TL;DR

AKQuant는 AKShare 같은 Python 금융 데이터 생태계와 연결해 전략을 작성하고 실행하는 Rust·Python 혼합 양자 연구·트레이딩 프레임워크입니다. `run_backtest`가 시장 데이터와 `Strategy` 콜백을 받아 주문·포지션·성과를 계산하고, 결과 객체는 Plotly HTML 보고서와 구조화된 노출·귀속·주문 데이터를 제공합니다. TA-Lib 103개 지표, Polars 기반 Alpha101 스타일 인자 계산, Walk-forward Validation, 다중 프로세스 Grid Search, OCO·Bracket 주문을 한 패키지 안에서 사용할 수 있습니다. README의 예시는 설치와 기본 백테스트 진입 장벽이 낮다는 점을 보여주지만, 성과 수치는 특정 예시 전략의 결과이며 실행 속도는 데이터와 전략 구조에 따라 달라집니다.

핵심 포인트

• AKQuant는 Rust 코어와 Python API를 결합한 양자 연구·트레이딩 프레임워크입니다. PyPI 패키지를 설치하면 Rust 환경 없이 바로 사용할 수 있고, AKShare에서 받은 시장 데이터를 `run_backtest`에 넣어 전략을 실행합니다. Python 전략 개발의 유연성과 Rust 기반 실행 효율을 함께 원하는 사용자에게 적합합니다.
• `add_arrays`는 NumPy 버퍼를 Zero-Copy 방식으로 엔진에 빌려주고, `get_history` 같은 전략 측 조회는 안전한 스냅샷 복사본을 반환합니다. 실행 속도는 전략 로직, 데이터 규모, 콜백 빈도, 실행 환경에 따라 달라지므로 모든 백테스트가 동일하게 빨라진다고 보기는 어렵습니다. Python 반복 처리와 데이터 전달 비용이 병목인 연구 환경에서 특히 유용합니다.
• `akquant.talib`는 Python과 Rust 두 백엔드를 제공하며 103개 지표를 지원합니다. Polars 기반 인자 계산 엔진은 `Rank(Ts_Mean(Close, 5))` 같은 Alpha101 스타일 식을 병렬 계산하고 데이터 정렬까지 처리합니다. Walk-forward Validation과 PyTorch·Scikit-learn 연동은 머신러닝 전략의滚动训练과 백테스트를 하나의 흐름으로 묶는 데 초점을 둡니다.
• 주문 흐름과 리스크 제어를 포함하고 OCO·Bracket 주문 도우미로 진입 후 손절·익절 주문을 연결할 수 있습니다. `place_oco`는 한 주문이 체결되면 다른 주문을 자동 취소하고, `place_bracket`은 진입 체결 뒤 양방향 청산 주문과 OCO 결합을 구성합니다. 다중 자산 포트폴리오, 파라미터 Grid Search, 이벤트 스트리밍이 필요한 백테스트에 활용할 수 있습니다.

벤치마크

이미지 분석