A-SHARE · ETF · DAILY EVENT ENGINE

TuAlpha

把中国市场的交易约束、Point-in-time 数据和可复现的本地数据工程，收束进一套清晰的日频回测 API。

开始第一个回测理解策略时序构建本地数据

D → D+1收盘决策，次日成交

Parquet按年分区的事实数据

DuckDB投影、裁剪与质量检查

Pandas 3Python 3.12 原生支持

为中国日频市场而设计¶

TuAlpha 是面向 A 股股票和 ETF 的事件驱动回测框架。策略在交易日 D 读取截至当日的数据并提交订单，订单最早在 D+1 的开盘或收盘端点成交。框架统一处理 T+1、停牌、涨跌停、交易单位、现金、佣金、印花税和过户费。

可信时序

财务数据按公告日可见，指数成分使用严格早于回调日的最新快照；历史前复权不依赖回测结束日。

本地数据层

Tushare 数据写入年度 Parquet，DuckDB 提供查询，DataPortal 使用 Arrow 与 NumPy 列缓存支撑策略热路径。

原子更新

增量更新只下载缺失的表和交易日，在 staging 中构建新 generation，校验通过后才替换活动 Bundle。

可解释结果

输出回测绩效与归因，也可计算 IC、RankIC、分位收益并生成中文 Plotly 因子报告。

最短路径¶

uv add tualpha
export TUSHARE_TOKEN="your-token"
uv run tualpha build --from 20100101

随后从一个单资产策略开始：

from tualpha import order_target_percent, run_algorithm, symbol


def initialize(context):
    context.asset = symbol("510300.SH")


def handle_data(context, data):
    closes = data.history(context.asset, "close", 20).dropna()
    if len(closes) == 20 and data.can_trade(context.asset):
        order_target_percent(
            context.asset,
            0.95 if closes.iloc[-1] > closes.mean() else 0.0,
        )


result = run_algorithm(
    start="2020-01-01",
    end="2026-08-25",
    initialize=initialize,
    handle_data=handle_data,
    adjustment="qfq",
    execution_time="open",
    output_dir="outputs/ma20",
)

继续阅读¶

快速开始：安装、数据准备和第一次运行；
策略开发：D/D+1、订单、行情、PIT 和性能规则；
因子研究：表达式算子、PIT 资产池、IC/RankIC 与报告；
数据管理：全量构建、增量更新、查询与质检；
架构说明：核心模块、事件循环和发布路径；
Bundle 格式：物理分区、Catalog、manifest 和完整性协议。

研究用途

TuAlpha 只用于量化研究、软件开发与回测验证，不构成投资建议。历史回测结果不代表未来收益。