qmt-inner-backtest

Name: qmt-inner-backtest
Author: dfkai

29installs37forks

How to install qmt-inner-backtest?

dfkai/xtquantai/qmt-inner-backtest

$npx -y skills add dfkai/xtquantai --skill qmt-inner-backtest

Installs into the current project.

Summary

根据策略描述、研报 PDF 或截图，解读因子/选股逻辑，基于 scripts/daily-factors-backtest.py 框架生成 QMT 内置日频因子回测脚本。用户提到 QMT 内置回测、因子选股回测、截面因子、研报复现、handlebar 回测、after_init 预计算信号时使用。

Files · 1

View on GitHub

SKILL.md

1	# QMT 内置因子回测
2
3	## 概述
4
5	基于 `scripts/daily-factors-backtest.py` 生成 QMT 策略编辑器内置回测脚本。
6
7	核心模式：`after_init` 预计算全区间因子与买卖信号 → `handlebar` 按调仓日执行交易。
8
9	母版路径：本 skill 目录下的 `scripts/daily-factors-backtest.py`（相对 SKILL.md 所在目录）
10
11	## 适用场景
12
13	\| 适合 \| 不适合 \|
14	\|------\|--------\|
15	\| 日频截面因子选股（Barra 风格处理） \| Tick/分钟高频 \|
16	\| 固定持仓数 Top-N 等权调仓 \| 期货开平仓（`qmt-future-trade`，规划中） \|
17	\| 研报因子复现、上下影线/价值/动量等 \| 目标持仓型期货实盘（`qmt-live-strategy-template`，规划中） \|
18	\| 申万行业 + 市值中性化 \| 仅要信号推送（`qmt-live-signal-feishu`，规划中） \|
19
20	## 母版架构（必须理解再改）
21
22	```
23	daily-factors-backtest.py
24	├── 文件头 # coding:gbk + 策略说明 docstring
25	├── 因子函数库 ← 【主要替换区】factor_xxx + 中性化/去极值
26	├── init(C) ← 【配置区】回测区间、股票池、资金、因子参数
27	├── after_init(C) ← 【信号区】拉数据 → 算因子 → 过滤 → 生成 g.buy/sell_signals
28	├── handlebar(C) ← 【执行区】调仓日卖出/买入（通常保留）
29	├── 交易执行函数 ← 通常原样保留
30	└── 辅助工具函数 ← 通常原样保留（IPO/ST/涨跌停/财务宽表）
31	```
32
33	### 各段职责
34
35	\| 段 \| 函数/变量 \| 做什么 \|
36	\|----\|-----------\|--------\|
37	\| 全局状态 \| `g = G()` \| 跨函数共享参数、信号矩阵、持仓 \|
38	\| 因子库 \| `factor_ubl(...)` \| 输入 OHLCV/市值等宽表，输出因子 DataFrame（index=日期, columns=股票） \|
39	\| 因子后处理 \| `filter_extreme_mad_df` / `neutralize_by_market_cap` / `neutralize_by_industry_zscore` / `cross_section_zscore` \| Barra 风格流水线，按研报需求保留或删减 \|
40	\| 初始化 \| `init(C)` \| 设 `g.start_date`/`g.end_date`、`g.stock_pool`、`g.max_positions`、`g.rebalance_days` 等；预定义 `g.buy_signals`/`g.sell_signals` 防空矩阵 \|
41	\| 预计算 \| `after_init(C)` \| 一次性拉全区间行情+财务 → 算因子 → IPO/ST/停牌过滤 → 截面排名 → `shift(1)` 生成 T+1 信号 \|
