akquant 0.1.2__tar.gz → 0.1.4__tar.gz

akquant-0.1.4/.github/workflows/deploy-docs.yml

@@ -0,0 +1,32 @@
+name: Deploy Docs
+
+on:
+  push:
+    branches:
+      - main
+  workflow_dispatch:
+
+permissions:
+  contents: write
+
+jobs:
+  deploy:
+    runs-on: ubuntu-latest
+    steps:
+      - uses: actions/checkout@v4
+      - name: Configure Git Credentials
+        run: |
+          git config user.name github-actions[bot]
+          git config user.email 41898282+github-actions[bot]@users.noreply.github.com
+      - uses: actions/setup-python@v5
+        with:
+          python-version: 3.x
+      - run: echo "cache_id=$(date --utc '+%V')" >> $GITHUB_ENV
+      - uses: actions/cache@v4
+        with:
+          key: mkdocs-material-${{ env.cache_id }}
+          path: .cache
+          restore-keys: |
+            mkdocs-material-
+      - run: pip install mkdocs-material
+      - run: mkdocs gh-deploy --force

akquant-0.1.4/.github/workflows/release.yml

@@ -0,0 +1,97 @@
+name: CI
+
+on:
+  push:
+    branches:
+      - main
+    tags:
+      - '*'
+  pull_request:
+  workflow_dispatch:
+
+permissions:
+  contents: read
+
+jobs:
+  linux:
+    runs-on: ubuntu-latest
+    strategy:
+      matrix:
+        target: [x86_64]
+    steps:
+      - uses: actions/checkout@v4
+      - uses: actions/setup-python@v5
+        with:
+          python-version: '3.13'
+      - name: Build wheels
+        uses: PyO3/maturin-action@v1
+        with:
+          target: ${{ matrix.target }}
+          args: --release --out dist --find-interpreter
+          sccache: 'true'
+          manylinux: auto
+      - name: Upload wheels
+        uses: actions/upload-artifact@v4
+        with:
+          name: wheels-linux-${{ matrix.target }}
+          path: dist
+
+  windows:
+    runs-on: windows-latest
+    strategy:
+      matrix:
+        target: [x64]
+    steps:
+      - uses: actions/checkout@v4
+      - uses: actions/setup-python@v5
+        with:
+          python-version: '3.13'
+          architecture: ${{ matrix.target }}
+      - name: Build wheels
+        uses: PyO3/maturin-action@v1
+        with:
+          target: ${{ matrix.target }}
+          args: --release --out dist --find-interpreter
+          sccache: 'true'
+      - name: Upload wheels
+        uses: actions/upload-artifact@v4
+        with:
+          name: wheels-windows-${{ matrix.target }}
+          path: dist
+
+  macos:
+    runs-on: macos-latest
+    strategy:
+      matrix:
+        target: [aarch64]
+    steps:
+      - uses: actions/checkout@v4
+      - uses: actions/setup-python@v5
+        with:
+          python-version: '3.13'
+      - name: Build wheels
+        uses: PyO3/maturin-action@v1
+        with:
+          target: ${{ matrix.target }}
+          args: --release --out dist --find-interpreter
+          sccache: 'true'
+      - name: Upload wheels
+        uses: actions/upload-artifact@v4
+        with:
+          name: wheels-macos-${{ matrix.target }}
+          path: dist
+
+  sdist:
+    runs-on: ubuntu-latest
+    steps:
+      - uses: actions/checkout@v4
+      - name: Build sdist
+        uses: PyO3/maturin-action@v1
+        with:
+          command: sdist
+          args: --out dist
+      - name: Upload sdist
+        uses: actions/upload-artifact@v4
+        with:
+          name: wheels-sdist
+          path: dist

akquant-0.1.4/.gitignore

@@ -0,0 +1,9 @@
+target/
+__pycache__/
+*.so
+*.dylib
+*.pyd
+.env
+.venv
+venv/
+.DS_Store

