Selector 回测方案

当前状态：本文档描述的最小链路已经完成第一版落地，对应实现包括：

zelqor.strategy.interfaces.DailyPoolSelector
zelqor.strategy.interfaces.SelectorContext
zelqor.strategy.selector.build_daily_pools
zelqor.api.run_selector_backtest
examples/run_selector_backtest.py
examples/selector_numpy_skeleton.py
examples/selector_polars_skeleton.py
tests/test_selector_pipeline.py

本文档定义 zelqor 下一阶段要实现的最小链路：

selector
daily_pools
backtest

目标不是立即做成完整平台，而是先让策略脚本可以直接 import zelqor，生成每日股票池，再交给当前最小回测执行核心。

1. 目标

当前已经完成：

ClickHouseProvider
MarketDataProvider 接口层
run_precomputed_backtest(...)

现在缺的是：

谁来生成 daily_pools

因此下一阶段的目标是补齐：

selector.select(...)
build_daily_pools(...)
run_selector_backtest(...)

形成一条完整但最小的链路：

selector -> daily_pools -> run_precomputed_backtest

2. 设计原则

这一阶段遵循以下原则：

先支持库模式
不先做策略文件动态加载
不先做 CLI 托管执行
不先做复杂 selector registry
先把最小调用链打通

也就是说，策略脚本可以直接：

from zelqor import ...

然后自己把 selector 和回测执行串起来。

3. 最小职责拆分

3.1 selector

职责：

接收某一个交易日
基于 provider 和参数生成当日股票池
返回股票代码列表

建议最小接口：

class DailyPoolSelector(Protocol):
    def select(self, context: SelectorContext) -> list[str]:
        ...

推荐同时提供一个轻量上下文对象：

@dataclass(slots=True)
class SelectorContext:
    trade_date: str
    provider: MarketDataProvider
    params: dict[str, Any]

3.2 daily_pools builder

职责：

遍历一段交易日
调用 selector
生成标准 daily_pools

建议最小接口：

def build_daily_pools(
    trade_dates: list[str],
    selector: DailyPoolSelector,
    provider: MarketDataProvider,
    params: dict[str, Any] | None = None,
) -> dict[str, list[str]]:
    ...

3.3 selector backtest API

职责：

调用 build_daily_pools(...)
组装 PrecomputedPoolBacktestInput
调用 run_precomputed_backtest(...)

建议最小接口：

def run_selector_backtest(
    *,
    trade_dates: list[str],
    selector: DailyPoolSelector,
    provider: MarketDataProvider,
    initial_cash: float,
    holding_days: int = 1,
    max_positions: int = 10,
    params: dict[str, Any] | None = None,
) -> BacktestResult:
    ...

4. 数据流

最小数据流如下：

调用方准备 provider
调用方准备 trade_dates
selector 针对每个 trade_date 生成股票池
构造 daily_pools
调用 run_precomputed_backtest(...)
得到 BacktestResult

结果上不会新增新的总结果类型，继续复用当前已有的：

BacktestResult

5. 非目标

这一阶段明确不做：

动态加载外部 .py 策略文件
selector 多类型注册系统
selector sandbox
selector 与 CLI 的统一托管
run_backtest(request) 的完整接线
与 Rust 的重新集成

6. 推荐实现顺序

建议按下面顺序推进：

调整 strategy/interfaces.py
实现 build_daily_pools(...)
实现 run_selector_backtest(...)
增加最小 selector 测试
增加 examples/run_selector_backtest.py

7. 最小示例形态

最小 selector 示例可以先很简单，例如：

class DemoSelector:
    def select(self, context: SelectorContext):
        universe = context.get_universe()
        return universe[:2]

然后：

result = run_selector_backtest(
    trade_dates=provider.get_trading_dates("2025-03-24", "2025-03-28"),
    selector=DemoSelector(),
    provider=provider,
    initial_cash=100000,
    holding_days=1,
)

8. 预期产出

完成这一阶段后，zelqor 将具备三层最小能力：

数据读取层
selector 股票池生成层
最小回测执行层

这时库模式就已经基本闭环，可以让策略脚本直接 import 并运行一条完整的研究链路。