OneQuant 4.0 A股量化回测与模拟交易系统

解决什么问题？

对于 A 股个人投资者和量化策略学习者而言，在本地构建一套完整的回测与模拟交易环境往往门槛较高。你需要分别处理数据获取、策略编写、回测引擎、交易模拟和风险控制等多个模块，并将它们串联起来。OneQuant 4.0 旨在解决这一痛点，它提供了一个本地部署的集成环境，将上述功能整合到一个 Web 界面中，并对外暴露完整的 REST API，方便程序化调用和二次开发。

技能如何工作？

OneQuant 4.0 是一个基于 Flask 的单页应用，其核心工作流程如下：

1. 数据层：通过集成 AkShare（免费）、JQData 和 RQData（付费）等数据源，获取 A 股的历史行情、实时快照（延迟约 3-5 秒）、财务数据和板块信息。所有数据获取都通过实际 API 调用完成，禁止编造。
2. 策略与回测引擎：内置了 MA 金叉死叉、RSI 超买超卖等常见策略模板。用户可以通过 Web 界面或调用 /api/backtest/ma 等 API 端点，对指定股票和时间区间运行回测，生成资金曲线和绩效指标。回测结果不含交易成本（佣金、滑点、印花税），需用户自行评估实际收益。
3. 模拟交易与风控：系统提供了一个本地模拟账户，支持限价/市价买卖、持仓管理和交易记录。同时集成了风控模块，可配置止损止盈价、监控单只最大持仓比例，并通过 /api/risk/overview 等接口查询风险概览。
4. 调用与集成：提供 5 种调用方式，其中 REST API 是核心。例如，你可以用 curl 或 Python requests 库调用 /api/market/kline 获取 K 线数据，或用 /api/selection/list 进行条件选股（如筛选涨停股）。所有 API 响应均为 JSON 格式，调用时需检查 success 字段。

适用边界与注意点

这个工具并非万能，明确其边界至关重要：

• 适用场景：它非常适合用于 策略逻辑验证、技术指标学习、模拟盘交易练习以及 A 股个股的技术分析。所有交易记录、策略参数均存储在本地 JSON 文件，确保了数据隐私。
• 不适用场景：由于其基于 REST API 轮询（非事件驱动），不适合 高频交易或毫秒级延迟要求的场景。默认的 mock_broker 是模拟环境，严禁用于操作真实券商账户。数据源主要覆盖 A 股，对期货、期权或港美股深度分析支持有限。
• 关键限制：免费数据源 AkShare 的分钟线由 5 分钟线聚合，实时行情有数秒延迟。回测性能取决于 Python 计算，长时间运行（如超过 7 天）建议重启服务。Web 服务器使用 Flask 开发服务器，适合单用户本地使用，多用户并发需自行部署到生产环境。

重要声明：回测结果仅供参考，过去表现不代表未来收益。系统所有功能均在本地运行，不保证任何策略能产生盈利。