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、交易日划分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;不带时区的时间按
timezone参数本地化。 - 显示层显式转换:结构化时间字段默认保持 UTC;只有在策略辅助方法或你自己的显示逻辑里,才会按配置的
timezone转换为本地时间。 - 时区决定交易时段:
timezone同时决定交易日划分、日终结算时刻与默认时段表(见第 3 节)。
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 按 run_backtest(timezone=...) 指定的时区本地化(未传时为 Asia/Shanghai)。
- 如果是 A 股数据:直接传入即可,无需额外操作。
- 如果是美股/加密货币等其他时区数据:传入对应的
timezone(如timezone="US/Eastern"),或先手动转换为带时区的时间(Aware Datetime)。
示例:构造 A 股 1 分钟线数据 (北京时间)
import pandas as pd
# 生成无时区的时间序列(按 timezone 解释,默认北京时间)
# 例如:2024-01-02 09:31:00(周二,交易日)
rng = pd.date_range(
start="2024-01-02 09:31",
end="2024-01-02 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,加载时按 timezone(默认 Asia/Shanghai)解释
分钟线的时间戳是 bar 的区间终点:09:31 这根 bar 覆盖 (09:30, 09:31]。
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,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="2024-01-02 09:31",
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¶
日线有两种写法:
- 只有日期(本地 0 点):推荐写法。引擎自动把它改写到该交易日的收盘时刻(A 股为 15:00),bar 区间覆盖整个交易日,无需传
freq。日期里含非交易日时告警一次,该行会归入下一交易日。 - 固定非 0 点时刻(如 15:00):应传
freq="1d"。不传时引擎不知道这是日线,按“时间戳前 1ns”判时段——15:00 即 14:59:59.999…,这根 bar 被判为收盘集合竞价时段(ctx.session、is_market_open()随之变化),并告警一次。默认撮合(下一根 bar 成交)下,成交时点与传freq时相同,但按收盘集合竞价撮合:市价单按这根 bar 的收盘价成交,传freq时按开盘价。
import pandas as pd
# 写法一:只有日期,自动改写到交易日 15:00 收盘
daily_index = pd.bdate_range("2024-01-02", periods=5)
# 写法二:打在 15:00 的日线,须配合 run_backtest(..., freq="1d")
daily_index_1500 = daily_index + pd.Timedelta(hours=15)
日线与分钟线混合回测时,日线标签就是收盘时刻,不早于当日最后一根分钟线,逻辑顺序自然正确。
3. 回测配置¶
在 run_backtest 中通过 timezone 参数指定回测时区(默认 Asia/Shanghai)。
此参数用于:
- 本地化不带时区的输入数据,以及
start_time/end_time等 naive 时间边界。 - 划分交易日、计算日终结算时刻,选默认时段表(见下表)。
- 策略中的
self.now、self.to_local_time(...)、self.format_time(...)等本地化时间辅助方法,以及定时器(Timer)的本地触发时刻。 - 绩效统计中的“按日”聚合口径,例如
daily_returns、波动率、Sharpe / Sortino / VaR / CVaR 等,按交易日统计(夜盘归下一交易日)。
from akquant.backtest import run_backtest
results = run_backtest(
data=data_feed,
strategy=MyStrategy,
timezone="Asia/Shanghai",
# ...
)
时区与默认时段表¶
timezone |
未传 sessions 时的默认时段表 |
未传 trading_calendar 时的交易日 |
|---|---|---|
中国时区(Asia/Shanghai 等) |
按资产类型:股票/基金 CN_STOCK、期货 CN_FUTURES_DAY、期权 CN_OPTION,其他资产 ALWAYS_OPEN |
内置交易所日历:节假日不算交易日;超出覆盖范围的日期按工作日推算(回测以数据为准) |
其他时区(如 US/Eastern、UTC) |
ALWAYS_OPEN(全天连续竞价) |
每天都算交易日 |
非中国市场需要真实交易时段时,用 sessions= 传自定义时段表(写法见 API 参考)。
交易日历 trading_calendar¶
run_backtest、run_live 都接受 trading_calendar=(交易日列表,date / 字符串 / Timestamp),一般不用传。不传时:中国时区用内置的交易所日历(沪深及期货交易所的休市安排,随版本更新,覆盖范围见 SessionResolver.builtin_calendar_range()),节假日不算交易日;回测还会把数据里出现过行情的日期并入交易日。超出内置日历范围的日期、以及非中国时区的自定义时段表,回测以数据为准(所有标的都没有行情的工作日不算交易日),实盘按工作日推算并告警一次。ALWAYS_OPEN 每天都算。实盘不传 trading_calendar= 时用内置交易所日历,节假日不开日、不结算;内置日历随版本更新,启动时若 30 天内到期(或已过期)会告警一次,届时请升级 AKQuant 或传入 trading_calendar=。非中国时区的自定义时段表没有内置日历,长期运行必须传,否则按工作日推算、节假日照常开日结算(启动时告警一次)。
实盘时区¶
run_live(timezone=...) 与 run_backtest(timezone=...) 同义,默认 Asia/Shanghai,须与交易所时区一致。接中国市场时保持默认,不要改成本机或服务器所在时区,否则交易日、日终结算与 Day 单过期会按该时区划分,与交易所实际不符。
关于日志与结构化时间字段¶
时间语义重构后,AKQuant 的结构化日志统一采用:
event_time: UTC 纳秒时间戳event_time_iso: UTC ISO 8601 字符串
这意味着:
- 结构化日志和 JSON 输出不会再默认回写为本地时区字符串
- 如果你需要“北京时间”或“策略时区”的可读日志,请在消息文本里显式调用
self.format_time(...) bar.timestamp_iso/tick.timestamp_iso/trade.timestamp_iso/order.created_at_iso也都是 UTC ISO 8601,而不是本地时间
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,为 bar 的区间终点。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。判断是否处于连续竞价、当前属于哪个交易日,优先用 self.is_market_open()、self.session_of(symbol) 与 self.trading_day(见策略指南)。
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 event_time_iso 或 bar.timestamp_iso 里看到的是 01:31 而不是 09:31?
A: 因为这些字段现在统一表示 UTC 时间。北京时间 09:31 对应 UTC 01:31。若你需要按策略时区展示,请使用 self.format_time(bar.timestamp) 或 self.to_local_time(bar.timestamp)。
Q: 我回测美股,为什么数据时间不对?
A: 不带时区的数据按 timezone 本地化。请传 timezone="US/Eastern",或在传入数据前使用 .tz_localize("US/Eastern") 处理数据索引。注意非中国时区默认全天连续(ALWAYS_OPEN),需要真实交易时段时请传 sessions=。
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。如果你需要持仓均价,请改用 self.position.entry_price 或 self.ctx.get_position_entry_price(symbol)。
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,时间戳一律是 bar 的区间终点。
- 09:31 -> 处理 (09:30, 09:31] 的分钟 Bar
- ...
- 15:00 -> 处理 (14:59, 15:00] 的分钟 Bar
- 15:00 -> 处理日线 Bar(日线标签为交易日收盘时刻)
只有日期的日线会自动改写到收盘时刻;打在固定时刻的日线请传 freq="1d"。