时区处理指南 (Timezone Handling Guide)¶

AKQuant 是一个支持多市场、多品种的回测框架。为了保证时间序列的精确对齐，框架内部核心统一使用 UTC 时间戳（纳秒）。但在处理特定市场（如中国 A 股）时，正确的时区设置对于数据对齐和日志阅读至关重要。

本文档将指导你如何正确处理数据时区、回测配置以及策略中的时间转换。

1. 核心原则¶

内部统一 UTC：引擎底层 (Rust) 和 Python 层的交互全部基于 UTC 时间戳。
输入自动转换：用户传入的 DataFrame 数据，AKQuant 会将其转换为 UTC 存储。
输出本地化：回测结果和日志展示时，会尝试转换回用户配置的 timezone（默认为 Asia/Shanghai）。

2. 数据准备与时区¶

在准备回测数据（DataFrame）时，你有两种选择：

方式 A：使用无时区时间（Naive Datetime）¶

如果你的数据没有时区信息（tz-naive），AKQuant 默认将其视为 Asia/Shanghai (北京时间)。

如果是 A 股数据：直接传入即可，无需额外操作。即使你在 run_backtest 中设置了其他时区，Naive 数据在加载时仍会被默认为北京时间，因此请务必小心。
如果是美股/加密货币等其他时区数据：必须先手动转换为带时区的时间（Aware Datetime），否则会被错误地视为北京时间。

示例：构造 A 股 1 分钟线数据 (默认北京时间)

import pandas as pd
from datetime import timedelta

# 生成无时区的时间序列（默认为北京时间）
# 例如：2023-01-01 09:31:00
rng = pd.date_range(
    start="2023-01-01 09:31",
    end="2023-01-01 11:30",
    freq="1min"
)

# 创建 DataFrame
# 索引必须是 datetime 类型
df = pd.DataFrame({
    "open": 10.0, "high": 11.0, "low": 9.0, "close": 10.5, "volume": 1000
}, index=rng)

# 此时 df.index.tz 是 None，加载时会被视为 Asia/Shanghai

方式 B：使用带时区时间（Aware Datetime） - 推荐（非 A 股）¶

对于非北京时间的数据（如美股、外汇），或者为了避免歧义，强烈建议显式指定时区。AKQuant 会识别时区信息并正确转换为 UTC。

# 美股数据示例 (US/Eastern)
rng = pd.date_range(
    start="2023-01-01 09:30",
    periods=100,
    freq="1min",
    tz="US/Eastern"  # 显式指定时区
)

# 或者对现有 naive 数据进行本地化
df.index = df.index.tz_localize("US/Eastern")

重要：日线数据的时间戳设置¶

对于日线数据（1D），为了与分钟线数据（1m）在回测中正确对齐（避免未来函数），强烈建议将日线时间戳设置为当天的收盘时间（A 股为 15:00）。

如果设置为 00:00，可能会导致日线数据在当天的分钟线之前就“出现”，或者在对齐时产生混淆。
设置为 15:00 可以确保日线 Bar 在当天的交易结束后才完成。

# 日线数据索引示例
ts_daily = pd.Timestamp("2023-01-01 15:00:00")  # 北京时间 15:00

3. 回测配置¶

在 run_backtest 或 BacktestEngine 初始化时，通过 timezone 参数指定回测的默认时区。

注意：此参数主要用于：

策略中的 self.now 和日志输出的时区显示。
对齐定时器（Timer）的触发时间。
不影响 Naive 数据的加载默认值（Naive 数据始终默认为 Shanghai）。

from akquant.backtest import run_backtest

results = run_backtest(
    data=data_feed,
    strategy=MyStrategy,
    timezone="Asia/Shanghai",  # 指定策略运行和日志显示的时区
    # ...
)

4. 策略中的时间处理¶

在策略的 on_bar 回调中，bar.timestamp 是一个整数（int64），表示 UTC 纳秒时间戳。如果你需要在日志中打印当前时间，或者根据时间做逻辑判断（如：只在下午交易），需要将其转换为本地时间。

方式 1：使用 Strategy 辅助方法（推荐）¶

AKQuant 在 Strategy 基类中提供了便捷的辅助方法，自动使用回测配置的时区进行转换。

class MyStrategy(Strategy):
    def on_bar(self, bar: Bar):
        # 1. 获取本地时间对象 (pd.Timestamp)
        ts = self.to_local_time(bar.timestamp)

        # 2. 直接获取格式化字符串 (默认 "%Y-%m-%d %H:%M:%S")
        ts_str = self.format_time(bar.timestamp)
        self.log(f"Current time: {ts_str}")

        # 3. 获取当前策略时间 (now)
        # 自动根据当前处理的 bar/tick 返回本地时间
        if self.now:
             print(f"Now: {self.now}")

方式 2：手动转换（底层原理）¶

如果你需要更底层的控制，可以手动进行转换：

import pandas as pd
from akquant.strategy import Strategy
from akquant.akquant import Bar

class MyStrategy(Strategy):
    def on_bar(self, bar: Bar):
        # 1. 将 UTC 纳秒时间戳转换为 UTC datetime
        ts_utc = pd.to_datetime(bar.timestamp, unit="ns", utc=True)

        # 2. 转换为北京时间 (或其他目标时区)
        ts_bj = ts_utc.tz_convert("Asia/Shanghai")

        # ...

5. 常见问题 (FAQ)¶

Q: 为什么我在日志里看到的时间是 01:31 而不是 09:31？ A: 这是因为直接打印 bar.timestamp 转换出来的默认可能是 UTC 时间（北京时间 09:31 对应 UTC 01:31）。推荐使用 self.format_time(bar.timestamp) 或 self.to_local_time(bar.timestamp) 来获取配置时区后的时间。

Q: 我回测美股，设置了 timezone="US/Eastern"，为什么数据时间还是不对？ A: 请检查你的输入数据是否是 Naive Datetime（无时区）。如果是 Naive 的，AKQuant 会默认当作北京时间处理，导致转换到 UTC 时出错。请在传入数据前使用 .tz_localize("US/Eastern") 处理数据索引。

Q: AttributeError: 'float' object has no attribute 'quantity' 是什么？ A: 这通常是在访问持仓时发生的错误。self.ctx.get_position(symbol) 返回的是持仓数量（float），而不是一个对象。请直接使用返回值作为数量。

Q: 混合频率回测时，日线和分钟线怎么对齐？ A: AKQuant 是事件驱动的，按时间戳顺序处理 Bar。

09:31 -> 处理分钟 Bar
...
15:00 -> 处理分钟 Bar
15:00 -> 处理日线 Bar (假设日线时间戳设为 15:00) 确保日线的时间戳 >= 当天最后一根分钟线的时间戳，即可保证逻辑顺序正确。