121 lines
4.3 KiB
Markdown
121 lines
4.3 KiB
Markdown
# 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` — A 股长仓执行仿真（成本/滑点/现金约束）+ 逐日成交/拒绝/持仓/NAV 审计；T+1、涨跌停、成交量与价差提供独立约束函数
|
||
- `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）
|
||
- `portfolio_construction` — 多期因子分数 → Top-K → 等权目标权重表
|
||
- `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_multi_day_with_audit, simulate_with_daily_data,
|
||
)
|
||
from quant_engine.backtest import run_weight_backtest
|
||
from quant_engine.portfolio_construction import scores_to_weight_table
|
||
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)
|
||
|
||
# 已正确滞后的目标权重 → 现金约束执行 → 唯一来源的成交/拒绝/日末持仓/NAV
|
||
execution = simulate_multi_day_with_audit(
|
||
target_weights_history=[
|
||
("2024-01-02", {"000001.SZ": 1.0}),
|
||
("2024-01-03", {"000001.SZ": 1.0}),
|
||
],
|
||
price_history=[
|
||
("2024-01-02", {"000001.SZ": 10.0}),
|
||
("2024-01-03", {"000001.SZ": 10.5}),
|
||
],
|
||
initial_cash=1_000_000.0,
|
||
config=ExecutionConfig(),
|
||
)
|
||
print(execution.nav_series)
|
||
print(execution.daily_executions)
|
||
|
||
# 多期因子分数 → Top-K 等权组合 → 稳定回测结果
|
||
rebalance_weights = scores_to_weight_table(
|
||
factor_scores,
|
||
top_k=20,
|
||
gross_exposure=1.0,
|
||
)
|
||
backtest = run_weight_backtest(
|
||
weights=rebalance_weights,
|
||
stock_returns=daily_returns,
|
||
initial_capital=1_000_000.0,
|
||
benchmark_nav=benchmark_nav,
|
||
)
|
||
print(backtest.stats())
|
||
print(backtest.benchmark_report())
|
||
```
|
||
|
||
## 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 ...`。
|