專案概述
LazyBacktest 是一個全端 Web 應用，用於回測台股（TWSE）交易策略。React 前端讓用戶選擇股票代號、日期範圍、策略和參數，並以資產曲線、年/月報酬率熱力圖和 9 項關鍵指標（CAGR、最大回撤、Sharpe、Sortino 等）視覺化結果。FastAPI 後端獲取歷史價格資料（本地 DB 快取 → yfinance → CSV 備援），執行回測，並支援以 Sharpe Ratio 排序的網格搜尋參數最佳化。
技術挑戰與解決方案
策略抽象設計
各策略（SMA、RSI、MACD、KD、布林帶、價格突破）的信號邏輯不同，但回測引擎需要統一的介面。
解決方案：
設計帶有抽象 generate_signals() 方法的 Strategy 基類，各策略分別實作。回測引擎統一呼叫 generate_signals()，並套用倉位大小和資金管理，讓新增策略非常直觀。
網格搜尋參數最佳化
透過手動試誤找到最佳參數組合（如 SMA 快/慢週期）既繁瑣又不可靠。
解決方案：
實作網格搜尋引擎，對用戶定義範圍內的所有參數組合進行窮舉測試，每種組合執行完整回測，並以 Sharpe Ratio 排序結果。前端顯示前 N 個組合供比較。
歷史資料可靠性
yfinance API 呼叫可能失敗或返回不完整資料，尤其是已下市的台股代號。
解決方案：
實作三層資料來源策略：先查詢本地 PostgreSQL 快取，快取未命中時備援至 yfinance，對已知 API 問題的代號最終備援至本地 CSV 檔案。結果回寫快取以加速未來查詢。
系統架構
前端：React 18 + TypeScript + Vite + TailwindCSS + Recharts，Docker + Nginx 部署。後端：Python 3.11+ + FastAPI + SQLAlchemy（ORM）+ Alembic 遷移 + Pandas/NumPy 計算 + yfinance 市場資料 + PostgreSQL（正式）/ SQLite（測試）+ Redis 快取。一鍵啟動：docker-compose up --build。
學習與心得
建立 LazyBacktest 深化了我的量化金融知識和 Python 資料處理技能。設計帶有解耦進出場邏輯的策略抽象層，讓新增策略變得直觀。使用 pytest TDD 和嚴格的 Mypy 型別檢查早期發現邊緣案例，讓金融計算邏輯更可靠。
技術棧
前端
React 18TypeScriptViteTailwindCSS
資料視覺化
Recharts
後端
Python 3.11+FastAPISQLAlchemyAlembic
資料分析
PandasNumPy
金融資料
yfinance
資料庫
PostgreSQLRedisSQLite (test)
部署
Docker ComposeNginx