Quant-Method 量化方法论框架

量化交易的知识框架与方法论体系，包含策略生成器、评估器、信号系统、回测引擎等核心模块

项目定位

定位	内容
知识框架	理论体系、方法论、策略逻辑
实施路径	策略执行脚本、配置模板
研究平台	Streamlit可视化界面（独立项目 quant-platform）

核心模块

quant-method/
├── src/
│   ├── core/           # 核心层：数据模型、配置、策略基类
│   ├── strategy/       # 策略层：生成器、评估器、因子注册
│   │   ├── generator/  # 策略生成器
│   │   │   ├── factor_registry.py    # 因子注册中心
│   │   │   └── rule/                  # 规则策略
│   │   │       ├── template_engine.py    # 策略模板引擎(14种策略)
│   │   │       ├── small_cap.py           # 小市值策略族
│   │   │       ├── market_risk.py         # 大盘风控
│   │   │       └── rebalance.py           # 调仓调度
│   │   └── evaluator/    # 策略评估器
│   │       ├── strategy_evaluator.py      # 多策略对比评估
│   │       └── platform_adapter.py        # 平台适配器(聚宽/米筐/QMT)
│   ├── signals/        # 信号层：技术指标、信号评分、缠论
│   ├── risk/           # 风险层：VaR/CVaR、Greeks、资金管理
│   ├── backtest/       # 回测层：向量化/事件驱动回测
│   ├── analysis/       # 分析层：因子库、绩效归因
│   └── utils/          # 工具层：日志、格式化、验证
├── docs/               # 文档：GS Quant知识体系、平台对比分析
├── configs/            # 配置模板
├── examples/          # 示例代码
└── tests/             # 测试用例

策略体系

策略模板（14种）

类别	策略	说明
趋势跟踪	均线交叉	MA5/MA20金叉死叉
	突破策略	20日高点突破
	MACD策略	MACD信号线交叉
	动量策略	12个月动量
均值回归	均值回归	价格偏离均值
	RSI策略	RSI超买超卖
	布林带策略	布林带突破
小市值	经典小市值	流通市值选股
	稳健小市值	低波动+小市值
	激进小市值	高增长+小市值
	低价小市值	低股价+小市值
	换手小市值	高换手+小市值
量价	量价策略	成交量异常放大

策略分类

from quant_method import TemplateType

# 趋势跟踪类
TemplateType.TREND_MA_CROSS    # 均线交叉
TemplateType.TREND_BREAKOUT    # 突破策略
TemplateType.TREND_MACD        # MACD策略
TemplateType.TREND_MOMENTUM   # 动量策略

# 均值回归类
TemplateType.MEAN_REVERSION    # 均值回归
TemplateType.MEAN_RSI          # RSI策略
TemplateType.MEAN_BOLLINGER   # 布林带策略

# 小市值类
TemplateType.SMALL_CAP_CLASSIC   # 经典小市值
TemplateType.SMALL_CAP_STABLE     # 稳健小市值
TemplateType.SMALL_CAP_AGGRESSIVE # 激进小市值
TemplateType.SMALL_CAP_LOW_PRICE  # 低价小市值
TemplateType.SMALL_CAP_TURNOVER   # 换手小市值

快速开始

1. 安装

pip install quant-method

或从源码安装：

git clone https://github.com/your-org/quant-method.git
cd quant-method
pip install -e .

2. 基本使用

from src.quant_method import (
    QuantitativeAnalyzer,
    StrategyTemplateEngine,
    StrategyEvaluator,
    TemplateType
)

# 创建分析器
analyzer = QuantitativeAnalyzer()

# 分析股票
result = analyzer.analyze('000001.SZ')
print(f"共振评分: {result.resonance.total_score}")

# 生成策略
engine = StrategyTemplateEngine()
config = engine.create_strategy(
    strategy_type=TemplateType.TREND_MA_CROSS,
    stock_pool=['000001.SZ', '600519.SH'],
    start_date='2024-01-01',
    end_date='2024-12-31'
)

# 评估策略
evaluator = StrategyEvaluator()
result = evaluator.evaluate(config)
print(f"年化收益: {result.annual_return:.2%}")

3. 策略对比

from quant_method import StrategyEvaluator, MetricsCalculator

# 多策略对比
strategies = [
    TemplateType.TREND_MA_CROSS,
    TemplateType.MEAN_RSI,
    TemplateType.SMALL_CAP_CLASSIC
]

evaluator = StrategyEvaluator()
comparison = evaluator.compare_strategies(
    strategies=strategies,
    stock_pool=['000001.SZ', '600519.SH'],
    start_date='2024-01-01',
    end_date='2024-12-31'
)

# 雷达图对比
evaluator.plot_radar_chart(comparison)

核心功能

因子注册中心

from quant_method import FactorRegistry, register_factor, compute_factor

# 注册自定义因子
@register_factor('my_factor')
class MyFactor(BaseFactor):
    def compute(self, data: pd.DataFrame) -> pd.Series:
        return data['close'] / data['open'] - 1

# 计算因子
factor_values = compute_factor('MA5', data)

策略模板引擎

from quant_method import StrategyTemplateEngine, TemplateType

engine = StrategyTemplateEngine()

# 创建均线交叉策略
config = engine.create_strategy(
    strategy_type=TemplateType.TREND_MA_CROSS,
    params={
        'fast_ma': 5,
        'slow_ma': 20,
        'position_pct': 0.3
    }
)

大盘风控

from quant_method import MarketRiskController, RiskMode

risk_controller = MarketRiskController(
    mode=RiskMode.HYBRID,
    ma_periods=[20, 60],
    momentum_periods=[20, 60]
)

# 检查是否需要止损
should_stop = risk_controller.should_stop_loss(market_data)

调仓调度

from quant_method import RebalanceScheduler, RebalanceFreq

scheduler = RebalanceScheduler(
    frequency=RebalanceFreq.WEEKLY,
    day_of_week=5,  # 周五
    hour=15
)

# 获取下次调仓日期
next_rebalance = scheduler.get_next_rebalance_date()

平台适配

from quant_method import StrategyExporter, Platform

exporter = StrategyExporter()
exporter.export(
    strategy_config=config,
    platform=Platform.JOINQUANT,
    output_path='strategy.py'
)

理论体系

五维分析框架

1. 技术面：均线、MACD、KDJ、RSI、布林带
2. 基本面：财务指标、估值、业绩
3. 资金面：资金流向、主力动向
4. 形态面：K线形态、缠论
5. 风险面：VaR、CVaR、Greeks

信号共振评分

• 7维度加权评分
• 0-100分制
• 级别标注：强共振/中性/弱信号

策略分类体系

参考 BigQuant 分类：

• 选股策略：因子选股、小市值、价值投资
• 择时策略：均线择时、MACD择时
• 套利策略：配对交易、统计套利

文档

• GS Quant 知识清单
• 量化平台对比分析

依赖

pandas>=1.5.0
numpy>=1.21.0
tushare>=1.3.0
akshare>=1.10.0
scikit-learn>=1.0.0
xgboost>=2.0.0
arch>=7.0.0

License

MIT License

致谢

• GS Quant - Goldman Sachs量化框架
• QUANTAXIS - 架构设计参考
• Tushare - 金融数据接口