akquant-0.1.4/.pre-commit-config.yaml

@@ -0,0 +1,21 @@
+repos:
+  - repo: https://github.com/pre-commit/pre-commit-hooks
+    rev: v6.0.0
+    hooks:
+      - id: trailing-whitespace
+      - id: end-of-file-fixer
+      - id: check-yaml
+      - id: check-added-large-files
+
+  - repo: https://github.com/astral-sh/ruff-pre-commit
+    rev: v0.14.14
+    hooks:
+      - id: ruff
+        args: [ --fix ]
+      - id: ruff-format
+
+  - repo: https://github.com/pre-commit/mirrors-mypy
+    rev: v1.19.1
+    hooks:
+      - id: mypy
+        additional_dependencies: [types-pytz, pandas-stubs, numpy]

akquant-0.1.4/.trae/rules/env.md

@@ -0,0 +1,8 @@
+1. 必须激活本地的 conda 环境，才行执行相关命令，通过 `conda activate <env_name>` 激活环境。
+2. 生成的代码如果是 Python，则必须符合 PEP8 规范。
+3. 生成的代码如果是 Python，必须通过 `ruff check .` 和 `mypy .` 检查。
+4. 如果有开源项目或者文档，则使用 context7 的 mcp
+5. 本项目是一个基于 AKQuant 的回测框架，用于回测股票、期货、期权等金融产品。
+6. 文档或者注释中出现 akquant，则用 AKQuant 替换。
+7. 本项目主要参考：https://github.com/nautechsystems/nautilus_trader 量化框架
+8. 本项目用 PyO3 绑定 Rust 代码，实现高性能的回测引擎。绑定的 API 参考：https://github.com/nautechsystems/nautilus_trader，请使用最新的 API 版本

{akquant-0.1.2 → akquant-0.1.4}/Cargo.lock

@@ -30,11 +30,13 @@ dependencies = [
 
 [[package]]
 name = "akquant"
-version = "0.1.2"
+version = "0.1.4"
 dependencies = [
  "anyhow",
  "chrono",
+ "csv",
  "indicatif",
+ "numpy",
  "polars",
  "pyo3",
  "pyo3-stub-gen",
@@ -580,6 +582,27 @@ dependencies = [
  "typenum",
 ]
 
+[[package]]
+name = "csv"
+version = "1.4.0"
+source = "registry+https://github.com/rust-lang/crates.io-index"
+checksum = "52cd9d68cf7efc6ddfaaee42e7288d3a99d613d4b50f76ce9827ae0c6e14f938"
+dependencies = [
+ "csv-core",
+ "itoa",
+ "ryu",
+ "serde_core",
+]
+
+[[package]]
+name = "csv-core"
+version = "0.1.13"
+source = "registry+https://github.com/rust-lang/crates.io-index"
+checksum = "704a3c26996a80471189265814dbc2c257598b96b8a7feae2d31ace646bb9782"
+dependencies = [
+ "memchr",
+]
+
 [[package]]
 name = "debug_unsafe"
 version = "0.1.3"

{akquant-0.1.2 → akquant-0.1.4}/Cargo.toml

@@ -1,6 +1,6 @@
 [package]
 name = "akquant"
-version = "0.1.2"
+version = "0.1.4"
 edition = "2024"
 readme = "README.md"
 
@@ -11,11 +11,11 @@ name = "akquant"
 crate-type = ["cdylib", "rlib"]
 
 [dependencies]
-pyo3 = { version = "0.27.2", features = ["extension-module", "abi3-py39"] }
+pyo3 = { version = "0.27.2", features = ["abi3-py310"] }
+numpy = "0.27"
 pyo3-stub-gen = "0.6.0"
 serde = { version = "1.0", features = ["derive"] }
 polars = { version = "0.51.0", features = ["lazy", "parquet", "ipc", "csv"] }
-# arrow = "50.0.0" # 暂时注释掉，避免与 polars 依赖冲突
 rayon = "1.11"
 uuid = { version = "1.20.0", features = ["v4", "fast-rng", "macro-diagnostics"] }
 