42	\| 执行 \| `handlebar(C)` \| 每 `g.rebalance_days` 个交易日调仓：先卖后买，开盘价成交 \|
43	\| 交易 \| `execute_sell/buy_signals` \| 涨停不买、跌停不卖；科创板 200 股、其余 100 股整数倍 \|
44	\| 辅助 \| `get_ipo_mask` / `get_st_mask` / `get_financial_wide_table` \| 上市满 120 天、ST 区间、财务字段宽表 \|
45
46	### 信号时序（防未来函数）
47
48	```python
49	df_rank = df_factor_filtered.rank(axis=1, ascending=g.rank_ascending)
50	df_is_top_n = df_rank <= g.max_positions
51	g.buy_signals = df_is_top_n.shift(1).fillna(False) # T 日因子 → T+1 日买入
52	g.sell_signals = ~g.buy_signals
53	```
54
55	禁止去掉 `.shift(1)`，除非用户明确要求当日收盘调仓且接受前视偏差。
56
57	## Agent 工作流
58
59	### 1. 解读策略输入
60
61	用户可能提供：文字描述、研报 PDF、截图、已有因子公式。提取并输出策略规格表（生成前给用户确认）：
62
63	```markdown
64	## 策略规格（待确认）
65
66	\| 项 \| 内容 \|
67	\|----\|------\|
68	\| 策略名称 \| \|
69	\| 因子公式 \| 逐行写明计算步骤 \|
70	\| 所需行情字段 \| open/high/low/close/volume/... \|
71	\| 所需财务字段 \| 如 CAPITALSTRUCTURE.free_float_capital \|
72	\| 因子窗口 \| std_period / factor_period 等 \|
73	\| 排序方向 \| ascending=True（值越小越好）或 False \|
74	\| 中性化 \| 市值 OLS / 申万行业 Z-score / 无 \|
75	\| 股票池 \| 如中证1000、沪深300、全 A \|
76	\| 持仓数 \| max_positions \|
77	\| 调仓频率 \| rebalance_days（交易日） \|
78	\| 回测区间 \| start_date ~ end_date \|
79	\| 初始资金 \| initial_capital \|
80	```
81
82	研报/PDF 解读要点：
83	- 区分「因子定义」与「组合构建」（Top 10、5 日调仓等）
84	- 注意「蜡烛上影线」「威廉下影线」等术语对应的 OHLC 公式
85	- 记录去极值方法（MAD 几倍）、中性化顺序
86	- 参数缺省时标注假设，不要静默编造
87
88	截图解读要点：
89	- 对照图中公式、参数表、回测设置截图
90	- 股票池名称必须与 QMT 板块名一致（见下方板块表）
91
92	### 2. 复制母版并替换
93
94	1. 读取 `scripts/daily-factors-backtest.py` 全文作模板
95	2. 输出到用户指定路径，默认 `strategies/<策略名>-backtest/backtest.py`
96	3. 只改必要部分，交易执行与辅助函数原样保留
97
98	必改清单：
99
100	\| 位置 \| 改什么 \|
101	\|------\|--------\|
102	\| 文件头 docstring \| 策略名、研报来源、因子逻辑、参数说明 \|
103	\| `logger` 名称 \| 与策略一致，便于日志过滤 \|
104	\| `factor_xxx()` \| 新因子计算；函数名与 `g.factor_name` 对应 \|
105	\| `init()` \| 回测区间、股票池、资金、因子参数、`rank_ascending` \|
106	\| `after_init()` \| 数据字段获取、调用新因子函数；中性化步骤按研报增删 \|
