# src/execution_simulator.py (修改部分) from datetime import datetime from typing import Dict, List, Optional import pandas as pd from .core_data import Order, Trade, Bar, PortfolioSnapshot class ExecutionSimulator: """ 模拟交易执行和管理账户资金、持仓。 """ def __init__(self, initial_capital: float, slippage_rate: float = 0.0001, commission_rate: float = 0.0002, initial_positions: Optional[Dict[str, int]] = None): """ Args: initial_capital (float): 初始资金。 slippage_rate (float): 滑点率（相对于成交价格的百分比）。 commission_rate (float): 佣金率（相对于成交金额的百分比）。 initial_positions (Optional[Dict[str, int]]): 初始持仓，格式为 {symbol: quantity}。 """ self.initial_capital = initial_capital self.cash = initial_capital self.positions: Dict[str, int] = initial_positions if initial_positions is not None else {} # 新增：跟踪持仓的平均成本 {symbol: average_cost} self.average_costs: Dict[str, float] = {} # 如果有初始持仓，需要设置初始成本（简化为0，或在外部配置） if initial_positions: for symbol, qty in initial_positions.items(): # 初始持仓成本，如果需要精确，应该从外部传入 self.average_costs[symbol] = 0.0 # 简化处理，初始持仓成本为0 self.slippage_rate = slippage_rate self.commission_rate = commission_rate self.trade_log: List[Trade] = [] # 存储所有成交记录 self.pending_orders: Dict[str, Order] = {} # {order_id: Order_object} self._current_time = None print( f"模拟器初始化：初始资金={self.initial_capital:.2f}, 滑点率={self.slippage_rate}, 佣金率={self.commission_rate}") if self.positions: print(f"初始持仓：{self.positions}") def update_time(self, current_time: datetime): """ 更新模拟器的当前时间。 这个方法由 BacktestEngine 在遍历 K 线时调用。 """ self._current_time = current_time # --- 新增的公共方法 --- def get_current_time(self) -> datetime: """ 获取模拟器的当前时间。 """ if self._current_time is None: # 可以在这里抛出错误或者返回一个默认值，取决于你对未初始化时间的处理 # 抛出错误可以帮助你发现问题，例如在模拟器时间未设置时就尝试获取 # raise RuntimeError("Simulator time has not been set. Ensure update_time is called.") return None return self._current_time def _calculate_fill_price(self, order: Order, current_bar: Bar) -> float: """ 内部方法：根据订单类型和滑点计算实际成交价格。 - 市价单通常以当前K线的开盘价成交（考虑滑点）。 - 限价单判断是否触及限价，如果触及，以限价成交（考虑滑点）。 """ fill_price = -1.0 # 默认未成交 if order.price_type == "MARKET": # 市价单通常以开盘价成交，或者根据你的策略需求选择收盘价 # 这里我们仍然使用开盘价作为市价单的基准成交价 base_price = current_bar.open if order.direction == "BUY" or order.direction == "CLOSE_SHORT": # 买入或平空，价格向上偏离 fill_price = base_price * (1 + self.slippage_rate) elif order.direction == "SELL" or order.direction == "CLOSE_LONG": # 卖出或平多，价格向下偏离 fill_price = base_price * (1 - self.slippage_rate) else: # 默认情况，理论上不应该到这里，因为方向应该明确 fill_price = base_price # 不考虑滑点 # 市价单只要有价格就会成交，无需额外价格区间判断 elif order.price_type == "LIMIT" and order.limit_price is not None: limit_price = order.limit_price high = current_bar.high low = current_bar.low open_price = current_bar.open # 也可以在限价单成交时用开盘价作为实际成交价，或限价本身 if order.direction == "BUY" or order.direction == "CLOSE_SHORT": # 限价买入或限价平空 # 买入：如果K线最低价 <= 限价，则限价单可能成交 if low <= limit_price: # 成交价通常是限价，但考虑滑点后可能略高（对买方不利） # 或者可以以 open/low 之间的一个价格成交，这里简化为限价+滑点 fill_price_candidate = limit_price * (1 + self.slippage_rate) # 确保成交价不会比当前K线的最低价还低（如果不是在最低点成交） # 也可以简单就返回 limit_price * (1 + self.slippage_rate) # 如果开盘价低于或等于限价，那么通常会以开盘价成交（或者略差） # 否则，如果价格是从上方跌落到限价区，那么会在限价附近成交 # 这里简化：如果K线触及限价，则以限价成交（考虑滑点）。 # 更精细的模拟会考虑价格穿越顺序 (例如，是否开盘就跳过了限价) # 如果开盘价已经低于或等于限价，那么就以开盘价成交（考虑滑点） if open_price <= limit_price: fill_price = open_price * (1 + self.slippage_rate) else: # 价格从高处跌落到限价 fill_price = limit_price * (1 + self.slippage_rate) # 确保成交价不会超过限价 (虽然加滑点可能会略超，但这是交易成本的一部分) # 这个检查是为了避免逻辑错误，理论上加滑点后应该可以接受比限价略高的价格 # 如果你严格要求成交价不能高于限价，则需要移除滑点或者更复杂的逻辑 # 这里我们接受加滑点后的价格 if fill_price > high and fill_price > limit_price: # 如果计算出来的成交价高于K线最高价，则可能不合理 fill_price = -1.0 # 理论上不该发生，除非滑点过大 else: return -1.0 # 未触及限价 elif order.direction == "SELL" or order.direction == "CLOSE_LONG": # 限价卖出或限价平多 # 卖出：如果K线最高价 >= 限价，则限价单可能成交 if high >= limit_price: # 成交价通常是限价，但考虑滑点后可能略低（对卖方不利） fill_price_candidate = limit_price * (1 - self.slippage_rate) # 如果开盘价已经高于或等于限价，那么就以开盘价成交（考虑滑点） if open_price >= limit_price: fill_price = open_price * (1 - self.slippage_rate) else: # 价格从低处上涨到限价 fill_price = limit_price * (1 - self.slippage_rate) # 确保成交价不会低于限价 if fill_price < low and fill_price < limit_price: # 如果计算出来的成交价低于K线最低价，则可能不合理 fill_price = -1.0 # 理论上不该发生 else: return -1.0 # 未触及限价 # 最后检查成交价是否有效 if fill_price <= 0: return -1.0 # 如果计算出来价格无效，返回未成交 return fill_price def send_order(self, order: Order, current_bar: Bar) -> Optional[Trade]: """ 接收策略发出的订单，并模拟执行。 如果订单未立即成交，则加入待处理订单列表。 特殊处理：如果 order.direction 是 "CANCEL"，则调用 cancel_order。 Args: order (Order): 待执行的订单对象。 current_bar (Bar): 当前的Bar数据，用于确定成交价格。 Returns: Optional[Trade]: 如果订单成功执行则返回 Trade 对象，否则返回 None。 """ # --- 处理撤单指令 --- if order.direction == "CANCEL": success = self.cancel_order(order.id) if success: # print(f"[{current_bar.datetime}] 模拟器: 收到并成功处理撤单指令 for Order ID: {order.id}") pass else: # print(f"[{current_bar.datetime}] 模拟器: 收到撤单指令 for Order ID: {order.id}, 但订单已成交或不存在。") pass return None # 撤单操作不返回Trade # --- 正常买卖订单处理 --- symbol = order.symbol volume = order.volume # 尝试计算成交价格 fill_price = self._calculate_fill_price(order, current_bar) executed_trade: Optional[Trade] = None realized_pnl = 0.0 # 初始化实现盈亏 is_open_trade = False is_close_trade = False if fill_price <= 0: # 表示未成交或不满足限价条件 if order.price_type == "LIMIT": self.pending_orders[order.id] = order # print(f'撮合失败,order id:{order.id},fill_price:{fill_price}') return None # 未成交，返回None # --- 以下是订单成功成交的逻辑 --- trade_value = volume * fill_price commission = trade_value * self.commission_rate current_position = self.positions.get(symbol, 0) current_average_cost = self.average_costs.get(symbol, 0.0) actual_direction = order.direction if order.direction == "CLOSE_SHORT": actual_direction = "BUY" elif