@@ -24,3 +24,9 @@ chrono = { version = "0.4", features = ["serde"] }
 anyhow = "1.0"
 rust_decimal = { version = "1.40", features = ["serde-with-str", "maths"] }
 indicatif = "0.18"
+csv = "1.3"
+
+[features]
+default = ["extension-module"]
+extension-module = ["pyo3/extension-module"]
+test-utils = ["pyo3/auto-initialize"]

akquant-0.1.4/DESIGN.md

@@ -0,0 +1,183 @@
+# AKQuant 设计与开发指南
+
+本文档详细介绍了 `AKQuant` 的内部设计原理、核心组件架构以及扩展开发指南。旨在帮助开发者深入理解项目结构，以便进行二次开发和功能扩展。
+
+## 1. 项目概览
+
+### 1.1 设计理念
+
+`AKQuant` 遵循以下核心设计原则：
+
+1.  **核心计算下沉 (Rust Core)**: 所有的计算密集型任务（事件循环、订单撮合、风控检查、数据管理、绩效计算、历史数据维护）都在 Rust 层实现，以确保高性能和内存安全。
+2.  **策略逻辑上浮 (Python API)**: 策略编写、参数配置、数据分析、机器学习模型定义等用户交互层保留在 Python 中，利用其动态特性和丰富的生态系统 (Pandas, Scikit-learn, PyTorch 等)。
+3.  **模块化与解耦 (Modularity)**: 借鉴 `NautilusTrader` 等成熟框架，将数据、执行、策略、风控、机器学习等模块严格分离，通过清晰的接口（Traits）交互。
+
+### 1.2 项目目录结构
+
+```text
+akquant/
+├── Cargo.toml              # Rust 项目依赖与配置
+├── pyproject.toml          # Python 项目构建配置 (Maturin)
+├── src/                    # Rust 核心源码 (底层实现)
+│   ├── lib.rs              # PyO3 模块入口，注册 Python 模块
+│   ├── engine.rs           # 回测引擎：驱动时间轴与事件循环
+│   ├── execution.rs        # 执行层：模拟交易所撮合逻辑
+│   ├── market.rs           # 市场层：定义佣金、印花税、T+1 规则
+│   ├── portfolio.rs        # 账户层：管理资金、持仓与可用头寸
+│   ├── data.rs             # 数据层：管理 Bar/Tick 数据流
+│   ├── analysis.rs         # 分析层：计算绩效指标 (Sharpe, Drawdown)
+│   ├── context.rs          # 上下文：用于 Python 回调的数据快照
+│   ├── clock.rs            # 时钟模块：统一时间管理
+│   ├── event.rs            # 事件系统：定义系统内部事件
+│   ├── history.rs          # 历史数据：高效的环形缓冲区管理
+│   ├── indicators.rs       # 技术指标：Rust 原生指标实现 (如 SMA)
+│   └── model/              # 数据模型：定义基础数据结构
+│       ├── order.rs        # 订单 (Order) 与成交 (Trade)
+│       ├── instrument.rs   # 标的物信息 (Instrument)
+│       ├── timer.rs        # 定时器事件
+│       └── types.rs        # 基础枚举 (Side, Type, ExecutionMode)
+├── python/
+│   └── akquant/            # Python 包源码 (用户接口)
+│       ├── __init__.py     # 导出公共 API
+│       ├── strategy.py     # Strategy 基类：封装上下文，提供 ML 训练与交易接口
+│       ├── config.py       # 配置定义：BacktestConfig, StrategyConfig, RiskConfig
+│       ├── risk.py         # 风控配置适配层
+│       ├── data.py         # 数据加载与目录服务 (DataCatalog)
