Quant System for Stock Analysis：我的 A 股量化研究系统

项目地址

项目仓库：https://github.com/lmx-071028/Quant_System_for_Stock_Analysis.git

Quant_System_for_Stock_Analysis 是我最近整理的一套 A 股量化研究系统。它不是一个简单的“预测明天涨跌”的脚本，而是把数据下载、数据审计、特征构造、离线训练、回测、模型准入、实验管理和实时监控串成一条完整链路。

更准确地说，这个项目当前的定位是 research preview：重点不是证明某个策略已经可以实盘赚钱，而是先把量化研究中最容易混乱的部分工程化。数据要能追踪，模型要能复现，回测要能解释，准入要有理由。

为什么要做这个系统

早期写量化脚本时，最常见的问题不是“模型不够高级”，而是研究流程本身不稳定：这次训练用了哪份数据，标签是怎么构造的，是否有未来函数，回测有没有考虑交易成本，某个模型为什么被使用，实验之间能不能比较。

所以这个项目没有只堆模型，而是先搭了一条可复核的链路：

下载数据 -> manifest 追踪 -> 数据审计 -> 离线训练 -> 模型注册
-> simple / walk-forward 回测 -> per-symbol 指标 -> 模型准入
-> sweep / leaderboard 实验比较 -> monitor 加载 approved 模型

这样做的好处是，后续如果结果不好，不会只停留在“再调一下参数”。我可以继续追问：问题出在数据质量、标签构造、因子表达、交易成本、回测口径、市场状态漂移，还是模型本身没有预测力。

项目整体结构

项目已经从早期单体脚本迁移成包化结构，核心代码都在 quant/ 下：

quant/
├── data/           # 数据源、缓存、manifest、质量检查
├── factors/        # 12D 因子、GARCH、正交化、市场状态
├── models/         # 决策引擎、共形预测、漂移检测、Kelly 仓位、registry
├── backtest/       # broker、portfolio、strategy、engine、metrics、reports
├── xsec/           # 横截面数据集、模型、回测、指标
├── validation/     # 时序 + 截面双重 OOS 验证
├── experiment/     # 实验 ID 与产物管理
├── runtime/        # 实时监控状态管理
├── ui/             # 终端界面
├── cli/            # download/train/backtest/audit/sweep/leaderboard/monitor
├── ai/             # LLM 接入
├── config.py       # 集中配置，支持 TOML 覆盖
└── log.py          # 日志

scripts/            # PowerShell 自动化脚本
configs/            # 配置模板和股票池
tests/              # 单元测试
artifacts/          # 回测、审计、实验报告等运行时产物

根目录下还保留了 core.py、download.py、train_only.py 这类兼容入口，方便从旧版本平滑迁移。

数据层：先保证样本可追踪

量化系统的第一层是数据。项目支持读取股票池、下载 A 股日线行情、标准化字段并写入本地缓存。每次缓存都会进入 manifest.json，里面记录股票代码、数据源、时间范围、行数、文件路径和 checksum。

数据下载之后不会直接进入训练，而是先通过 audit_data 做质量审计，例如：

• 行数是否足够；
• 日期范围是否完整；
• 缺失率是否可接受；
• 成交量是否异常；
• 价格是否有异常跳变；
• 涨跌停、停牌等情况是否被记录；
• 是否生成稳定的 dataset_id。

这一步的意义很朴素：如果不知道模型到底基于哪份数据训练，后面的收益曲线再好看也不可靠。

因子层：用市场状态描述行情

项目没有把原始 OHLCV 直接丢给模型，而是构造了一组更可解释的市场状态因子。核心是 12D 因子向量，覆盖趋势、偏离、量能、流动性、波动、动量分化和价量结构等维度。

其中包括：

• ts：趋势分数；
• ss：拉伸分数；
• vs：量能分数；
• illiq：Amihud 非流动性；
• ivol：特质波动率；
• vol_state：当前波动率相对近期的位置；
• mom_div：短中期动量分化；
• amt_conc：成交额集中度；
• MAX21：近 21 日极端收益；
• smart_money：日内与隔夜收益结构；
• pv_corr：价量相关；
• gk_ratio：Garman-Klass 波动率与收盘波动率的差异。

同时，项目也保留了 MA、MACD、KDJ、RSI、BOLL、ADX 等传统技术指标，主要用于终端展示和辅助观察。

模型层：单票模型与横截面模型

项目里有两条研究路线。

第一条是单票决策引擎。DecisionEngine 会把 12D 因子、QRF 分位预测、保形区间、漂移检测和 Kelly 仓位管理合在一起。它输出的不是一句简单的买卖建议，而是包含市场状态、模型预期、置信区间、仓位上限和风险提示的一组决策信息。

