Quant-Lab

个人量化研究平台，覆盖数据获取、因子研究、策略回测、风险分析与可视化看板的完整链路。

功能亮点

• 多因子研究：15+ 技术/基本面因子，支持 IC/ICIR 评价与五分位分层回测
• 统计套利：协整检验、OU 过程拟合、Kalman Filter 动态对冲、PCA 篮子套利
• 市场中性：Beta 中性 + 行业中性组合构建
• 基金管理：交易流水记录、持仓动态计算、自选追踪、技术信号扫描
• 可视化看板：10 个 Streamlit 页面，覆盖行情、因子、策略、持仓全链路

快速开始

环境要求：Python 3.11，使用 uv 管理依赖

# 安装依赖
uv sync

# 启动看板
uv run streamlit run dashboard/app.py

# 下载行情数据
uv run python scripts/download_data.py

# 运行测试
uv run pytest

项目结构

Quant-Lab/
├── quant/                    # 核心库
│   ├── data/                 # 数据层（AKShare 适配器 + DuckDB 缓存）
│   ├── factor/               # 因子库（动量/RSI/MACD 等 15+ 因子）
│   ├── strategy/             # 策略（统计套利/市场中性/ML Alpha）
│   ├── backtest/             # 回测引擎
│   ├── risk/                 # 风险指标与归因分析
│   ├── fund/                 # 基金管理（持仓流水/自选追踪）
│   ├── regime/               # 市场状态检测
│   ├── sector/               # 行业轮动
│   └── macro/                # 宏观因子
├── dashboard/                # Streamlit 可视化看板（10 个页面）
├── scripts/                  # 研究脚本与数据下载
├── tests/                    # 单元测试
└── configs/                  # 配置文件（持仓/自选列表）

看板页面

页面	功能
数据管理	行情下载与数据库管理
持仓建议	基于因子的选股信号
市场状态	牛熊/震荡市识别
回测对比	多策略回测结果对比
因子分析	IC/ICIR 分析与五分位分层
参数优化	策略参数网格搜索
行业轮动	申万行业强弱分析
宏观因子	CPI/PMI/M2 与市场关系
因子研究（高级）	因子 IC 衰减、市场环境分解
统计套利	协整/OU/Kalman/PCA 套利研究
我的持仓	基金持仓管理与收益分析

技术栈

• 数据：AKShare、DuckDB、pandas
• 因子/策略：numpy、scikit-learn、statsmodels
• 可视化：Streamlit、Plotly
• 工程：uv、ruff、mypy、pytest

数据说明

本项目使用 AKShare 获取 A 股公开数据，数据存储于本地 DuckDB，不包含付费数据源。

免责声明

本项目仅用于学习和研究目的，不构成任何投资建议。