+│       ├── sizer.py        # Sizer 基类：提供多种仓位管理实现
+│       ├── analyzer.py     # TradeAnalyzer：交易记录分析工具
+│       ├── indicator.py    # Python 指标接口
+│       ├── log.py          # 日志模块
+│       ├── ml/             # 机器学习框架 (New)
+│       │   ├── __init__.py
+│       │   └── model.py    # QuantModel, SklearnAdapter, ValidationConfig
+│       └── akquant.pyi     # 类型提示文件 (IDE 补全支持)
+└── examples/               # 示例代码
+    ├── ml_framework_demo.py      # ML 框架基础示例
+    └── ml_walk_forward_demo.py   # 滚动训练示例
+```
+
+## 2. 核心组件架构详解
+
+### 2.1 数据模型层 (`src/model/`)
+
+为了保证跨语言交互的性能与类型安全，核心数据结构均在 Rust 中定义并导出。
+
+*   **`types.rs`**:
+    *   `ExecutionMode`: `CurrentClose` (当前收盘价成交，即 Cheat-on-Close) vs `NextOpen` (次日开盘价成交，更真实)。
+    *   `OrderSide`: `Buy` / `Sell`。
+    *   `OrderType`: `Market` (市价), `Limit` (限价)。
+    *   `TimeInForce`: `Day` (当日有效), `GTC` (撤前有效), `IOC`/`FOK`。
+*   **`instrument.rs`**: `Instrument` 包含 `multiplier` (合约乘数) 和 `tick_size`。
+*   **`market_data.rs`**: `Bar` (OHLCV) 和 `Tick` (最新价/量)。
+
+### 2.2 执行层 (`src/execution.rs`)
+
+`ExchangeSimulator` 是回测准确性的核心，负责模拟交易所的撮合逻辑。
+
+*   **撮合机制**:
+    *   **限价单 (Limit)**: 买入需 `Low <= Price`，卖出需 `High >= Price`。
+    *   **市价单 (Market)**: 根据 `ExecutionMode` 决定按 `Close` 或 `Open` 成交。
+*   **触发机制**: 支持 `trigger_price` (止损/止盈单)。
+
+### 2.3 市场规则层 (`src/market.rs`)
+
+通过 `MarketModel` Trait 实现不同市场的规则隔离。目前内置 `ChinaMarket` (A股市场规则)：
+
+*   **佣金计算**: 支持股票 (印花税、过户费、佣金) 和期货 (按手或按金额)。
+*   **交易限制**: 严格的 T+1 (股票) 与 T+0 (期货) 可用持仓管理。
+
+### 2.4 风控层 (`src/risk.rs`)
+
+`RiskManager` 独立于执行层，拦截每一笔订单：
+
+*   **检查规则**: 限制名单、最大单笔数量/金额、最大持仓比例。
+*   **配置**: Python 端 `RiskConfig` 自动注入 Rust 引擎。
+
+### 2.5 账户层 (`src/portfolio.rs`)
+
+`Portfolio` 结构体维护账户状态：
+
+*   `cash`: 可用资金。
+*   `positions`: 总持仓。
+*   `available_positions`: 可卖持仓 (T+1 逻辑的核心)。
+*   **权益计算**: 实时 Mark-to-Market 计算。
+
+### 2.6 引擎层 (`src/engine.rs` & `src/history.rs`)
+
+`Engine` 是系统的驱动器：
+
+*   **事件循环**: 消费 `Bar` 或 `Tick` 事件。
+*   **历史数据管理**: `Engine` 内部维护 `History` 模块，这是一个高效的环形缓冲区，用于存储最近 N 个 Bar 的数据，供策略通过 `get_history` 快速访问，无需在 Python 端累积数据。
+*   **日切处理**: 触发 T+1 解锁、过期订单清理。
+
+### 2.7 分析层 (`src/analysis.rs`)
+
+遵循标准 PnL 计算：`Gross PnL` (毛利), `Net PnL` (净利), `Commission` (佣金)。
+
+### 2.8 Python 抽象层 (`python/akquant/`)
+
