简单波动率策略，实现+网格搜索

src/strategies/base_strategy.py

@@ -1,42 +1,31 @@
 # src/strategies/base_strategy.py
 
 from abc import ABC, abstractmethod
-from typing import Dict, Any, Optional
+from datetime import datetime
+from typing import Dict, Any, Optional, List, TYPE_CHECKING
+
+# 使用 TYPE_CHECKING 避免循环导入，但保留类型提示
+from ..backtest_context import BacktestContext  # 转发引用 BacktestEngine
+from ..core_data import Bar, Order, Trade  # 导入必要的类型
 
-# 导入核心数据类
-from ..core_data import Bar, Order, Trade
-# 导入回测上下文 (注意相对导入路径的变化)
-from ..backtest_context import BacktestContext
 
 class Strategy(ABC):
     """
-    策略抽象基类。所有具体策略都应继承此类，并实现 on_bar 方法。
+    所有交易策略的抽象基类。
+    策略通过 context 对象与回测引擎和模拟器进行交互，并提供辅助方法。
     """
-    def __init__(self, context: BacktestContext, **parameters: Any):
-        """
-        初始化策略。
 
+    def __init__(self, context: 'BacktestContext', symbol: str, enable_log: bool = True, **params: Any):
+        """
         Args:
-            context (BacktestContext): 回测上下文对象，用于与模拟器和数据管理器交互。
-            **parameters (Any): 策略所需的任何自定义参数。
+            context (BacktestEngine): 回测引擎实例，作为策略的上下文，提供与模拟器等的交互接口。
+            symbol (str): 策略操作的合约Symbol。
+            **params (Any): 其他策略特定参数。
         """
-        self.context = context
-        self.parameters = parameters
-        self.symbol = parameters.get('symbol', "DEFAULT_SYMBOL") # 策略操作的品种
-        self.trade_volume = parameters.get('trade_volume', 100) # 每次下单的数量
-        print(f"策略初始化: {self.__class__.__name__}，参数: {self.parameters}")
-
-    @abstractmethod
-    def on_bar(self, bar: Bar):
-        """
-        每当接收到新的Bar数据时调用。
-        具体策略逻辑在此方法中实现。
-
-        Args:
-            bar (Bar): 当前的Bar数据对象。
-            features (Dict[str, float]): 由数据处理模块计算并传入的特征字典。
-        """
-        pass
+        self.context = context  # 存储 context 对象
+        self.symbol = symbol  # 策略操作的合约Symbol
+        self.params = params
+        self.enable_log = enable_log
 
     def on_init(self):
         """
@@ -45,7 +34,7 @@ class Strategy(ABC):
         """
         print(f"{self.__class__.__name__} 策略初始化回调被调用。")
 
-    def on_trade(self, trade: Trade):
+    def on_trade(self, trade: 'Trade'):
         """
         当模拟器成功执行一笔交易时调用。
         可用于更新策略内部持仓状态或记录交易。
@@ -54,15 +43,94 @@ class Strategy(ABC):
             trade (Trade): 已完成的交易记录。
         """
         # print(f"策略接收到交易: {trade.direction} {trade.volume} {trade.symbol} @ {trade.price:.2f}")
-        pass # 默认不执行任何操作，具体策略可覆盖
+        pass  # 默认不执行任何操作，具体策略可覆盖
 
-    def on_order_status(self, order: Order, status: str):
+    @abstractmethod
+    def on_bar(self, bar: 'Bar'):
         """
-        当订单状态更新时调用 (例如，未成交，已提交等)。
-        在简易回测中，可能不会频繁使用。
-
+        每当新的K线数据到来时调用此方法。
         Args:
-            order (Order): 相关订单对象。
-            status (str): 订单状态（例如 "FILLED", "PENDING", "CANCELLED"）。
+            bar (Bar): 当前的K线数据对象。
+            next_bar_open (Optional[float]): 下一根K线的开盘价，如果存在的话。
         """
-        pass # 默认不执行任何操作
+        pass
+
+    # --- 新增/修改的辅助方法 ---
+
+    def send_order(self, order: 'Order') -> Optional[Trade]:
+        """
+        发送订单的辅助方法。
+        会在 BaseStrategy 内部构建 Order 对象，并通过 context 转发给模拟器。
+        """
+        return self.context.send_order(order)
+
+    def cancel_order(self, order_id: str) -> bool:
+        """
+        取消指定ID的订单。
+        通过 context 调用模拟器的 cancel_order 方法。
+        """
+
+        return self.context.cancel_order(order_id)
+
+    def cancel_all_pending_orders(self) -> int:
+        """
+        取消所有当前策略的未决订单。
+        返回成功取消的订单数量。
+        """
+        pending_orders = self.get_pending_orders()  # 调用 BaseStrategy 自己的 get_pending_orders
+        cancelled_count = 0
+        orders_to_cancel = [order.id for order in pending_orders.values() if order.symbol == self.symbol]
+        for order_id in orders_to_cancel:
+            if self.cancel_order(order_id):  # 调用 BaseStrategy 自己的 cancel_order
+                cancelled_count += 1
+        return cancelled_count
+
+    def get_current_positions(self) -> Dict[str, int]:
+        """
+        获取当前持仓。
+        通过 context 调用模拟器的 get_positions 方法。
+        """
+        return self.context._simulator.get_current_positions()
+
+    def get_pending_orders(self) -> Dict[str, 'Order']:
+        """
+        获取当前所有待处理订单的副本。
+        通过 context 调用模拟器的 get_pending_orders 方法。
+        """
+        return self.context._simulator.get_pending_orders()
+
+    def get_average_position_price(self, symbol: str) -> Optional[float]:
+        """
+        获取指定合约的平均持仓成本。
+        通过 context 调用模拟器的 get_average_position_price 方法。
+        """
+        return self.context._simulator.get_average_position_price(symbol)
+
+    # 你可以根据需要在这里添加更多辅助方法，如获取账户净值等
+    def get_account_cash(self) -> float:
+        """获取当前账户现金余额。"""
+        return self.context._simulator.cash
+
+
+    def log(self, *args: Any, **kwargs: Any):
+        """
+        统一的日志打印方法。
+        如果 enable_log 为 True，则打印消息到控制台，并包含当前模拟时间。
+        支持传入多个参数，像 print() 函数一样使用。
+        """
+        if self.enable_log:
+            # 尝试获取当前模拟时间，如果模拟器或时间不可用，则跳过时间前缀
+            try:
+                current_time_str = self.context._simulator.get_current_time().strftime('%Y-%m-%d %H:%M:%S')
+                time_prefix = f"[{current_time_str}] "
+            except AttributeError:
+                # 如果获取不到时间（例如在策略初始化时，模拟器时间还未设置），则不加时间前缀
+                time_prefix = ""
+
+            # 使用 f-string 结合 *args 来构建消息
+            # print() 函数会将 *args 自动用空格分隔，这里我们模仿这个行为
+            message = ' '.join(map(str, args))
+
+            # 你可以将其他 kwargs (如 sep, end, file, flush) 传递给 print，
+            # 但通常日志方法不会频繁使用这些。这里只支持最基础的打印。
+            print(f"{time_prefix}策略 ({self.symbol}): {message}", **kwargs)