Quantdom图表可视化指南：7种图表类型展示你的回测结果

【免费下载链接】QuantdomPython-based framework for backtesting trading strategies & analyzing financial markets [GUI :neckbeard:]项目地址: https://gitcode.com/gh_mirrors/qu/Quantdom

Quantdom是一款基于Python的交易策略回测框架，提供了强大的金融市场分析和图表可视化功能。本指南将详细介绍如何使用Quantdom的7种图表类型来直观展示你的交易策略回测结果，帮助你快速分析策略表现和市场趋势。

1. 基础图表类型：K线图与柱状图

Quantdom提供了三种基础价格图表类型，通过ChartType枚举类定义，位于quantdom/lib/const.py文件中：

• K线图（CANDLESTICK）：展示开盘价、收盘价、最高价和最低价，是技术分析的基础图表
• 柱状图（BAR）：简化版价格图表，用垂直柱线表示价格波动范围
• 折线图（LINE）：连接收盘价形成的趋势线，适合观察长期价格走势

这些图表类型可通过QuotesChart类实现，该类位于quantdom/lib/charts.py文件中，支持自定义颜色、坐标轴和交互功能。

2. equity曲线：策略收益可视化

Equity曲线是评估交易策略表现的核心工具，Quantdom通过EquityChart类实现，位于quantdom/lib/charts.py文件中。它展示了策略在回测期间的累计收益变化，主要包括：

• 总体收益曲线：区分正收益（绿色区域）和负收益（红色区域）
• 多头策略收益：仅显示多头交易的收益曲线
• 空头策略收益：仅显示空头交易的收益曲线
• 买入持有策略对比：与简单买入持有策略的收益对比

Equity曲线通过Portfolio.equity_curve属性获取数据，该属性在quantdom/lib/portfolio.py中定义和计算。

3. 指标图表：技术分析工具

Quantdom支持在主图表下方添加多个技术指标子图表，通过indicators参数实现。这些指标图表与主图表保持时间轴同步，便于分析价格与指标的关系：

• 移动平均线（MA）
• 相对强弱指数（RSI）
• 随机振荡器（Stochastic Oscillator）
• MACD（指数平滑异同平均线）

指标图表的实现可在quantdom/lib/charts.py的QuotesChart类中找到，通过_update_ind_charts方法更新指标数据和显示。

4. 交易信号标记：买卖点可视化

Quantdom能够在价格图表上标记交易信号，清晰展示策略的买卖决策点：

• 买入信号：绿色向上箭头标记
• 卖出信号：红色向下箭头标记

这些信号通过add_signals方法添加到图表中，位于quantdom/lib/charts.py的QuotesChart类中。信号会根据当前视图范围智能显示，避免图表过度拥挤。

5. 最大回撤图表：风险评估工具

最大回撤是衡量策略风险的重要指标，Quantdom在quantdom/lib/performance.py中提供了回撤计算功能：

• 绝对最大回撤：策略净值从峰值到谷底的最大跌幅
• 相对最大回撤：回撤的百分比表示
• 回撤持续时间：从回撤开始到恢复的时间周期

这些数据可通过表格和图表结合的方式展示，帮助评估策略的风险承受能力。

6. 多时间框架图表：市场全景视图

Quantdom支持多种时间框架的图表展示，通过TimeFrame枚举类定义，位于quantdom/lib/const.py中：

• 分钟级：M1, M5, M15, M30
• 小时级：H1, H4
• 日级及以上：D1, W1, MN

多时间框架分析有助于从不同周期观察市场趋势，发现长期和短期交易机会。

7. 组合分析图表：多策略对比

Quantdom允许在同一图表中对比多个策略的表现，或同一策略在不同参数设置下的结果：

• 收益曲线对比
• 风险指标对比
• 不同市场条件下的表现对比

这种对比分析有助于优化策略参数，选择最适合当前市场环境的交易策略。

快速开始使用Quantdom图表

要开始使用Quantdom的图表功能，首先需要克隆仓库：

git clone https://gitcode.com/gh_mirrors/qu/Quantdom

然后可以参考examples/simple_strategies.py中的示例代码，了解如何创建和自定义各种图表。Quantdom的图表系统基于PyQtGraph构建，支持丰富的交互功能，如缩放、平移和悬停查看详细数据。

通过合理使用这些图表类型，你可以更全面地理解交易策略的表现，发现潜在改进空间，从而开发出更稳健的交易系统。

【免费下载链接】QuantdomPython-based framework for backtesting trading strategies & analyzing financial markets [GUI :neckbeard:]项目地址: https://gitcode.com/gh_mirrors/qu/Quantdom