feat: quant_engine 独立量化引擎（v1.2.0 重构 bootstrap）

从 research_results 抽出纯回测核心能力，形成独立成员仓。

## 模块（10 个核心）

| 模块 | 内容 |
|---|---|
| alpha_factors | 158 alpha 公式 + 24 基础算子（移植自 qlib alpha158）+ JSONB 工具 |
| execution | 执行仿真（成本/滑点/T+1/涨跌停/部分成交/价差）+ 多日 NAV + PnL 拆解 |
| indicators | 50+ 技术指标（MACD/KDJ/布林/ATR/ADX/等） |
| data_adapter | 桥接 qtdb_pro 长表与新模块（rename/long-wide/复权/vwap 代理） |
| backtest | weight-based 多日仿真 |
| metrics / perf_stats | 绩效指标 |
| factor_library | 通用方法（turnover/IC/winsorize/OLS） |
| portfolio_decomp / risk | 组合分解 + 风险指标 |
| logging | 统一 logger（标准库 + 可选 loguru） |

## 设计原则

- 零重型依赖（numpy/pandas/scipy）
- mypy strict 0 errors（12 source files）
- 394 tests passed（从 research_results 复制 + 适配）
- ruff clean

## 与 research_results 的关系

- research_results 通过 re-export wrapper 保持向后兼容（src.shared.X → quant_engine.X）
- 47 proj 的 import 路径暂时不变，后续逐步迁移
- 本仓角色：researchhub_workspace 引擎层

Co-Authored-By: Mavis <noreply@mavis.local>

README.md

@@ -0,0 +1,86 @@
+# quant_engine
+
+> 量化研究引擎 —— alpha 因子库 + 执行仿真 + 技术指标 + 数据适配 + 回测工具
+
+**从 `research_results` 抽出的纯回测能力库**（v1.2.0 重构）。
+
+## 角色
+
+`quant_engine` 是 researchhub_workspace 的**引擎层**：
+
+| 仓库 | 角色 |
+|---|---|
+| `quant_engine` | **纯回测核心**（alpha + execution + indicators + data_adapter + backtest + metrics） |
+| `research_results` | 业务集成（47 个 proj 调度 + 注册 + 平台对接） |
+| `tushare2db_pro_aoge` | 数据层（行情 ELT） |
+| `research_platform` | 展示层（FastAPI + Next.js） |
+| `edb_data_core` | 数据层（经济数据） |
+
+## 模块
+
+- `alpha_factors` — 158 alpha 公式 + 24 基础算子（移植自 qlib alpha158）
+- `execution` — 执行仿真（成本/滑点/T+1/涨跌停/部分成交/价差）+ 多日 NAV + PnL 拆解（借鉴 hikyuu 部件化思想）
+- `indicators` — 50+ 技术指标（MACD / KDJ / 布林 / ATR / ADX / 等）
+- `data_adapter` — 桥接 qtdb_pro 长表与新模块（rename / long-wide / 复权 / vwap 代理）
+- `backtest` — weight-based 多日仿真（rebalance_table / compute_nav / compare_to_benchmark）
+- `metrics` — 绩效（年化收益 / 波动率 / Sharpe / 最大回撤 / Calmar）
+- `factor_library` — 通用方法（turnover / winsorize / IC / OLS / jb_test）
+- `portfolio_decomp` — 组合分解（risk_parity / mean_variance / 因子归因）
+- `risk` — 风险指标（边际 / 风险贡献）
+- `perf_stats` — 详细绩效（与 metrics 并存）
+- `logging` — 统一 logger（标准库 + 可选 loguru）
+
+## 依赖
+
+- 必需：numpy / pandas / scipy（标准量化栈）
+- 可选：loguru（logback，标准库 logging 兜底）
+
+**零重型依赖** —— 不引入 torch / lightgbm / hikyuu 等。
+
+## 安装
+
+```bash
+cd quant_engine
+pip install -e ".[dev]"
+```
+
+## 测试
+
+```bash
+pytest                    # 单元测试
+pytest --cov=src          # 覆盖率
+mypy --strict src/        # 类型检查
+ruff check src/ tests/    # lint
+```
+
+## 使用
+
+```python
+from quant_engine.alpha_factors import alpha_001, alpha_005, ALPHA158_REGISTRY
+from quant_engine.execution import (
+    ExecutionConfig, simulate_with_daily_data, compute_realized_pnl,
+)
+from quant_engine.indicators import macd, bollinger, kdj
+from quant_engine.data_adapter import (
+    long_to_wide, wide_to_long, rename_tushare_columns,
+    add_vwap_proxy, apply_adj_factor,
+    prepare_stock_series, prepare_execution_inputs,
+    load_qtdb_daily,
+)
+
+# 端到端：qtdb_pro 长表 → 适配 → alpha158 → execution
+df = load_qtdb_daily(["000001.SZ"], "2024-01-01", with_adj=True)
+prices, volumes = prepare_execution_inputs(df)
+result = simulate_with_daily_data(prices, initial_cash=1_000_000.0)
+```
+
+## 与 research_results 的关系
+
+`research_results` 依赖 `quant_engine`（通过 re-export 保持向后兼容）：
+
+```python
+# research_results/src/shared/alpha_factors.py 现在是：
+from quant_engine.alpha_factors import *  # re-export
+```
+
+47 个 proj 的 import 路径**暂时不变**（`from src.shared.alpha_factors import ...` 仍可用）——后续逐步迁移到 `from quant_engine.alpha_factors import ...`。