+*   **`Strategy` (`strategy.py`)**:
+    *   **历史数据访问**:
+        *   `set_history_depth(depth)`: 开启 Rust 端历史数据记录。
+        *   `get_history(count)` / `get_history_df(count)`: 获取最近 N 个 Bar 的 OHLCV 数据 (Numpy/DataFrame)。
+    *   **ML 集成**:
+        *   `set_rolling_window(train, step)`: 配置滚动训练参数。
+        *   `on_train_signal(context)`: 周期性触发模型训练。
+        *   `prepare_features(df)`: 特征工程接口。
+*   **`Sizer` (`sizer.py`)**: 仓位管理基类。
+*   **`TradeAnalyzer` (`analyzer.py`)**: 交易记录分析。
+
+### 2.9 机器学习框架 (`python/akquant/ml/`)
+
+`AKQuant` 提供了一套标准化的 ML 接口，旨在简化“滚动训练-预测”流程。
+
+*   **`QuantModel` (`model.py`)**:
+    *   所有模型的抽象基类。
+    *   接口: `fit(X, y)`, `predict(X)`, `save(path)`, `load(path)`。
+    *   **`set_validation`**: 配置 Walk-forward Validation 参数 (训练窗口、测试窗口、滚动步长)。
+*   **`SklearnAdapter`**:
+    *   封装 Scikit-learn 风格的模型 (如 RandomForest, LinearRegression)，使其适配 `QuantModel` 接口。
+*   **工作流**:
+    1.  用户在策略中定义模型 `self.model = SklearnAdapter(RandomForestClassifier())`。
+    2.  设置滚动参数 `self.set_rolling_window(train_window=250, step=20)`。
+    3.  重写 `prepare_features` 将原始 OHLCV 转换为特征 (X) 和 标签 (y)。
+    4.  回测过程中，引擎自动在指定步长触发 `on_train_signal`，策略自动获取历史数据并训练模型。
+    5.  在 `on_bar` 中调用 `self.model.predict` 生成信号。
+
+## 3. 关键工作流详解
+
+### 3.1 回测主循环与执行模式
+
+`Engine::run` 的流程依赖 `ExecutionMode`：
+
+*   **NextOpen**: 推荐模式。Bar Close 生成信号 -> Next Bar Open 成交。
+*   **CurrentClose**: 简化模式。Bar Close 生成信号 -> Current Bar Close 成交 (Cheat-on-Close)。
+
+### 3.2 订单全生命周期
+
+Signal -> Creation -> Submission -> Risk Check (Rust) -> Matching (Rust) -> Settlement (Rust) -> Reporting。
+
+## 4. 扩展开发指南
+
+### 4.1 如何添加新的订单类型
+
+1.  `src/model/types.rs`: 添加枚举。
+2.  `src/model/order.rs`: 更新结构体。
+3.  `src/execution.rs`: 实现撮合逻辑。
+4.  `akquant.pyi`: 更新类型提示。
+
+### 4.2 如何自定义指标
+
+1.  **Python 侧 (快速原型)**: 继承 `akquant.Indicator`，在 `on_bar` 中计算。
+2.  **Rust 侧 (高性能)**:
+    *   在 `src/indicators.rs` 中实现 `Indicator` Trait。
+    *   通过 `#[pyclass]` 导出到 Python。
+
+### 4.3 如何接入新的数据源
+
+将数据转换为 pandas DataFrame，构造 `akquant.Bar` 对象列表，调用 `engine.add_feed` 即可。
+
+## 5. Rust 与 Python 交互注意事项
+
+*   **GIL**: Rust 仅在回调 Python 时获取 GIL，计算密集型任务释放 GIL (视实现而定，目前主要是单线程模型)。
+*   **数据拷贝**: 尽量减少 Python 与 Rust 之间的大规模数据传输。`get_history` 返回的是 Numpy 视图或拷贝，效率远高于 Python list。

