hl-quant 把 Jiayi Weng 的 Heuristic Learning 框架和 Andrej Karpathy 的 auto-research 范式，落到量化交易策略优化这件具体的事上。
它是一个最小化的范例：把量化策略的研究流程，提炼成「一个可编辑的策略 + 一个固定的回测打分器」两件东西，再用启发式学习（Heuristic Learning / 启发式探索）一轮轮把分数推高。
这里保留的是一个通用的最小演示：用简单策略和固定回测器展示 HL 如何组织“提出假设 → 修改策略 → 固定评估 → 接受/拒绝”的优化过程。具体策略、股票池、数据源、交易约束和评分门槛都需要按自己的研究目标重新设计；本仓库不构成投资建议。
┌─────────────────┐ 改它 ┌──────────────────┐
HL → │ strategy.py │ ──────────▶ │ backtest.py │ ──▶ 一个分数
│ 唯一可编辑程序 │ 只读它 │ 固定评估器 │ (score)
└─────────────────┘ └──────────────────┘
strategy.py—— 策略的唯一语义源。启发式学习只允许改这一个文件：提假设、改逻辑、调参数。backtest.py—— 固定的评估口径。拉数据、模拟成交、算指标、输出单一分数。一旦固定就不许动——否则「改了评估器把分数刷上去」，候选之间不再可比。
每个候选策略都用同一条命令、同一段数据、同一个评分公式打分，于是「这版到底有没有更好」变成一个可排序的客观问题。
评分口径采用 Sortino ratio（索提诺比率），把一条策略的下行风险调整后收益压成一个标量：
score = Sortino
Note
范式背后的完整设计见 docs/design/heuristic-exploration-framework.md。
🔑 配置数据凭证
示例回测默认用聚宽 JQData 拉取日线数据，只是为了演示数据接口和固定评估流程；实际项目可以替换成自己的数据源。不要把账号密码写进代码或提交进仓库，用环境变量传入：
export JOINQUANT_ACCOUNT=<你的聚宽账号>
export JOINQUANT_PASSWORD=<你的聚宽密码>📦 安装依赖
按 requirements.txt 安装依赖：
pip install -r requirements.txt▶️ 跑一次回测
cd example
python backtest.py🧭 HL 循环
启发式学习是一个结构化的推理循环——每一轮提一个有经济含义的假设，只改策略文件，用固定评估器打分，严格更好才留：
Probe（跑基线）→ Diagnose（看弱点）→ Propose（提一个有经济含义的假设）
→ Patch（只改 strategy.py）→ Evaluate（固定评估器打分）→ Decide（严格更好才留）
两条硬规矩：
- 只改
strategy.py，评估器 / 数据源 / 评分公式一律不动。 - 严格更好才算数——分数没有严格高于基线的候选，不予保留；窄区间死区式的过拟合（在连续变量上挖 1~2 点宽的坑）一律拒绝。
📈 演示：HL trial ledger
按 skills/hl-quant/SKILL.md 的纪律跑：固定评估器不动，只改 strategy.py，每轮留下证据、判断和决策。
固定命令：
cd example
python backtest.py本轮回测标的为上证指数（000001.XSHG），区间 2025-03-01 ~ 2026-02-28，同期买入持有约 +25.50%。
| HL 步骤 | 证据 | 判断 | 动作 |
|---|---|---|---|
| Probe | 基线 5/10：score 0.7545，总收益 +5.46%，胜率 41.67%，12 笔交易 | 只吃到指数涨幅的一小段，交易多但质量低 | 保持评估器不动，进入诊断 |
| Diagnose | 12 笔交易、胜率低、收益远低于买入持有 | 5/10 均线太灵敏，震荡里频繁翻转、过早离场 | 聚焦“均线灵敏度”这一变量 |
| Propose | 趋势行情里，放慢均线通常能过滤日间噪声 | 把 5/10 放慢到 10/20 有经济含义，不是窄区间挖坑 | 只提出这一处参数变化 |
| Patch | strategy.py 是唯一可编辑程序 |
评估器、数据源、评分公式不动 | SHORT_WINDOW: 5 → 10，LONG_WINDOW: 10 → 20 |
| Evaluate | 10/20：score 2.0615，总收益 +17.33%，胜率 57.14%，7 笔交易 | 分数严格提高，收益、Sharpe、回撤、胜率同步改善 | 候选进入接受检查 |
| Replay | 10/30、20/60 分数更高，但只剩 2 笔 / 1 笔交易 | 样本量过小，像撞上这段行情 | 拒绝追最高分 |
| Decide | 10/20 分数更高且交易笔数仍可接受 | 改进可信度高于 10/30、20/60 | 接受 10/20 |
实际补丁只有两个参数：
SHORT_WINDOW = 10 # 基线 5
LONG_WINDOW = 20 # 基线 10固定评估器重跑输出：
参数 SHORT_WINDOW=10 LONG_WINDOW=20
------------------------------------------------
总收益 : +17.33%
年化收益 : +18.19%
Sharpe : 1.839
Sortino : 2.062
最大回撤 : 6.71%
胜率 : 57.14% (7 笔)
------------------------------------------------
>>> SCORE : 2.0615
候选证据表：
| 候选 | Score / Sortino | 总收益 | Sharpe | 最大回撤 | 胜率 | 交易笔数 | 决策 |
|---|---|---|---|---|---|---|---|
| 5/10 基线 | 0.7545 | +5.46% | 0.698 | 7.10% | 41.67% | 12 | 基线 |
| 10/20 | 2.0615 | +17.33% | 1.839 | 6.71% | 57.14% | 7 | 接受 |
| 10/30 | 2.2579 | +19.24% | 2.017 | 4.94% | 100.00% | 2 | 拒绝：样本太少 |
| 20/60 | 2.0898 | +17.93% | 1.915 | 5.01% | 100.00% | 1 | 拒绝：样本太少 |
上面这套循环已经打包成一个可复用的 Agent Skill，用 npx skills 一键安装到你自己的 agent（Claude Code / Cursor 等）：
npx skills add toddwyl/hl-quant装好后，跟 agent 说「用启发式探索优化这个策略」就会触发它，按 Probe → Diagnose → Propose → Patch → Evaluate → Decide 的纪律帮你迭代——只改策略文件、严格门槛、反过拟合。
hl-quant/
├── README.md
├── requirements.txt # pip 依赖（仓库不附带任何虚拟环境）
├── example/
│ ├── strategy.py # 唯一可编辑程序（HL 改这里）
│ └── backtest.py # 固定评估器（拉示例数据 → 模拟 → 打分）
├── skills/
│ └── hl-quant/SKILL.md # 可 npx 安装的启发式探索 skill
└── docs/
└── design/heuristic-exploration-framework.md # 范式背后的完整设计
面向中文用户的微信交流群（WeChat group for Chinese-speaking users）。扫码加入，一起讨论启发式学习、量化策略与 Agent 工作流：
Note
群二维码会定期更新；若已过期，欢迎在 Issues 留言。
Weng, J. (2026). Learning Beyond Gradients. https://trinkle23897.github.io/learning-beyond-gradients/
Karpathy, A. (2025). auto-research. https://github.com/karpathy/autoresearch