JAQS有jaqs.data, jaqs.research, jaqs.trade, jaqs.util几个模块，其中回测、仿真、实盘交易都在交易模块jaqs.trade中实现，本文主要介绍JAQS完成回测所需的各个子模块。
我们把回测拆分为回测实例、策略、仓位管理、交易系统这4个子模块，下面来解释为什么：
首先，任何简单或复杂的策略的运行，都包含决策和执行这两个方面。决策即在什么时候做什么事，比如”当股票价格低于10元时购买200股“，”当两个期货合约价差达到3000元时卖出高价合约买入低价合约“，”每分钟按市价买入1000股股票，直到持仓为8000股“，”当模型预测小于-3时卖出对应标的“。执行即将决策付诸实施，通常需按一定规则来做，比如发送特定数据类型的一串信息，按顺序包含标的代码、订单类型、订单方向、订单价格、订单数量等。交易所规定的通信方式往往比较复杂，也更偏底层，而且不同交易所的规则可能不同，我们不希望在实现策略时费心考虑”我在交易哪个交易所的哪个品种“，”有哪些指令可以使用“这样的问题，因此自然地，我们会把决策和执行分开。分开后，前者称为交易策略，从较抽象的层面实现我们的想法；后者称为交易系统，专门负责把各种各样的决策用交易所接受的方式执行。
现在我们知道需要交易策略和交易系统两个模块，接下来我们继续拆分交易策略。
对于全自动运行的程序化交易策略，持仓管理十分重要，策略需要这些信息辅助决策，交易员也需要这些信息来进行监控。这里所说的持仓管理包括已发出订单的记录、撤销订单的记录、成交记录、仓位更新等，这些信息的更新与管理方式往往是固定的，如当前持仓量总是根据成交回报而更新。因此这些固定的操作也应抽象为一个子模块——持仓管理模块。
策略往往有参数，例如一个用到均线的策略，就需要设置均线的长度（5日、10日等），在运行策略前，需要初始化相关变量并读入这些参数配置。参数值是策略的一部分，但读取参数这个步骤则是固定的。除此之外，还有链接数据库、连接交易系统、按一定顺序启动并初始化各个模块等步骤，都应该从策略中分离出来。我们把这些步骤放置于交易实例模块中。回测时，我们还额外需要取出历史数据，模拟实盘的方式把数据交给策略，并把策略产生的订单模拟撮合，这些流程性的东西同样放在实例模块中。由于实盘与回测在这些流程上有所差异，我们分别实现了回测实例模块与实盘实例模块。
上文提到了交易系统，策略和交易系统间需要一套标准的方式来交互，即一套API；对于回测，需要对订单进行模拟撮合，因而还需要撮合器。
最后，为了满足模块间的相互访问及存储全局变量的需要，
作一总结，完成回测总共需要以下模块：
- 回测实例
BackestInstance - 策略
Strategy - 持仓管理
PortfolioManager - 交易API
TradeApi - 模拟撮合器
Simulator - 运行上下文
Context
下面这段代码来自双均线策略示例。
tapi = BacktestTradeApi() # 交易API
ins = EventBacktestInstance() # 回测实例
ds = RemoteDataService() # 数据API
strat = DoubleMaStrategy() # 策略示例
pm = PortfolioManager() # 持仓管理
# 运行上下文，包含数据API，交易API，策略，持仓管理，回测实例
context = model.Context(data_api=ds, trade_api=tapi,
strategy=strat, pm=pm
instance=ins)
# 策略配置参数字典（为简化代码，未展示所有参数）
props = {
"symbol" : '600519.SH',
"start_date" : 20170101,
"end_date" : 20171104,
"init_balance" : 50000
}
ins.init_from_config(props) # 从配置字典中初始化回测实例
ins.run() # 调用回测实例的run方法，运行回测
ins.save_results(folder_path=result_dir_path) # 调用回测示例的save_results方法，存储回测结果