order.direction == "CLOSE_LONG": actual_direction = "SELL" is_close_order_intent = (order.direction == "CLOSE_LONG" or order.direction == "CLOSE_SHORT") if actual_direction == "BUY": # 处理买入 (开多 / 平空) # 开多仓或平空仓 if current_position >= 0: # 当前持有多仓或无仓位 (开多) is_open_trade = not is_close_order_intent # 如果是平仓意图，则不是开仓交易 # 更新平均成本 (加权平均) new_total_cost = (current_average_cost * current_position) + (fill_price * volume) new_total_volume = current_position + volume self.average_costs[symbol] = new_total_cost / new_total_volume if new_total_volume > 0 else 0.0 self.positions[symbol] = new_total_volume else: # 当前持有空仓 (平空) is_close_trade = is_close_order_intent # 这是平仓交易 # 计算平空盈亏 pnl_per_share = current_average_cost - fill_price realized_pnl = pnl_per_share * volume # 更新持仓和成本 self.positions[symbol] += volume if self.positions[symbol] == 0: # 如果全部平仓 del self.positions[symbol] if symbol in self.average_costs: del self.average_costs[symbol] elif self.positions[symbol] > 0 and current_position < 0: # 部分平空，且空头仓位被买平为多头仓位 # 这是从空头转为多头的复杂情况。需要重新计算平均成本 # 简单处理：将剩余的多头仓位成本设为当前价格 self.average_costs[symbol] = fill_price if self.cash >= trade_value + commission: self.cash -= (trade_value + commission) else: print(f"[{current_bar.datetime}] 资金不足，无法执行买入 {volume} {symbol}") return None elif actual_direction == "SELL": # 处理卖出 (开空 / 平多) # 开空仓或平多仓 if current_position <= 0: # 当前持有空仓或无仓位 (开空) is_open_trade = not is_close_order_intent # 如果是平仓意图，则不是开仓交易 # 更新平均成本 (空头成本为负值) # 对于空头，平均成本通常是指你卖出开仓的平均价格 # 这里需要根据你的空头成本计算方式来调整 # 常见的做法是：总卖出价值 / 总卖出数量 new_total_value = (current_average_cost * abs(current_position)) + (fill_price * volume) new_total_volume = abs(current_position) + volume self.average_costs[symbol] = new_total_value / new_total_volume if new_total_volume > 0 else 0.0 self.positions[symbol] -= volume # 空头数量增加，持仓量变为负更多 else: # 当前持有多仓 (平多) is_close_trade = is_close_order_intent # 这是平仓交易 # 计算平多盈亏 pnl_per_share = fill_price - current_average_cost realized_pnl = pnl_per_share * volume # 更新持仓和成本 self.positions[symbol] -= volume if self.positions[symbol] == 0: # 如果全部平仓 del self.positions[symbol] if symbol in self.average_costs: del self.average_costs[symbol] elif self.positions[symbol] < 0 and current_position > 0: # 部分平多，且多头仓位被卖平为空头仓位 # 从多头转为空头的复杂情况 self.average_costs[symbol] = fill_price # 简单将剩余空头仓位成本设为当前价格 if self.cash >= commission: self.cash -= commission self.cash += trade_value else: print(f"[{current_bar.datetime}] 资金不足，无法执行卖出 {volume} {symbol}") return None else: # 既不是 BUY 也不是 SELL，且也不是 CANCEL。这可能是未知的 direction print( f"[{current_bar.datetime}] 模拟器: 收到未知订单方向 {order.direction} for Order ID: {order.id}. 