A股量化研究的数据管线与回测方法论指导。当用户要做行情数据采集/落库、回测框架设计、策略验证纪律(样本量/分年/幸存者偏差)相关的工作,或问"想做量化但卡在数据上"时使用。包含自建管线的完整方法论;配套的自动化工具(量研数据工作台)为商业授权软件。
数据分析
StrategyLens
试用量化交易与期货策略解读助手。触发词：量化策略、回测、期货策略、双均线、海龟交易法则、均值回归、布林带、动量突破、跨期套利、配对交易、统计套利、策略参数、文献解读、英文论文策略复现。把英文量化/期货文献中的策略思想转化为中文解读 + 可运行回测模板（Python/pandas）+ 参数说明 + 文献出处，并调用「数据查询 MCP」取真实行情回测。
它能做什么
量化交易与期货策略解读助手。触发词：量化策略、回测、期货策略、双均线、海龟交易法则、均值回归、布林带、动量突破、跨期套利、配对交易、统计套利、策略参数、文献解读、英文论文策略复现。把英文量化/期货文献中的策略思想转化为中文解读 + 可运行回测模板（Python/pandas）+ 参数说明 + 文献出处，并调用「数据查询 MCP」取真实行情回测。
技能文档
量化策略解读助手（Quant Strategy Interpreter）
概述
帮助用户把英文量化交易 / 期货文献中的策略思想，转化成可直接上手的中文材料： 策略解读 + 可运行回测模板 + 参数说明 + 文献出处，并可调用配套「数据查询 MCP」获取真实历史行情做回测验证。
何时使用（触发场景）
当用户提到：量化策略、回测、期货策略、双均线、海龟交易法则（Turtle）、均值回归、布林带（Bollinger）、动量突破、跨期套利、配对交易、统计套利、策略参数、文献解读、英文论文/书籍策略复现。
工作流程
- 明确标的与周期：问清品种（如沪深300期货、黄金、BTC、AAPL）与数据源（yahoo / akshare / ccxt）。
- 取数（调用 MCP）：用
get_price_history(symbol, source, start, end)拉历史 K 线（字段：date/open/high/low/close/volume）。 - 策略解读：从
references/strategies.md（通用 6 策略模板）与references/systematic_main.md（文献深做章节）调取对应策略的中文解读、回测模板、参数说明。 - 回测：把数据代入
scripts/backtest_template.py的对应函数，输出信号序列与策略收益（position × returns 近似）。 - 参数建议：按品种波动特性给参数区间，提示过拟合风险。
- 合规收尾：每次必须附风险免责声明；任何解读均不复制原文，只引用出处。
策略库索引（详见 references/strategies.md）
| 策略 | 英文 | 适用市场 | 关键参数 |
|---|---|---|---|
| 双均线交叉 | MA Crossover | 趋势市（股/期/币） | short/long 周期 |
| 海龟交易法则 | Turtle Trading | 突破/趋势（期货为主） | 唐奇安通道 N、ATR |
| 布林带均值回归 | Bollinger Reversion | 震荡市 | 周期/标准差倍数 k |
| 动量突破 | Momentum | 中期动量品种 | 回看窗口 |
| 跨期套利 | Calendar Spread | 商品期货近远月 | 价差 z-score |
| 配对交易 | Pair Trading | 高相关品种对 | 价差 z-score/半衰期 |
数据接入示例（MCP）
# 在 WorkBuddy 中配置好 quant-data-mcp 后，直接要求：
# "用 get_price_history 取 AU0（akshare 国内黄金期货）2025 全年日线，跑双均线回测"
注意事项（红线）
- 不提供交易建议、不下单、不对接任何券商交易 API。
- 不复制受版权保护的英文原文；只做中文重写解读 + 注明文献出处（书名/作者/年份/章节）。
- 所有回测皆为历史模拟，存在过拟合与未来函数风险，输出须标注「仅供研究，非投资建议」。
- 期货/杠杆品种风险极高，务必提示用户理解保证金与爆仓机制。
文献引用规范
格式：作者(年份)《书名》章节X — 用自己话概括的观点。不得大段摘录原文。
文献深做章节索引（详见 references/systematic_main.md）
| 原版文献 | 对应模块 | 配套脚本 |
|---|---|---|
| Carver(2015)《Systematic Trading》 | 波动率目标化仓位、风险预算 | scripts/vol_target_position.py |
| Carver(2017)《Smart Portfolios》 | 组合层资金分配、风险平价 | scripts/risk_parity.py |
| Clenow(2015)《Stocks on the Move》 | 股票动量策略 | scripts/momentum_equity.py |
| Tomasini & Jaekle(2009)《Trading Systems》 | 系统开发流程、防过拟合 | scripts/backtest_guardrails.py |
| Teweles & Jones(2008)《The Futures Game》 | 期货机制、套保基础 | （见章节文字） |
| Aronson(2006)《Evidence-Based TA》 | 统计显著性、样本外检验 | scripts/backtest_guardrails.py |
| Sinclair(2020)《Positional Option Trading》 | 期权头寸、Greeks、波动率 | scripts/option_greeks.py |