{akquant-0.1.2 → akquant-0.1.4}/LICENSE

@@ -1,6 +1,6 @@
 MIT License
 
-Copyright (c) 2024 akquant developers
+Copyright (c) 2026 akquant developers
 
 Permission is hereby granted, free of charge, to any person obtaining a copy
 of this software and associated documentation files (the "Software"), to deal

akquant-0.1.4/Makefile

@@ -0,0 +1,25 @@
+.PHONY: install dev lint format clean test
+
+install:
+	pip install -e .
+
+dev:
+	pip install -r requirements-dev.txt
+	pre-commit install
+
+lint:
+	ruff check .
+	mypy .
+
+format:
+	ruff format .
+
+test:
+	pytest
+
+clean:
+	rm -rf build/
+	rm -rf dist/
+	rm -rf *.egg-info
+	find . -name "*.pyc" -delete
+	find . -name "__pycache__" -delete

akquant-0.1.4/PKG-INFO

@@ -0,0 +1,219 @@
+Metadata-Version: 2.4
+Name: akquant
+Version: 0.1.4
+Classifier: Programming Language :: Rust
+Classifier: Programming Language :: Python :: Implementation :: CPython
+Classifier: Programming Language :: Python :: Implementation :: PyPy
+Classifier: Programming Language :: Python :: 3.10
+Classifier: Programming Language :: Python :: 3.11
+Classifier: Programming Language :: Python :: 3.12
+Classifier: Programming Language :: Python :: 3.13
+Classifier: Programming Language :: Python :: 3.14
+Classifier: License :: OSI Approved :: MIT License
+Requires-Dist: pandas>=3.0.0
+Requires-Dist: numpy>=2.4.1
+Requires-Dist: pyarrow>=14.0.0
+Requires-Dist: ruff>=0.1.0 ; extra == 'dev'
+Requires-Dist: pre-commit>=3.0.0 ; extra == 'dev'
+Requires-Dist: mypy>=1.0.0 ; extra == 'dev'
+Requires-Dist: pytest>=7.0.0 ; extra == 'dev'
+Requires-Dist: mkdocs>=1.5.0 ; extra == 'dev'
+Requires-Dist: mkdocs-material>=9.5.0 ; extra == 'dev'
+Requires-Dist: matplotlib>=3.0.0 ; extra == 'full'
+Requires-Dist: scikit-learn>=1.0.0 ; extra == 'ml'
+Requires-Dist: torch>=2.0.0 ; extra == 'ml'
+Requires-Dist: matplotlib>=3.0.0 ; extra == 'plot'
+Provides-Extra: dev
+Provides-Extra: full
+Provides-Extra: ml
+Provides-Extra: plot
+License-File: LICENSE
+Summary: High-performance quantitative trading framework based on Rust and Python
+Author: Akquant Developers
+Requires-Python: >=3.10
+Description-Content-Type: text/markdown; charset=UTF-8; variant=GFM
+
+<p align="center">
+  <img src="assets/logo.svg" alt="AKQuant" width="400">
+</p>
+
+# AKQuant
+
+**AKQuant** 是一个基于 **Rust** 和 **Python** 构建的高性能量化投研框架。它旨在结合 Rust 的极致性能和 Python 的易用性，为量化交易者提供强大的回测和研究工具。
+
+最新版本参考了 [NautilusTrader](https://github.com/nautechsystems/nautilus_trader) 和 [PyBroker](https://github.com/edtechre/pybroker) 的架构理念，引入了模块化设计、独立的投资组合管理、高级订单类型支持以及便捷的数据加载与缓存机制。
+
+📖 **[设计与开发指南 (DESIGN.md)](DESIGN.md)**: 如果你想深入了解内部架构、学习如何设计此类系统或进行二次开发，请阅读此文档。
+
+## 核心特性
+
+*   **极致性能**: 核心回测引擎采用 Rust 编写，通过 PyO3 提供 Python 接口。
+    *   **基准测试**: 在 200k K线数据的 SMA 策略回测中，AKQuant 耗时仅 **1.31s** (吞吐量 ~152k bars/sec)，相比 Backtrader (26.55s) 和 PyBroker (23.61s) 快约 **20倍**。