107	\| `init` 日志文案 \| 策略名称与参数摘要 \|
108
109	通常不改： `handlebar`、`execute_*`、`get_ipo_mask`、`get_st_mask`、涨跌停判断、`get_df_ex`。
110
111	### 3. 因子替换模式
112
113	模式 A — 单因子 Top-N（母版默认）
114
115	```python
116	def factor_xxx(daily_open, daily_high, daily_low, daily_close, daily_market_cap,
117	stock_industry_map=None, **kwargs):
118	# 1. 原始特征
119	# 2. 滚动统计
120	# 3. 去极值 → 市值中性 → 行业中性（可选）
121	# 4. 截面 Z-score（单因子可跳过第 4 步）
122	return factor_df
123	```
124
125	模式 B — 多子因子合成
126
127	每个子因子独立走 MAD + 中性化，最后 `zscore(A) + zscore(B)` 或加权求和。
128
129	模式 C — 无需中性化
130
131	跳过 `neutralize_by_*`，仅 `filter_extreme_mad_df` + `cross_section_zscore`。
132
133	模式 D — 需额外财务因子
134
135	在 `after_init` 用 `get_financial_wide_table(C, g.stock_pool, 'TABLE.field', ...)` 拉宽表，传入 `factor_xxx`。
136
137	常用财务字段示例：
138	- `CAPITALSTRUCTURE.free_float_capital` — 自由流通股本（母版用于市值）
139	- `PERSHAREINDEX.eps` — 每股收益
140	- `ASHAREINCOME.net_profit_incl_min_int_inc` — 净利润
141
142	### 4. 生成后自检
143
144	- [ ] 首行 `# coding:gbk`
145	- [ ] `init` 中预定义 `g.buy_signals` / `g.sell_signals` 空 DataFrame
146	- [ ] `after_init` 行情为空时 `return`，不抛未捕获异常
147	- [ ] 信号含 `.shift(1)`
148	- [ ] `g.start_date` 与 `g.backtest_start_time` 区间一致
149	- [ ] 股票池 `C.get_stock_list_in_sector(...)` 名称在 QMT 中存在
150	- [ ] 因子函数返回值 shape 与 `daily_close` 对齐（index=日期, columns=股票代码）
151	- [ ] `rank_ascending` 与研报「因子越大越好/越小越好」一致
152
153	## 用户必须配置的回测项
154
155	生成脚本后，必须提醒用户在 QMT 中核对以下配置（Agent 不代替用户在 QMT GUI 操作）：
156
157	### A. 脚本内 `init()` 参数
158
159	\| 参数 \| 格式 \| 说明 \|
160	\|------\|------\|------\|
161	\| `g.start_date` / `g.end_date` \| `'YYYYMMDD'` \| `after_init` 拉行情/财务的起止 \|
162	\| `g.backtest_start_time` / `g.backtest_end_time` \| `'YYYY-MM-DD HH:MM:SS'` \| 与上面区间一致 \|
163	\| `g.stock_pool` \| 板块名或代码列表 \| `C.get_stock_list_in_sector("中证1000")` \|
164	\| `g.initial_capital` \| 整数 \| 初始资金 \|
165	\| `g.max_positions` \| 整数 \| 持仓只数 = Top N \|
166	\| `g.cash_usage_ratio` \| 0~1 \| 调仓日可用资金比例，默认 0