| Hilpisch(2015)《Derivatives Analytics with Python》 | 期权定价、Greeks | scripts/option_greeks.py |
| Grant(2004)《Trading Risk》 | 交易风控框架、限额 | （见章节文字） |
| Danielsson(2011)《Financial Risk Forecasting》 | 波动预测、VaR/ES | scripts/risk_forecast.py |
| Aldridge(2013)《HFT: A Practical Guide》 | 高频策略分类、微观结构 | references/hft_microstructure.md |
| MacKenzie(2021)《Trading at the Speed of Light》 | HFT 生态与制度 | references/hft_microstructure.md |
| Lehalle & Laruelle(2018)《Market Microstructure in Practice》 | 订单簿、执行优化 | references/hft_microstructure.md |
| Dacorogna et al.(2001)《Intro to High-Frequency Finance》 | 高频数据计量 | references/hft_microstructure.md |
| Stefanica(2011)《Primer for Math of FE》 | 量化数学基础 | references/quant_foundations.md |
| Regenstein(2018)《Reproducible Finance with R》 | 可重复研究 | references/quant_foundations.md |
| Chincarini & Kim(2009)《Quantitative Equity PM》 | 因子模型、组合优化 | references/quant_foundations.md + scripts/equity_portfolio.py |
| Wilmott(2008)《FAQ in Quant Finance》 | 概念速查 | references/quant_foundations.md |
| MacLean et al.(2011)《Kelly Capital Growth》 | 凯利/半凯利仓位 | references/quant_foundations.md + scripts/kelly_position.py |
| Kuznetsov(2006)《Complete Guide to Capital Markets》 | 市场结构图谱 | references/quant_foundations.md |
完整 20 本文献的索引地图见 references/literature.md。
相关技能
聚宽(JoinQuant)策略回测代码生成框架。基于六段式骨架模板，支持截面多因子选股、时序技术指标择时两种模式，使用聚宽原生API获取数据，自动生成可直接在聚宽平台运行的回测代码。
QuantAll（全A解析）MCP —— 股市全市场向量化计算引擎，为 AI 提供本地 Python 计算环境。 AI 编写向量化代码片段，数秒内完成 5000+ 股票的因子计算、策略回测、IC 分析和 GPU 可视化。 让 AI 从"信息查询者"升级为"数据计算者"——用代码算出客观结果，而非搬运网络观点。 触发：用户明确提到"回测""因子分析""IC分析""选股策略""QuantAll""全A解析"等量化关键词时。 不主动在普通股市聊天中触发，仅在用户有明确量化分析需求时使用。 能力声明：本技能需在用户电脑上创建 Python 虚拟环境（300MB+）、安装 quantall 库、 修改
1 星标
小果量化回测系统助手 (微信:xg_quant)。基于业界领先的Backtrader回测框架，提供从数据加载、策略开发、回测执行到绩效分析的全流程量化交易解决方案。 支持多品种（股票、期货、外汇、加密货币）、多周期（Tick, 秒, 分钟, 日, 周, 月）、多策略回测与参数优化。 具备完整的订单管理（市价、限价、止损、止损限价、跟踪止损）、佣金方案配置（固定、百分比、期货）、滑点模拟和绩效分析（夏普比率、回撤、年化收益等）能力。 作者：小果 (xg_quant)，联系方式：微信 xg_quant。 触发关键词：小果、xg_quant、回测系统、量化回测、Backtrader、策略开发、策略回
对接 DataQuant 量化数据平台，为回测与选股提供 REST API 取数通道，覆盖 A股/港股/美股/加密货币/指数/ETF 六大市场，支持 K线、估值快照、条件筛选与宏观数据。 当用户需要从 DataQuant 查询行情、K线、估值快照、条件选股或宏观数据，或消息中出现 "DataQuant" / "dataquant kline" / "dataquant screen" 等取数指令时启用本 Skill。
小果全能大QMT量化交易助手 - 专业级QMT策略开发全能助手 本助手是专为「迅投QMT极速策略交易系统」打造的量化交易策略开发专家。由小果（微信：xg_quant）精心打造，深度封装了QMT平台的全部API接口、运行机制、数据结构和实战经验，能够根据用户的自然语言描述，自动生成从基础到高级、从回测到实盘的完整量化交易策略代码。 【核心功能矩阵】 ✅ 策略开发：根据需求描述自动生成QMT策略代码，支持股票/期货/期权/ETF/可转债/两融等多品种 ✅ 策略回测：生成完整的回测模型代码，包含历史数据获取、撮合规则、绩效分析 ✅ 实盘交易：生成实盘模型代码，支持逐K线生效和立即下单两种模式 ✅