第二条是横截面模型，这也是后续更值得重点推进的方向。单票模型更像“每只股票各自预测自己的未来收益”，横截面模型则是“把所有股票放到同一天比较，给它们排序，然后选择 Top N”。这种路线更贴近选股问题本身。

横截面模块的主要流程是：

多股票历史数据 -> 每日 12D 因子 -> future_return -> 横截面 rank label
-> RandomForestRegressor 训练排序模型 -> Rank IC / top-bottom spread 评估
-> Top N 调仓回测

它的训练指标包括 rank_ic_mean、rank_ic_ir、positive_ic_rate、top_quantile_return、bottom_quantile_return 和 top_bottom_spread。这些指标比单纯看预测误差更适合判断“模型有没有把强弱股票排出来”。

回测层：验证交易行为，而不只是预测误差

项目的回测系统不是只看模型预测准不准，而是把信号放进交易约束里测试。当前已经覆盖：

• 佣金、印花税、滑点；
• 手数约束；
• T+1 交易逻辑；
• 停牌、无法成交等情况；
• simple 和 walk-forward 两种模式；
• 信号消失退出；
• 最大持有期退出；
• 止损退出；
• per-symbol 级别指标；
• 成交记录、净值曲线、Markdown 报告输出。

其中 walk-forward 是比较关键的一环。它把时间切成训练窗口、隔离窗口和测试窗口，模型只允许用过去数据训练，再到后续测试区间交易。这样可以降低未来函数和过拟合带来的虚假繁荣。

横截面回测里还进一步区分了 signal day 和 trade day：信号日在收盘后产生分数，真正成交使用下一个交易日的开盘价。这一点看起来细，但对回测可信度非常重要。

模型准入：不是跑出来就能用

项目里有 model_registry.json 作为模型生命周期记录。模型不会因为“训练完成”就自动进入监控侧，而是要经过准入检查。

准入会结合回测结果、交易次数、Sharpe、最大回撤、per-symbol 表现等指标，给每个模型写入：

approved: true / false
approved_at: 时间戳
approval_reason: 通过或拒绝原因
backtest: 回测摘要

这个设计我很喜欢，因为它让模型管理从“感觉这个不错”变成了“这次为什么可以用、为什么不可以用，都有记录”。

自动化入口

项目提供了 PowerShell 脚本和 Python CLI 两套入口。常用命令如下：

.\scripts\bootstrap.ps1
.\scripts\check_env.ps1

.\scripts\download.ps1 -Universe configs\smoke_universe.txt -Adjust qfq -Bars 300 -Workers 5
.\scripts\audit_data.ps1 -Manifest data_cache\manifest.json -Output artifacts\data_audit\latest.json
.\scripts\train.ps1 -Horizons "5" -Workers 1 -PreferBars 300 -Seed 42
.\scripts\backtest.ps1 -Universe configs\smoke_universe.txt -Start 2025-04-01 -End 2026-04-30 -Limit 5
.\scripts\monitor.ps1

横截面模型则可以使用：

.\scripts\train_xsec.ps1 -Universe configs\hs300_universe.txt -Horizon 5
.\scripts\backtest_xsec.ps1 -Universe configs\hs300_universe.txt -Mode walk_forward -TopN 20

如果要做正式研究，smoke 样本不够，应该切换到更长历史和更大股票池，例如：

HS300 / ZZ500 + 1500 bars + h=5/10/20 + walk-forward + leaderboard

当前状态与下一步

当前项目已经具备完整工程骨架：数据、因子、模型、回测、准入、实验和监控都已经有对应模块，测试也覆盖了不少关键路径。smoke 数据可以用于验证链路是否跑通。

但这并不等于策略已经有效。项目文档里也明确写了：小样本 smoke 回测只能证明代码能运行，不能证明收益有稳定性。下一阶段更应该做的是：

• 用更大股票池和更长 K 线重新验证；
• 继续收紧 walk-forward 会计口径；
• 对横截面模型做全市场基准测试；
• 用 leaderboard 横向比较实验；
• 在确认基础口径可靠后，再考虑 LightGBM、深度模型或更复杂的组合优化。

小结

这个项目对我来说，更像是从“写一个能跑的量化脚本”走向“搭一套可复核的量化研究系统”的过程。

它现在最有价值的地方不在于给出一个神奇预测结果，而在于把量化研究拆成了一个个可以验证、可以回放、可以迭代的环节。后续无论是继续做 A 股选股、因子研究，还是做策略回测框架，这套工程底座都可以继续扩展。

最后再强调一次：本项目仅用于量化研究、工程验证和学习交流，不构成任何投资建议。历史回测不代表未来收益，实盘交易需要自行评估风险。