People who liked this also viewed

6 picks

Type

qmt-inner-backtest

29installs37forks

View on GitHub

How to install qmt-inner-backtest?

dfkai/xtquantai/qmt-inner-backtest

$npx -y skills add dfkai/xtquantai --skill qmt-inner-backtest

Installs into the current project.

Summary

Files · 1

View on GitHub

SKILL.md

1	# QMT 内置因子回测
2
3	## 概述
4
5	基于 `scripts/daily-factors-backtest.py` 生成 QMT 策略编辑器内置回测脚本。
6
7	核心模式：`after_init` 预计算全区间因子与买卖信号 → `handlebar` 按调仓日执行交易。
8
9	母版路径：本 skill 目录下的 `scripts/daily-factors-backtest.py`（相对 SKILL.md 所在目录）
10
11	## 适用场景
12
13	\| 适合 \| 不适合 \|
14	\|------\|--------\|
15	\| 日频截面因子选股（Barra 风格处理） \| Tick/分钟高频 \|
16	\| 固定持仓数 Top-N 等权调仓 \| 期货开平仓（`qmt-future-trade`，规划中） \|
17	\| 研报因子复现、上下影线/价值/动量等 \| 目标持仓型期货实盘（`qmt-live-strategy-template`，规划中） \|
18	\| 申万行业 + 市值中性化 \| 仅要信号推送（`qmt-live-signal-feishu`，规划中） \|
19
20	## 母版架构（必须理解再改）
21
22	```
23	daily-factors-backtest.py
24	├── 文件头 # coding:gbk + 策略说明 docstring
25	├── 因子函数库 ← 【主要替换区】factor_xxx + 中性化/去极值
26	├── init(C) ← 【配置区】回测区间、股票池、资金、因子参数
27	├── after_init(C) ← 【信号区】拉数据 → 算因子 → 过滤 → 生成 g.buy/sell_signals
28	├── handlebar(C) ← 【执行区】调仓日卖出/买入（通常保留）
29	├── 交易执行函数 ← 通常原样保留
30	└── 辅助工具函数 ← 通常原样保留（IPO/ST/涨跌停/财务宽表）
31	```
32
33	### 各段职责
34
35	\| 段 \| 函数/变量 \| 做什么 \|
36	\|----\|-----------\|--------\|
37	\| 全局状态 \| `g = G()` \| 跨函数共享参数、信号矩阵、持仓 \|
38	\| 因子库 \| `factor_ubl(...)` \| 输入 OHLCV/市值等宽表，输出因子 DataFrame（index=日期, columns=股票） \|
39	\| 因子后处理 \| `filter_extreme_mad_df` / `neutralize_by_market_cap` / `neutralize_by_industry_zscore` / `cross_section_zscore` \| Barra 风格流水线，按研报需求保留或删减 \|
40	\| 初始化 \| `init(C)` \| 设 `g.start_date`/`g.end_date`、`g.stock_pool`、`g.max_positions`、`g.rebalance_days` 等；预定义 `g.buy_signals`/`g.sell_signals` 防空矩阵 \|
41	\| 预计算 \| `after_init(C)` \| 一次性拉全区间行情+财务 → 算因子 → IPO/ST/停牌过滤 → 截面排名 → `shift(1)` 生成 T+1 信号 \|
42	\| 执行 \| `handlebar(C)` \| 每 `g.rebalance_days` 个交易日调仓：先卖后买，开盘价成交 \|
43	\| 交易 \| `execute_sell/buy_signals` \| 涨停不买、跌停不卖；科创板 200 股、其余 100 股整数倍 \|
44	\| 辅助 \| `get_ipo_mask` / `get_st_mask` / `get_financial_wide_table` \| 上市满 120 天、ST 区间、财务字段宽表 \|
45
46	### 信号时序（防未来函数）
47
48	```python
49	df_rank = df_factor_filtered.rank(axis=1, ascending=g.rank_ascending)
50	df_is_top_n = df_rank <= g.max_positions
51	g.buy_signals = df_is_top_n.shift(1).fillna(False) # T 日因子 → T+1 日买入
52	g.sell_signals = ~g.buy_signals
53	```
54
55	禁止去掉 `.shift(1)`，除非用户明确要求当日收盘调仓且接受前视偏差。
56
57	## Agent 工作流
58
59	### 1. 解读策略输入
60
61	用户可能提供：文字描述、研报 PDF、截图、已有因子公式。提取并输出策略规格表（生成前给用户确认）：
62
63	```markdown
64	## 策略规格（待确认）
65
66	\| 项 \| 内容 \|
67	\|----\|------\|
68	\| 策略名称 \| \|
69	\| 因子公式 \| 逐行写明计算步骤 \|
70	\| 所需行情字段 \| open/high/low/close/volume/... \|
71	\| 所需财务字段 \| 如 CAPITALSTRUCTURE.free_float_capital \|
72	\| 因子窗口 \| std_period / factor_period 等 \|
73	\| 排序方向 \| ascending=True（值越小越好）或 False \|
74	\| 中性化 \| 市值 OLS / 申万行业 Z-score / 无 \|
