如何在研究环境中用代码分析回测？JoinQuant get_backtest 函数详解

在聚宽（JoinQuant）平台中，要获取和分析一个已经完成的回测的详细数据，主要使用 get_backtest 函数。

注意： 此函数只能在 研究环境（Notebook） 中运行，不支持在策略回测或模拟交易的运行过程中调用。

以下是详细的代码示例和分析步骤：

1. 获取回测 ID (Backtest ID)

首先，你需要找到你想要分析的回测的 ID。

• 打开回测详情页面。
• 查看浏览器地址栏的 URL，例如：https://www.joinquant.com/algorithm/backtest/detail?backtestId=1234567890
• backtestId 后面的数字/字符串即为回测 ID。

2. 代码实现：获取与分析数据

请在聚宽的 研究环境 中新建一个 Notebook，并运行以下代码：

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

# 1. 设置回测ID (请替换为你实际的回测ID)
backtest_id = '这里填写你的回测ID' 

# 2. 获取回测对象
gt = get_backtest(backtest_id)

# --- 获取基础信息 ---

# 获取回测状态 (none, running, done, failed, canceled, paused, deleted)
status = gt.get_status()
print(f"回测状态: {status}")

# 获取回测参数 (策略ID, 起止日期, 初始资金等)
params = gt.get_params()
print(f"回测参数: {params}")

# --- 获取详细数据并转换为 DataFrame 以便分析 ---

# 3. 获取总风险指标 (Sharpe, Max Drawdown, Alpha, Beta 等)
risk_data = gt.get_risk()
if risk_data:
    df_risk = pd.DataFrame([risk_data])
    print("\n--- 总风险指标 ---")
    print(df_risk.T) # 转置显示更清晰

# 4. 获取每日收益曲线 (时间, 策略收益, 基准收益)
results = gt.get_results()
if results:
    df_results = pd.DataFrame(results)
    # 设置时间为索引
    df_results['time'] = pd.to_datetime(df_results['time'])
    df_results.set_index('time', inplace=True)
    print("\n--- 每日收益数据 (前5行) ---")
    print(df_results.head())

# 5. 获取每日持仓详情 (持仓数量, 成本, 每日盈亏等)
positions = gt.get_positions()
if positions:
    df_positions = pd.DataFrame(positions)
    print("\n--- 持仓详情 (前5行) ---")
    print(df_positions.head())
    
    # 简单分析：查看某只股票的持仓变化
    # stock_code = '000001.XSHE'
    # print(df_positions[df_positions['security'] == stock_code])

# 6. 获取交易详情 (成交时间, 价格, 数量, 手续费等)
orders = gt.get_orders()
if orders:
    df_orders = pd.DataFrame(orders)
    print("\n--- 交易记录 (前5行) ---")
    print(df_orders.head())
    
    # 简单分析：计算总手续费
    # total_commission = df_orders['commission'].sum()
    # print(f"总手续费: {total_commission}")

# 7. 获取每日账户资产 (总资产, 可用资金等)
balances = gt.get_balances()
if balances:
    df_balances = pd.DataFrame(balances)
    print("\n--- 每日资产 (前5行) ---")
    print(df_balances.head())

# 8. 获取分月风险指标
period_risks = gt.get_period_risks()
if period_risks:
    # period_risks 是一个字典，键是指标名，值是 DataFrame
    print("\n--- 分月收益率 (前5行) ---")
    # 例如查看分月收益率
    if 'algorithm_return' in period_risks:
        print(period_risks['algorithm_return'].head())

3. 数据对象详解

通过 get_backtest 获取的对象（代码中的 gt），主要包含以下方法：

4. 常见分析场景

获取到 DataFrame 后，你可以利用 Pandas 进行深入分析：

• 分析胜率：通过 df_orders 筛选出卖出（close）操作，计算盈利次数占比。
• 持仓分布：通过 df_positions 分析特定时间点的持仓集中度。
• 成本分析：统计 df_orders['commission'] 查看交易成本对收益的影响。
• 特定时期表现：截取 df_results 中特定市场大跌的时间段，观察策略的回撤情况。

Q&A

Q: get_backtest 可以在策略代码的 initialize 或 handle_data 中使用吗？
A: 不可以。 get_backtest 是研究环境（Research）专用的 API。在策略运行过程中，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: 为什么 gt.get_orders() 返回的是空列表？
A: 这通常意味着该回测在运行期间没有产生任何交易，或者回测 ID 对应的策略运行失败了。请先检查 gt.get_status() 确认回测状态是否为 "done"。

Q: 如何获取模拟交易的数据？
A: get_backtest 同样适用于模拟交易。只需将模拟交易 URL 中的 backtestId 传入该函数即可获取模拟交易的历史数据。

Q: 获取的数据有延迟吗？
A: 在研究环境中获取已完成的回测数据通常没有延迟。如果是正在运行的模拟交易，数据通常是准实时的，但取决于系统同步状态。