+    *   **Zero-Copy Access (New)**: 历史数据 (`ctx.history`) 通过 PyO3 Buffer Protocol / Numpy View 直接映射 Rust 内存，实现零拷贝访问，大幅提升 Python 端指标计算性能。
+*   **模块化架构**:
+    *   **Engine**: 事件驱动的核心撮合引擎，采用二进制堆 (BinaryHeap) 管理事件队列。
+    *   **Clock**: 参考 NautilusTrader 设计的交易时钟，精确管理交易时段 (TradingSession) 和时间流逝。
+    *   **Portfolio**: 独立的投资组合管理，支持实时权益计算。
+    *   **MarketModel**: 可插拔的市场模型，内置 A 股 T+1 和期货 T+0 规则。
+        *   **T+1 严格风控**: 针对股票/基金，严格执行 T+1 可用持仓检查，防止当日买入当日卖出（除非配置为 T+0 市场）。
+        *   **可用持仓管理**: 自动维护 `available_positions`，并扣除未成交的卖单冻结数量，防止超卖。
+*   **事件系统**:
+    *   **Timer**: 支持 `schedule(timestamp, payload)` 注册定时事件，触发 `on_timer` 回调，实现复杂的盘中定时逻辑。
+*   **风控系统 (New)**:
+    *   **独立拦截层**: 内置 `RiskManager`，在 Rust 引擎层直接拦截违规订单。
+    *   **可用持仓检查**: 下单前实时检查可用持仓（Available - Pending Sell），防止超卖违规。
+    *   **灵活配置**: 通过 `RiskConfig` 可配置最大单笔金额、最大持仓比例、黑名单等。
+*   **机器学习 (New)**:
+    *   **Walk-forward Validation**: 内置滚动训练框架，彻底杜绝未来函数。
+    *   **统一适配器**: 提供 `SklearnAdapter` 和 `PyTorchAdapter`，统一 Scikit-learn 和 PyTorch 接口。
+    *   **信号解耦**: 提倡 Signal (预测) 与 Action (执行) 分离的设计模式。
+*   **数据生态**:
+    *   **Streaming CSV (New)**: 支持流式加载超大 CSV 文件 (`DataFeed.from_csv`)，极大降低内存占用。
+    *   **Live Trading (New)**: 支持通过 `DataFeed.create_live()` 创建实时数据源，支持 CTP/Gateway 实时数据推送。
+    *   **Parquet Data Catalog (New)**: 采用 Apache Parquet 格式存储数据，相比 Pickle 读写速度更快，压缩率更高，便于跨语言使用。
+    *   **Pandas 集成**: 支持直接加载 Pandas DataFrame 数据，兼容各类数据源。
+    *   **显式订阅**: 策略通过 `subscribe` 方法明确声明所需数据，引擎自动按需加载。
+*   **多资产支持**:
+    *   **股票 (Stock)**: 默认支持 T+1，买入 100 股一手限制，印花税/过户费。
+    *   **基金 (Fund)**: 支持基金特有费率配置。
+    *   **期货 (Futures)**: 支持 T+0，保证金交易，合约乘数。
+    *   **期权 (Option)**: 支持 Call/Put，行权价，按张收费模式。
+*   **高级订单 (New)**:
+    *   **Stop Orders**: Rust 引擎原生支持止损单触发，提供 StopMarket 和 StopLimit。
+    *   **Target Position**: 内置 `order_target_value` 等辅助函数，自动计算调仓数量。
+*   **架构抽象 (New)**:
+    *   **ExecutionClient**: 抽象执行层，支持 `SimulatedExecutionClient` (内存撮合) 和 `RealtimeExecutionClient` (实盘对接)。
+    *   **DataClient**: 抽象数据层，支持 `SimulatedDataClient` (内存/回放) 和 `RealtimeDataClient` (实时流)。
+    *   **无缝切换**: 策略代码无需修改，仅需通过 `engine.use_realtime_execution()` 和 `DataFeed.create_live()` 即可切换至实盘模式。
+*   **灵活配置**:
+    *   **Typed Config (New)**: 引入 `BacktestConfig`, `StrategyConfig`, `RiskConfig` 类型化配置对象，替代散乱的 `**kwargs`，提供更好的 IDE 提示和参数校验。
+    *   **ExecutionMode**: 支持 `CurrentClose` (信号当根K线收盘成交) 和 `NextOpen` (次日开盘成交) 模式。
+*   **丰富的分析工具**:
+    *   **PerformanceMetrics**:
+        *   **收益**: Total Return, Annualized Return, Alpha.
+        *   **风险**: Max Drawdown, Sharpe Ratio, Sortino Ratio, Ulcer Index, UPI (Ulcer Performance Index).
+        *   **拟合**: Equity R² (线性回归拟合度).
+    *   **TradeAnalyzer**: 包含胜率、盈亏比、最大连续盈亏等详细交易统计，支持未结盈亏 (Unrealized PnL) 计算。
+*   **仿真增强**:
+    *   **滑点模型 (Slippage)**: 支持 Fixed (固定金额) 和 Percent (百分比) 滑点模型，模拟真实交易成本。
