多策略 A 股量化研究 + 每日模拟交易分发系统。
11 个策略 · CSI 500/800 · 2019-2026 · 实验可积累的研究工作台 + 每日邮件/微信报告。
core/ 共享层 — 配置、数据抓取、策略库（注册中心）、回测引擎
dispatch/ 分发系统 — 每日模拟、邮件、微信、Web 服务
├── kernel/ 执行内核（纯 Python）：sim_engine（成本模型参数化）、
│ runner（RunSpec→RunResult 统一接口）、
│ model_store（ML 模型持久化，二次运行秒过）、
│ data/signal 服务
├── research/ 研究层：实验存储（research.db）、完整指标套件（36 项）
├── services/ 生产服务（兼容层，逐步向 kernel 迁移）
├── state/ trades.db（生产战绩）+ research.db（实验库，物理隔离）
└── web/ Flask 一站式服务（ui/ 布局层 + 蓝图）
research/ 历史研究系统 — 全历史回测脚本、评估、报告、文档
execution/ 实盘接入层（vnpy / xtquant，预留）
scripts/ 运维工具（A/B 回测、数据清理）
tests/ 测试
git clone https://github.com/feng653/quant-lab.git
cd quant-lab
pip install -r requirements.txt
cp .env.example .env # 填写 QQ 邮箱 / DEEPSEEK_API_KEY / WECOM_WEBHOOK_URL
# ── 一站式 Web 服务（仪表盘 + 调度器，推荐）──
python dispatch/web/app.py # → http://localhost:8600
# ── 或手动跑每日 pipeline ──
python dispatch/run_daily.py # 更新数据 → 模拟 → 双邮件 + 企业微信
# ── 历史研究系统 ──
python research/run_backtest.py # 全历史回测（全策略 × 双股票池）
python scripts/gbr_validation.py # AM GBR 验证报告每个回测结果自动落库（dispatch/state/research.db），可查询、可排序、可对比、可复现：
| 页面 | 作用 |
|---|---|
/research |
实验发射台：策略 × 窗口 × 股票池 × 模式，一键发射 |
/research/runs |
实验排行榜：36 项指标可排序，按策略/标签/池筛选 |
/research/run/<id> |
单实验深潜：净值+回撤带图、全指标卡、成交明细、数据/代码版本 |
/research/compare?runs=a,b |
头对头：指标差异表 + 归一化净值叠加 |
每个实验记录 data_version（数据指纹）、code_version（git HEAD）、
params_hash（生效参数全集 MD5），结果永远可追溯可复现。
从**固定起点（2026-05-25）**开始模拟，每个策略独立运行 100 万元账户，
两种仓位模式（等权 vs 波动率自适应），全部成交逐笔记录于
dispatch/state/trades.db（与研究实验库物理隔离）。
- 一站式 Web 服务（QuantWeb 登录自启，端口 8600）：托管仪表盘和 APScheduler，每日 15:35 自动跑 pipeline（数据更新 → walk-forward 信号 → 重模拟 → 推荐邮件 + 表现邮件 + 企业微信推送）
- 策略注册中心：策略放在
core/strategies/用@register_strategy装饰器自动发现；Web 管理页可开关启停、调参数、获取 AI 推荐参数（DeepSeek） - Web 页面：主页（最新报告）/ 总览 / 策略管理 / 研究工作台 / 实验室 （数据、一键训练、一键回测）/ AI 助手 / 成交记录 / 对比 / 报告归档 / 任务 / 调度
- 11 个策略：4 技术 + 2 组合（pairs 已停用——A 股无法做空）+ 4 ML walk-forward + AM GBR（迁移自 AlphaMaster，已验证： 宣称 Sharpe 3.12 被证伪，真实 alpha 在月频调仓）
- 安装企业微信 App，注册个人团队（任意名称，无需认证）
- 建群 → 群设置 → 群机器人 → 添加 → 复制 webhook 地址
- 写入
.env：WECOM_WEBHOOK_URL=https://qyapi.weixin.qq.com/...
