JoinQuant聚宽量化平台：如何动态设置 run_daily 的时间参数进行回测优化？

我想优化一个时间参数，但不知道怎么写？

比如run_daily(buy_sig, time='10:30')

我是强行设置了10点30分，其实我想从9点30,9点45,10点等等，每隔15分钟，去跑一下回测，看看哪个时间点进入会有相对较好的收益。

如果我把g.t=15作为一个全局变量，上面这句不知道怎么表达

run_daily(buy_sig, time='10:30')该如何改？？请教！！

在 JoinQuant (聚宽) 平台中，run_daily 的 time 参数接收的是一个字符串（如 '10:30'）。如果你想通过修改全局变量（如 g.t）来动态改变回测的时间点，或者想在同一个策略中每隔 15 分钟执行一次，可以通过Python字符串格式化或循环注册来实现。

以下为你提供三种常见的解决方案，满足你不同的优化需求：

方案一：每次回测测试一个特定的时间点（参数化单次执行）

如果你希望每次回测只在一个特定的时间点执行（比如这次回测测 9:45，下次测 10:00），你可以将时间直接定义为字符串变量，或者通过计算生成字符串：

def initialize(context):
    # 假设你想测试 10:15 这个时间点
    g.hour = 10
    g.minute = 15
    
    # 使用 Python 的 f-string 格式化时间字符串，保证两位数对齐（如 09:05）
    run_time = f"{g.hour:02d}:{g.minute:02d}"
    
    # 动态传入时间参数
    run_daily(buy_sig, time=run_time)

def buy_sig(context):
    log.info(f"当前执行时间: {context.current_dt}")
    # 你的买入逻辑

优化建议：在研究环境中，你可以使用 create_backtest API 批量创建回测，每次传入不同的 extras 参数来自动遍历所有时间点。

方案二：在同一次回测中，每隔 15 分钟执行一次（循环注册）

如果你想在同一次回测中，让策略在 9:30、9:45、10:00 等每隔 15 分钟都跑一次 buy_sig，你可以利用 Python 的 for 循环在 initialize 中批量注册 run_daily：

def initialize(context):
    g.t = 15 # 设置间隔为15分钟
    
    # 遍历交易时间的每一个小时和分钟
    for hour in (9, 10, 11, 13, 14):
        for minute in range(0, 60, g.t):
            # 过滤掉非交易时间段
            if hour == 9 and minute < 30:
                continue
            if hour == 11 and minute > 30:
                continue
            
            # 格式化时间字符串
            time_str = f"{hour:02d}:{minute:02d}"
            
            # 批量注册定时任务
            run_daily(buy_sig, time=time_str)

def buy_sig(context):
    log.info(f"触发信号，当前时间: {context.current_dt}")
    # 你的买入逻辑

注意：run_daily 允许在同一个策略中被多次调用，每次调用都会生成一个新的定时任务。

方案三：使用分钟级回测 + 逻辑判断（最灵活）

如果你希望策略以分钟级（every_bar）运行，并在 handle_data 或每分钟执行的函数中通过 g.t 来控制触发频率，可以这样做：

def initialize(context):
    g.t = 15 # 每 15 分钟触发一次
    # 每分钟运行一次 check_signal
    run_daily(check_signal, time='every_bar')

def check_signal(context):
    # 获取当前的分钟数
    current_minute = context.current_dt.minute
    
    # 如果当前分钟数能被 g.t 整除（例如 0, 15, 30, 45），则执行买入逻辑
    if current_minute % g.t == 0:
        buy_sig(context)

def buy_sig(context):
    log.info(f"满足 {g.t} 分钟间隔，执行买入逻辑: {context.current_dt}")
    # 你的买入逻辑

总结

• 如果你是为了寻找最佳的单一入场时间，推荐使用方案一，结合批量回测工具进行参数寻优。
• 如果你是为了在盘中高频多次捕捉机会，推荐使用方案二或方案三。