Quant Research - 量化策略研究与回测系统

🎯 目标: 建立系统化的A股量化策略研究框架，追求数据驱动、逻辑严谨、风险可控的投资决策

---

📊 策略库

已验证策略

策略名称	类型	夏普比率	年化收益	最大回撤	状态
ETF轮动策略 v4.0	趋势跟踪	0.97	33.83%	-27.90%	✅ 可用
小市值因子策略	多因子	-	-	-	🔄 开发中
可转债双低策略	套利	-	-	-	⏳ 待开发

策略详情

ETF轮动策略 v4.0

• 核心逻辑: 30日动量轮动 + 60日均线过滤 + -8%硬止损
• 标的池: 沪深300/中证500/创业板/科创50 ETF
• 回测周期: 2015-2026年（11年）
• 胜率: 47.9% | 盈亏比: 2.25

查看详细回测报告 →

---

🛠️ 技术栈

• 数据获取: 腾讯财经API（免费稳定）
• 数据处理: pandas, numpy
• 回测框架: 自研轻量级框架
• 可视化: matplotlib
• 缓存系统: 本地pickle缓存

---

🚀 快速开始

安装依赖

pip install pandas numpy matplotlib requests

运行回测

# ETF轮动策略回测
cd strategies
python3 etf_rotation_v4.py

使用数据缓存

from data.data_cache import get_data

# 获取沪深300ETF历史数据
df = get_data('sh510300', '20200101', '20241231')
print(df.head())

---

📁 项目结构

quant-research/
├── strategies/          # 策略代码
│   ├── etf_rotation_v4.py      # ETF轮动策略
│   ├── smallcap_quick_test.py  # 小市值因子
│   └── ...
├── backtests/           # 回测结果
│   ├── etf_rotation_v4.png
│   └── ...
├── data/                # 数据模块
│   ├── data_cache.py    # 数据缓存系统
│   └── ...
├── templates/           # 模板
│   ├── strategy_template.md
│   └── journal_template.md
├── notes/               # 研究笔记
└── README.md

---

📚 研究随笔

基于探索过程中的思考与发现：

• 腾讯财经：被忽视的免费量化数据源
• AKShare：Python开源金融数据接口库深度调研

查看更多随笔 →

---

🎯 投资目标

基于方案A（稳健型）：

• 年化收益: 12-18%
• 夏普比率: >1.5
• 最大回撤: <10%
• 核心理念: 市场中性，不赌方向，赚定价偏差

---

⚠️ 风险提示

1. 回测不等于实盘: 历史数据无法完全预测未来
2. 滑点与成本: 实际交易存在摩擦成本，回测已考虑0.1%双边成本
3. 市场变化: 策略有效性可能随市场环境变化而衰减
4. 过度拟合风险: 参数优化需警惕过拟合

---

🤝 参与贡献

欢迎提交Issue和PR：

• 策略优化建议
• 新策略实现
• Bug修复
• 文档改进

---

📄 开源协议

本项目采用 MIT License 开源协议。

---

🔗 相关链接

• 个人网站: robertquant.github.io
• 研究随笔: robertquant.github.io/blog
• GitHub: github.com/robertquant

---

免责声明: 本项目仅供学习研究使用，不构成投资建议。投资有风险，入市需谨慎。

---

持续探索，迭代优化
Last Updated: 2026-03-24