🎯 今日核心问题
- 七天的成果能不能串成"一条命令 → 任意标的净值曲线"?
- 这套基础设施够不够支撑后面七周的因子研究?缺口在哪?
📖 精读提纲
【一】本周回顾
这一周没有写任何策略,但决定了后面七周的上限。核心是把"数据→信号→回测→报告"三层地基做实,每一层都有可验证的产出,而不是一堆散落在 notebook 里的临时脚本。
| 天 | 主题 | 核心结论 | 产出文件 |
|---|---|---|---|
| D1 | 数据源选型 | akshare起步,tushare对账,坑在口径不在有无 | data_audit.py |
| D2 | 全A股日线 | 研究用后复权,展示用前复权,涨跌停用不复权 | daily/*.parquet |
| D3 | 数据清洗 | 退市/ST/新股三处幸存者偏差最贵 | cleaning.py |
| D4 | 数据管道 | 水位线来自本地末行;绝不缓存前复权 | pipeline.py |
| D5 | 回测框架 | 权重必须shift(1);夏普分母×√252 | backtest.py |
| D6 | 框架验证 | 沪深300买入持有误差须<0.5%,分段测试 | tests/test_backtest.py |
| D7 | 串联验收 | 一条命令产出任意标的净值曲线 | run.py |
💻 代码示例
# ------------------------------------------------
# 本周关键代码汇总 — run.py
# 一条命令:更新数据 -> 清洗 -> 回测 -> 输出净值曲线
# ------------------------------------------------
import os
import pandas as pd
import matplotlib.pyplot as plt
import akshare as ak
from pipeline import run_incremental, validate
from cleaning import clean_one
from backtest import Backtest, perf_stats
BASE = os.path.expanduser("~/quant/data")
# 1) 数据更新(D4)
uni = ak.stock_info_a_code_name()
uni.columns = ["code", "name"]
uni["code"] = uni["code"].astype(str).str.zfill(6)
uni = uni[~uni["code"].str.startswith(("200", "900", "8", "4"))]
run_incremental(uni)
report = validate(uni)
assert report["status"] == "OK", f"数据校验失败: {report}"
# 2) 取后复权价(D2:研究口径)
def get_px(code, start="20190101"):
d = ak.stock_zh_a_hist(symbol=code, period="daily", start_date=start,
end_date="20991231", adjust="hfq")
d["日期"] = pd.to_datetime(d["日期"])
return d.set_index("日期")["收盘"].astype(float)
# 3) 回测:任意标的 + 任意权重矩阵(D5)
def nav_for(code, signal_fn=None, cost=0.0015):
px = get_px(code).to_frame(code)
if signal_fn is None: # 默认买入持有
w = pd.DataFrame(1.0, index=px.index, columns=px.columns)
else: # 自定义择时
s = signal_fn(px[code]).astype(float)
w = s.to_frame(code).shift(0)
bt = Backtest(px, cost=cost)
r = bt.run(w)
return (1 + r).cumprod(), perf_stats(r), px
# 4) 示例:20日均线择时
ma_signal = lambda s: s > s.rolling(20).mean()
fig, ax = plt.subplots(figsize=(10, 5))
for code, name in [("002472", "双环传动"), ("601111", "中国国航")]:
nav, st, px = nav_for(code, ma_signal)
ax.plot(nav.index, nav.values, label=f"{name} MA20 夏普{st['夏普']}")
print(name, st)
# 基准:沪深300
d = ak.index_zh_a_hist(symbol="000300", period="daily",
start_date="20190101", end_date="20991231")
d["日期"] = pd.to_datetime(d["日期"])
hs = d.set_index("日期")["收盘"].astype(float)
ax.plot(hs.index, hs / hs.iloc[0], "--", label="沪深300", color="gray")
ax.set_yscale("log")
ax.legend()
ax.set_title("第1周成果:任意标的净值曲线")
plt.tight_layout()
plt.savefig("week1_nav.png", dpi=150)
print("已输出 week1_nav.png")
骨架有了,剩下的是往里填因子。项目目录固定为 quant/{data,daily,snapshot,logs}/ + pipeline.py + cleaning.py + backtest.py + run.py + tests/,从下周起只在这个骨架上加文件,不再新开 notebook。
✏️ 今日动手
验收标准只有一条:跑 python run.py,能在5分钟内输出 002472、601111、沪深300 三条净值曲线 + 一张指标表。做完后把这周的代码 git commit,并在 README 里写清三层结构与如何运行——下周开始,这个仓库就是你的简历项目雏形。
🔖 明日预告
第2周进入因子构建:从"好公司"翻译成"高ROE低PB"的可计算指标。D1 先讲因子的定义、因子值的标准化(去极值/标准化/中性化)——这三步不做,任何因子的IC都会失真。