消息只经过腾讯服务器，无第三方中转（不同于 PushPlus）。
| 排名 | 策略 | 股票池 | 年化% | Sharpe | 最大回撤 | 来源 |
|---|---|---|---|---|---|---|
| 1 | MA Cross | CSI 800 | +33.4 | 0.97 | -24.7% | ★10.4k |
| 2 | MACD Sig. | CSI 800 | +16.0 | 0.85 | -11.2% | ★10.4k |
| 3 | MACD Sig. | CSI 500 | +20.8 | 0.81 | -23.6% | ★10.4k |
| 4 | MA Cross | CSI 500 | +19.0 | 0.61 | -31.0% | ★10.4k |
| 5 | Bollinger | CSI 500 | +8.3 | 0.49 | -18.6% | ★10.4k |
| 6 | Bollinger | CSI 800 | +5.8 | 0.35 | -15.3% | ★10.4k |
| 7 | Risk Parity | CSI 500 | +5.3 | 0.24 | -10.5% | ★4.8k |
| 策略 | 类别 | 来源 | Stars | 文档 |
|---|---|---|---|---|
| MACD Signal | technical | je-suis-tm/quant-trading | 10.4k | → |
| MA Cross | technical | je-suis-tm/quant-trading | 10.4k | → |
| Bollinger | technical | je-suis-tm/quant-trading | 10.4k | → |
| RSI Reversal | technical | je-suis-tm/quant-trading | 10.4k | → |
| Alpha158+LGB | factor | microsoft/qlib | 46.6k | → |
| Alpha158+XGB | factor | microsoft/qlib | 46.6k | → |
| LSTM Rank | ml | microsoft/qlib | 46.6k | → |
| Pairs Trading | portfolio | je-suis-tm/quant-trading | 10.4k | → |
| Risk Parity | portfolio | PyPortfolioOpt | 4.8k | → |
- 实验可积累：回测结果持久化 research.db，跨次对比、排序、复现。支持批量调参（RunSpec.params 覆盖注册默认值 + params_hash 落库）
- 模型缓存：ML 训练产物落盘，同参数二次运行跳过重训（LSTM 从约 40 秒降到秒级）
- 生产/实验隔离：信号缓存 + 模型存储按 scope=（prod|research）物理分区，实验永不影响生产
- 完整指标：36 项（Sortino/Calmar/IR/Alpha/Beta/回撤时长/VaR/换手/成本拖累等）
- 成本模型参数化：佣金/印花税/滑点可调，支持成本敏感性分析
- 2 个股票池：CSI 500（427 只）+ CSI 800（687 只）
- 7 年完整数据：2019-2026，每日自动增量更新
- 真实每日模拟：11 策略 × 2 仓位模式，逐笔成交 SQLite 记录
- Walk-forward ML：LGB/XGB/LSTM/Transformer 月度重训，无前视
- 基准与成本感知：CSI 500 买入持有基准，佣金/印花税/滑点分项
- 市场环境分类：牛/熊/震荡/高波动识别 + 适配策略映射
- AI 评论：DeepSeek 生成每日市场点评（可选）
- 多渠道：QQ 邮件 + 企业微信 + 本地 Web 仪表盘
- A 股规则：T+1、印花税、100 股整手
- 幸存者偏差：akshare 只提供当前指数成分股，历史回测使用当前成分 （P3 计划修复）；每个实验结论需带着这个前提阅读
- 前复权价格以最新交易日为锚，公司行为可能导致历史行轻微漂移（已接受的折衷）
| 文档 | 内容 |
|---|---|
| CYCLE.md | 每次迭代必做清单（开发流程） |
| QUICKSTART.md | 安装与使用指南 |
| TODO.md | 功能规划与已完成记录 |
| research/docs/ARCHITECTURE.md | 架构与数据流 |
| research/docs/PERFORMANCE_ANALYSIS.md | 绩效分析 + A/B 仓位 |
| research/docs/strategies/ | 10 篇策略分文档 |
MIT