+    *   **成交量限制 (Volume Limit)**: 支持按 K 线成交量比例限制单笔撮合数量，并实现分批成交 (Partial Fill)。
+
+## 为什么选择 AKQuant?
+
+传统的 Python 回测框架（如 backtrader）在处理大规模数据或复杂逻辑时往往面临性能瓶颈。纯 C++/Rust 框架虽然性能优越，但开发和调试门槛较高。
+
+**AKQuant** 试图在两者之间找到平衡点：
+
+1.  **性能**: Rust 核心保证了回测速度，特别适合大规模参数优化。
+2.  **易用**: 策略编写完全使用 Python，提供类似 PyBroker 的简洁 API。
+3.  **专业**: 严格遵守中国市场交易规则（T+1、印花税、最低佣金等）。
+
+## 前置要求
+
+- **Rust**: [安装 Rust](https://www.rust-lang.org/tools/install)
+- **Python**: 3.10+
+- **Maturin**: `pip install maturin`
+
+## 安装说明
+
+### 开发模式（推荐）
+
+如果你正在开发该项目并希望更改即时生效：
+
+```bash
+maturin develop
+```
+
+## 快速开始
+
+### 1. 使用 helper 快速回测 (推荐)
+
+`AKQuant` 提供了一个类似 Zipline 的便捷入口 `run_backtest`，可以快速运行策略。
+
+```python
+import akquant
+from akquant.backtest import run_backtest
+from akquant import Strategy
+from akquant.config import BacktestConfig
+
+# 1. 定义策略
+class MyStrategy(Strategy):
+    def on_start(self):
+        # 显式订阅数据
+        self.subscribe("600000")
+
+    def on_bar(self, bar):
+        # 简单的双均线逻辑 (示例)
+        # 实际回测推荐使用 IndicatorSet 进行向量化计算
+        if self.ctx.position.size == 0:
+            self.buy(symbol=bar.symbol, quantity=100)
+        elif bar.close > self.ctx.position.avg_price * 1.1:
+            self.sell(symbol=bar.symbol, quantity=100)
+
+# 2. 配置回测
+config = BacktestConfig(
+    start_date="20230101",
+    end_date="20241231",
+    cash=500_000.0,
+    commission=0.0003
+)
+
+# 3. 运行回测
+# 自动加载数据、设置资金、费率等
+result = run_backtest(
+    strategy=MyStrategy,  # 传递类
+    config=config         # 传递配置对象
+)
+
+# 4. 查看结果
+print(f"Total Return: {result.metrics.total_return_pct:.2f}%")
+print(f"Sharpe Ratio: {result.metrics.sharpe_ratio:.2f}")
+print(f"Max Drawdown: {result.metrics.max_drawdown_pct:.2f}%")
+
+# 4. 获取详细数据 (DataFrame)
+# 绩效指标表
+print(result.metrics_df)
+# 交易记录表
+print(result.trades_df)
+# 每日持仓表
+print(result.daily_positions_df)
+```
+
+### 2. 函数式 API (Zipline 风格)
+
+如果你习惯 Zipline 或 Backtrader 的函数式写法，也可以直接使用：
+
+```python
+from akquant.backtest import run_backtest
+
+def initialize(ctx):
+    ctx.stop_loss_pct = 0.05
+
+def on_bar(ctx, bar):
+    if ctx.position.size == 0:
+        ctx.buy(symbol=bar.symbol, quantity=100)
+    elif bar.close < ctx.position.avg_price * (1 - ctx.stop_loss_pct):
+        ctx.sell(symbol=bar.symbol, quantity=100)
+
+run_backtest(
+    strategy=on_bar,
+    initialize=initialize,
+    symbol="600000",
+    start_date="20230101",
+    end_date="20231231"
+)
+```
+
+更多示例请参考 `examples/` 目录。
+
+## 结果分析
+`run_backtest` 返回的 `BacktestResult` 对象提供了丰富的数据用于后续分析：
+
+*   **`result.metrics`**: 包含 Total Return, Sharpe, Max Drawdown 等核心指标的对象。
+*   **`result.metrics_df`**: 包含上述指标的 Pandas DataFrame (单行)。
+*   **`result.trades_df`**: 包含所有已平仓交易的详细记录 (Entry/Exit Time/Price, PnL, Commission 等)。
+*   **`result.daily_positions_df`**: 包含每日持仓快照的 DataFrame。
+*   **`result.equity_curve`**: 权益曲线数据列表 `[(timestamp, equity), ...]`。
+
+## 快速链接
+