订单未处理。") return None # 创建 Trade 对象 executed_trade = Trade( order_id=order.id, fill_time=current_bar.datetime, symbol=symbol, direction=order.direction, # 记录原始订单方向 (BUY/SELL/CLOSE_X) volume=volume, price=fill_price, commission=commission, cash_after_trade=self.cash, positions_after_trade=self.positions.copy(), realized_pnl=realized_pnl, # 填充实现盈亏 is_open_trade=is_open_trade, is_close_trade=is_close_trade ) self.trade_log.append(executed_trade) # 如果订单成交，无论它是市价单还是限价单，都从待处理订单中移除 if order.id in self.pending_orders: del self.pending_orders[order.id] return executed_trade def cancel_order(self, order_id: str) -> bool: """ 尝试取消一个待处理订单。 Args: order_id (str): 要取消的订单ID。 Returns: bool: 如果成功取消则返回 True，否则返回 False（例如，订单不存在或已成交）。 """ if order_id in self.pending_orders: # print(f"订单 {order_id} 已成功取消。") del self.pending_orders[order_id] return True # print(f"订单 {order_id} 不存在或已成交，无法取消。") return False def get_pending_orders(self) -> Dict[str, Order]: """ 获取当前所有待处理订单的副本。 """ return self.pending_orders.copy() def get_portfolio_value(self, current_bar: Bar) -> float: """ 计算当前的投资组合总价值（包括现金和持仓市值）。 Args: current_bar (Bar): 当前的Bar数据，用于计算持仓市值。 Returns: float: 当前的投资组合总价值。 """ total_value = self.cash # 在单品种场景下，我们假设 self.positions 最多只包含一个品种 # 并且这个品种就是 current_bar.symbol 所代表的品种 symbol_in_position = list(self.positions.keys())[0] if self.positions else None if symbol_in_position and symbol_in_position == current_bar.symbol: quantity = self.positions[symbol_in_position] # 持仓市值 = 数量 * 当前市场价格 (current_bar.close) # 无论多头(quantity > 0)还是空头(quantity < 0)，这个计算都是正确的 total_value += quantity * current_bar.open # 您也可以选择在这里打印调试信息 # print(f" DEBUG Portfolio Value Calculation: Cash={self.cash:.2f}, " # f"Position for {symbol_in_position}: {quantity} @ {current_bar.close:.2f}, " # f"Position Value={quantity * current_bar.close:.2f}, Total Value={total_value:.2f}") # 如果没有持仓，或者持仓品种与当前Bar品种不符 (理论上单品种不会发生) # 那么 total_value 依然是 self.cash return total_value def get_current_positions(self) -> Dict[str, int]: """ 返回当前持仓字典的副本。 """ return self.positions.copy() def get_trade_history(self) -> List[Trade]: """ 返回所有成交记录的副本。 """ return self.trade_log.copy() def reset(self, new_initial_capital: float = None, new_initial_positions: Dict[str, int] = None) -> None: """ 重置模拟器状态到新的初始条件。 可以在总回测开始时调用，或在合约切换时调整资金和持仓。 """ print("ExecutionSimulator: 重置状态。") self.cash = new_initial_capital if new_initial_capital is not None else self.initial_capital self.positions = new_initial_positions.copy() if new_initial_positions is not None else {} self.trade_history = [] self.current_orders = {} def clear_trade_history(self) -> None: """ 清空当前模拟器的交易历史。 在每个合约片段结束时调用，以便我们只收集当前片段的交易记录。 """ print("ExecutionSimulator: 清空交易历史。") self.trade_history = [] def get_average_position_price(self, symbol: str) -> Optional[float]: """ 获取指定合约的平均持仓成本。 如果无持仓或无该合约记录，返回 None。 """ # 返回 average_costs 字典中对应 symbol 的值 # 如果没有持仓或者没有记录，返回 None if symbol in self.positions and self.positions[symbol] != 0: return self.average_costs.get(symbol) return None