到过信号发出来了，但执行层因为滑点没成交，结果策略曲线和实盘曲线差了一大截。
执行层核心模块：
| 模块 | 职责 | 技术选型建议 |
|---|---|---|
| 订单管理 | 接收信号，生成订单，管理订单状态 | Backtrader 内置 Broker |
| 仓位控制 | 根据资金和风险计算下单数量 | 自定义 PositionManager |
| 交易调度 | 处理订单排队、撮合、滑点模拟 | Backtrader 的 CommissionScheme |
| 日志记录 | 记录每一笔交易的详细信息 | Python logging + CSV |
注意：回测时一定要模拟滑点和手续费。我见过有人回测年化50%，加上千分之一手续费后直接变成20%。别让回测骗了你。
四、分析层：用数据说话
分析层是最后一步，但也是最重要的一步。策略好不好，不是看曲线漂不漂亮，而是看风险调整后的收益。
我一般会算这几个指标：
- 年化收益率：别只看总收益，时间维度很重要。
- 最大回撤：这个指标比收益率更关键。回撤超过30%的策略，一般人拿不住。
- 夏普比率：衡量每单位风险获得的超额收益。大于1算及格，大于2算优秀。
- 胜率与盈亏比：胜率高不一定赚钱，盈亏比高才是王道。
可视化方面，我习惯用 matplotlib 画收益曲线和回撤曲线。Backtrader 自带的绘图功能也够用，但如果你想做更炫酷的交互式图表，可以试试 plotly。
五、技术选型：为什么是 Python + Pandas + Backtrader？
这个问题我经常被问到。说实话，选型没有绝对的对错，只有合不合适。
- Python：生态丰富，社区活跃。做量化投资，Python 是绕不开的语言。C++ 快是快，但开发效率差太多了。
- Pandas：处理时间序列数据的神器。数据清洗、对齐、计算指标，一行代码搞定。我每天跟 Pandas 打交道，它就像我的左膀右臂。
- Backtrader：开源回测框架里最成熟的之一。支持多策略、多数据源、自定义指标，而且文档齐全。我用了三年，没出过大问题。
我的建议：初学者先用 Backtrader 跑通全流程，等熟悉了再考虑自己写框架。别一开始就想着造轮子，先学会用轮子。
六、模块划分原则：别让代码变成一锅粥
模块划分这件事，说白了就是「把大象装进冰箱分几步」。我总结了几条原则：
- 单一职责：一个模块只做一件事。数据模块别管策略，策略模块别管下单。
- 接口清晰：模块之间通过接口通信，别直接调用内部函数。比如策略层只输出信号字典，执行层只接收信号字典。
- 可替换性：每个模块都应该能独立替换。今天用 Backtrader，明天想换 Zipline，改一个模块就行。
- 配置驱动：所有参数都放在配置文件里，别硬编码。这样调参时不用改代码，改配置文件就行。
嗯，以上就是系统架构设计的核心内容。记住，架构设计不是为了炫技，而是为了让你的系统更稳定、更易维护、更容易迭代。下一章咱们开始动手写代码，从数据层开始，一步步搭建你的虚拟投资沙盘。
公众号:蓝海资料掘金营，微信deep3321