75	\| 股票池 \| 如中证1000、沪深300、全 A \|
76	\| 持仓数 \| max_positions \|
77	\| 调仓频率 \| rebalance_days（交易日） \|
78	\| 回测区间 \| start_date ~ end_date \|
79	\| 初始资金 \| initial_capital \|
80	```
81
82	研报/PDF 解读要点：
83	- 区分「因子定义」与「组合构建」（Top 10、5 日调仓等）
84	- 注意「蜡烛上影线」「威廉下影线」等术语对应的 OHLC 公式
85	- 记录去极值方法（MAD 几倍）、中性化顺序
86	- 参数缺省时标注假设，不要静默编造
87
88	截图解读要点：
89	- 对照图中公式、参数表、回测设置截图
90	- 股票池名称必须与 QMT 板块名一致（见下方板块表）
91
92	### 2. 复制母版并替换
93
94	1. 读取 `scripts/daily-factors-backtest.py` 全文作模板
95	2. 输出到用户指定路径，默认 `strategies/<策略名>-backtest/backtest.py`
96	3. 只改必要部分，交易执行与辅助函数原样保留
97
98	必改清单：
99
100	\| 位置 \| 改什么 \|
101	\|------\|--------\|
102	\| 文件头 docstring \| 策略名、研报来源、因子逻辑、参数说明 \|
103	\| `logger` 名称 \| 与策略一致，便于日志过滤 \|
104	\| `factor_xxx()` \| 新因子计算；函数名与 `g.factor_name` 对应 \|
105	\| `init()` \| 回测区间、股票池、资金、因子参数、`rank_ascending` \|
106	\| `after_init()` \| 数据字段获取、调用新因子函数；中性化步骤按研报增删 \|
107	\| `init` 日志文案 \| 策略名称与参数摘要 \|
108
109	通常不改： `handlebar`、`execute_*`、`get_ipo_mask`、`get_st_mask`、涨跌停判断、`get_df_ex`。
110
111	### 3. 因子替换模式
112
113	模式 A — 单因子 Top-N（母版默认）
114
115	```python
116	def factor_xxx(daily_open, daily_high, daily_low, daily_close, daily_market_cap,
117	stock_industry_map=None, **kwargs):
118	# 1. 原始特征
119	# 2. 滚动统计
120	# 3. 去极值 → 市值中性 → 行业中性（可选）
121	# 4. 截面 Z-score（单因子可跳过第 4 步）
122	return factor_df
123	```
124
125	模式 B — 多子因子合成
126
127	每个子因子独立走 MAD + 中性化，最后 `zscore(A) + zscore(B)` 或加权求和。
128
129	模式 C — 无需中性化
130
131	跳过 `neutralize_by_*`，仅 `filter_extreme_mad_df` + `cross_section_zscore`。
132
133	模式 D — 需额外财务因子
134
135	在 `after_init` 用 `get_financial_wide_table(C, g.stock_pool, 'TABLE.field', ...)` 拉宽表，传入 `factor_xxx`。
136
137	常用财务字段示例：
138	- `CAPITALSTRUCTURE.free_float_capital` — 自由流通股本（母版用于市值）
139	- `PERSHAREINDEX.eps` — 每股收益
140	- `ASHAREINCOME.net_profit_incl_min_int_inc` — 净利润
141
142	### 4. 生成后自检
143
144	- [ ] 首行 `# coding:gbk`
145	- [ ] `init` 中预定义 `g.buy_signals` / `g.sell_signals` 空 DataFrame
146	- [ ] `after_init` 行情为空时 `return`，不抛未捕获异常
147	- [ ] 信号含 `.shift(1)`
148	- [ ] `g.start_date` 与 `g.backtest_start_time` 区间一致
149	- [ ] 股票池 `C.get_stock_list_in_sector(...)` 名称在 QMT 中存在
150	- [ ] 因子函数返回值 shape 与 `daily_close` 对齐（index=日期, columns=股票代码）
151	- [ ] `rank_ascending` 与研报「因子越大越好/越小越好」一致
152
153	## 用户必须配置的回测项
154
155	生成脚本后，必须提醒用户在 QMT 中核对以下配置（Agent 不代替用户在 QMT GUI 操作）：
156
157	### A. 脚本内 `init()` 参数
158
159	\| 参数 \| 格式 \| 说明 \|
160	\|------\|------\|------\|
161	\| `g.start_date` / `g.end_date` \| `'YYYYMMDD'` \| `after_init` 拉行情/财务的起止 \|
162	\| `g.backtest_start_time` / `g.backtest_end_time` \| `'YYYY-MM-DD HH:MM:SS'` \| 与上面区间一致 \|
163	\| `g.stock_pool` \| 板块名或代码列表 \| `C.get_stock_list_in_sector("中证1000")` \|
164	\| `g.initial_capital` \| 整数 \| 初始资金 \|
165	\| `g.max_positions` \| 整数 \| 持仓只数 = Top N \|
166	\| `g.cash_usage_ratio` \| 0~1 \| 调仓日可用资金比例，默认 0

People who liked this also viewed

6 picks

Type