JoinQuant 回测分析技巧：如何使用 write_file 导出数据进行深度可视化？

在聚宽（JoinQuant）平台上，将回测的详细数据导出进行进一步分析和画图，主要有两种最常用的方法：

1. 方法一（推荐）：在“研究环境”中使用 get_backtest API 获取已完成回测的详细数据。 这是最灵活、最强大的方式，可以直接将回测结果转换为 Pandas DataFrame 进行分析。
2. 方法二：在“策略代码”中使用 write_file 将数据保存为文件。 这种方式适合在回测过程中实时记录自定义数据，或者在回测结束时导出特定格式的文件（如 CSV）。

以下是详细的操作步骤和代码示例。

方法一：在研究环境（Notebook）中获取回测数据

这是最标准的方法。你不需要修改策略代码，只需在回测完成后，复制回测 ID，然后在研究环境中提取数据。

1. 获取回测 ID

在回测详情页面的 URL 中找到 backtestId 参数。
例如：https://www.joinquant.com/algorithm/backtest/detail?backtestId=1234567890
这里的 1234567890 就是回测 ID。

2. 编写研究环境代码

在聚宽的“我的研究”中新建一个 Notebook，输入以下代码：

# 导入必要的库
from jqdata import *
import pandas as pd

# 1. 获取回测对象 (替换为你自己的回测ID)
backtest_id = '你的回测ID' 
gt = get_backtest(backtest_id)

# --- 获取交易记录 (Orders) ---
orders_list = gt.get_orders()
if orders_list:
    df_orders = pd.DataFrame(orders_list)
    # 转换时间格式方便分析
    df_orders['time'] = pd.to_datetime(df_orders['time'])
    print("交易记录示例：")
    print(df_orders.head())
    # 导出为 CSV
    # df_orders.to_csv('backtest_orders.csv', encoding='utf-8-sig')

# --- 获取每日持仓详情 (Positions) ---
positions_list = gt.get_positions()
if positions_list:
    df_positions = pd.DataFrame(positions_list)
    df_positions['time'] = pd.to_datetime(df_positions['time'])
    print("\n持仓记录示例：")
    print(df_positions.head())
    # 导出为 CSV
    # df_positions.to_csv('backtest_positions.csv', encoding='utf-8-sig')

# --- 获取每日收益曲线 (Results) ---
results_list = gt.get_results()
if results_list:
    df_results = pd.DataFrame(results_list)
    df_results['time'] = pd.to_datetime(df_results['time'])
    print("\n收益曲线示例：")
    print(df_results.head())
    
# --- 获取自定义记录 (Records) ---
# 如果你在策略中使用了 record() 函数，可以通过此方法获取
records_list = gt.get_records()
if records_list:
    df_records = pd.DataFrame(records_list)
    print("\n自定义Record数据示例：")
    print(df_records.head())

数据说明：

• get_orders(): 包含成交时间、标的、买卖方向、成交价、数量、手续费等。
• get_positions(): 包含每日持仓的标的、数量、成本、市值、当日收益等。
• get_results(): 包含每日的策略收益、基准收益等。

方法二：在策略代码中直接导出文件

如果你希望在回测结束时自动生成一份 CSV 文件保存到研究目录，可以在策略代码中使用 write_file。

代码实现

在你的策略代码末尾添加 on_strategy_end 函数（或者在 after_trading_end 中处理）：

# -*- coding: utf-8 -*-
import pandas as pd

def initialize(context):
    # 你的初始化代码
    g.security = '000001.XSHE'
    run_daily(market_open, time='every_bar')

def market_open(context):
    # 你的交易逻辑
    order(g.security, 100)

# 策略运行结束时调用
def on_strategy_end(context):
    # 获取所有成交记录
    trades = get_trades()
    
    # 将数据转换为列表字典格式
    data_list = []
    for trade_id, trade in trades.items():
        data_list.append({
            'trade_id': trade.trade_id,
            'time': trade.time,
            'security': trade.security,
            'amount': trade.amount,
            'price': trade.price,
            'order_id': trade.order_id
        })
    
    # 转换为 DataFrame
    if len(data_list) > 0:
        df = pd.DataFrame(data_list)
        
        # 将数据写入研究目录下的文件
        # 注意：write_file 第一个参数是文件名，第二个参数是文件内容（字符串或二进制）
        # to_csv 返回的是字符串
        write_file('my_backtest_trades.csv', df.to_csv(index=False), append=False)
        
        log.info("交易记录已导出到研究目录：my_backtest_trades.csv")
    else:
        log.info("无交易记录，未导出文件。")

查看文件：
回测结束后，前往聚宽导航栏的“我的研究”，你会在根目录下看到生成的 my_backtest_trades.csv 文件，可以直接下载或在 Notebook 中读取分析。

总结与建议

Q&A

Q: get_backtest 可以在策略回测代码中使用吗？
A: 不可以。get_backtest 是研究环境（Notebook）专用的 API，用于获取已完成的回测信息。在策略运行过程中（回测/模拟），你应该使用 context.portfolio 获取当前账户信息，或使用 get_trades() / get_orders() 获取当天的交易信息。

Q: 导出的 CSV 文件中文乱码怎么办？
A: 在使用 to_csv 时，建议指定编码格式。例如：df.to_csv('filename.csv', encoding='utf-8-sig')。utf-8-sig 可以让 Excel 正确识别 UTF-8 编码的中文。

Q: 如何画出收益曲线图？
A: 在研究环境获取到 df_results 后，可以直接使用 pandas 的绘图功能：

# 假设 df_results 已经通过 get_results() 获取并转换
import matplotlib.pyplot as plt

df_results.set_index('time', inplace=True)
# 绘制策略收益和基准收益
df_results[['returns', 'benchmark_returns']].plot(figsize=(14, 7))
plt.show()

Q: write_file 保存的文件在哪里？
A: 保存的文件位于你的“我的研究”根目录下。你可以登录聚宽官网，点击顶部导航栏的“我的研究”查看和下载。