整理 course 目录：原课程归入同名文件夹，新增学习资料/动手练习分类

course/动手练习/01_pandas_热身.py

@@ -0,0 +1,26 @@
+"""01 | pandas 热身：收益率、波动、净值曲线
+目标：搞懂量化里最基础的三个东西——收益、风险、净值。
+"""
+import pandas as pd, numpy as np
+import matplotlib
+matplotlib.use("Agg")
+import matplotlib.pyplot as plt
+from lib_quant import get_daily, add_returns, net_value, stats
+
+df = get_daily("600519", "20200101", "20241231")   # 贵州茅台
+df = add_returns(df)
+nv = net_value(df["ret"])
+print("==", "600519 贵州茅台", "==")
+print(df[["日期", "收盘", "ret"]].tail(3).to_string(index=False))
+print("绩效:", stats(df["ret"]))
+
+plt.figure(figsize=(9, 4))
+plt.plot(df["日期"], nv)
+plt.title("Net value (buy & hold)")
+plt.xlabel("date"); plt.ylabel("nav")
+plt.tight_layout(); plt.savefig("../data/01_net_value.png", dpi=110)
+print("图已存 data/01_net_value.png")
+
+# 思考题：
+# 1) 为什么不看"价格涨了多少"，而要看"收益率"和"净值"？
+# 2) 日收益率为 0 的日子占多少？(df['ret'].eq(0).mean())

course/动手练习/02_拉数据_akshare.py

@@ -0,0 +1,19 @@
+"""02 | 用 akshare 拉数据并落地缓存
+目标：掌握免费 A股数据源用法——这是量化的一切起点。
+"""
+from lib_quant import get_daily, CACHE
+import os
+
+for code, name in [("000001", "平安银行"), ("600519", "贵州茅台"), ("300750", "宁德时代")]:
+    df = get_daily(code, "20230101", "20241231")
+    d0 = str(df["日期"].iloc[0])[:10]
+    d1 = str(df["日期"].iloc[-1])[:10]
+    print(f"{code} {name}: {len(df)} 行 | {d0} ~ {d1}")
+    print("  列:", list(df.columns))
+
+print("\n缓存目录:", os.path.abspath(CACHE))
+print("文件:", sorted(os.listdir(CACHE)))
+
+# 思考题：
+# 1) 前复权(qfq)/后复权(hfq)/不复权 区别？算收益率该用哪个？(改 adjust 参数对比)
+# 2) 每日数据延迟多久？实盘能用吗？(提示: akshare 文档 + 交易所规则)

course/动手练习/03_双均线回测.py

@@ -0,0 +1,33 @@
+"""03 | 双均线策略 + 回测
+目标：写出人生第一个完整策略，并做归因。
+策略：5日均线上穿20日均线买入，下穿卖出。
+"""
+import pandas as pd, numpy as np
+import matplotlib; matplotlib.use("Agg")
+import matplotlib.pyplot as plt
+from lib_quant import get_daily, add_returns, net_value, stats
+
+FAST, SLOW = 5, 20
+df = get_daily("600519", "20200101", "20241231")
+df = add_returns(df)
+df["ma_fast"] = df["收盘"].rolling(FAST).mean()
+df["ma_slow"] = df["收盘"].rolling(SLOW).mean()
+df["signal"] = (df["ma_fast"] > df["ma_slow"]).astype(int)      # 1=持有 0=空仓
+df["pos"] = df["signal"].shift(1).fillna(0)                     # 次日开盘才算，防未来函数
+df["strat_ret"] = df["pos"] * df["ret"]
+
+nv_bh, nv_st = net_value(df["ret"]), net_value(df["strat_ret"])
+print("== 买入持有 ==", stats(df["ret"]))
+print("== 双均线   ==", stats(df["strat_ret"]))
+
+plt.figure(figsize=(10, 4))
+plt.plot(df["日期"], nv_bh, label="BuyHold")
+plt.plot(df["日期"], nv_st, label=f"MA{FAST}/{SLOW}")
+plt.legend(); plt.title("Strategy vs Buy&Hold"); plt.tight_layout()
+plt.savefig("../data/03_dual_ma.png", dpi=110)
+print("图已存 data/03_dual_ma.png")
+
+# 思考题：
+# 1) 为什么 pos 要 shift(1)？不 shift 会怎样？(把 shift(1) 去掉对比——这叫"未来函数")
+# 2) 改 FAST/SLOW 参数，结果稳吗？换 (10,60) 试试——这叫参数敏感性
+# 3) 这策略赢过买入持有了吗？为什么？

course/动手练习/04_动量轮动.py

@@ -0,0 +1,36 @@
+"""04 | 动量轮动策略
+目标：从"单票择时"升级到"多标的轮动"。
+策略：每月末看过去 N 日涨幅，持有最强的一只。
+"""
+import pandas as pd, numpy as np
+from lib_quant import get_daily, net_value, stats
+
+POOL = {"600519": "贵州茅台", "000001": "平安银行", "300750": "宁德时代",
+        "601318": "中国平安", "000858": "五粮液"}
+LOOKBACK, FREQ = 20, 20   # 回看20日，每20个交易日调仓
+
+px = {}
+for c in POOL:
+    d = get_daily(c, "20200101", "20241231")[["日期", "收盘"]].set_index("日期")
+    px[c] = d["收盘"]
+prices = pd.DataFrame(px).dropna()
+mom = prices.pct_change(LOOKBACK)
+
+rets = []
+cur = None
+for i in range(LOOKBACK, len(prices) - 1):
+    if (i - LOOKBACK) % FREQ == 0:                 # 调仓日
+        cur = mom.iloc[i].idxmax()                 # 动量最强
+    if cur is not None:
+        r = prices[cur].iloc[i + 1] / prices[cur].iloc[i] - 1
+        rets.append(r)
+    else:
+        rets.append(0.0)
+
+s = pd.Series(rets)
+print("== 动量轮动 ==", stats(s))
+print("== 等权买入持有 ==", stats(prices.pct_change().mean(axis=1).iloc[LOOKBACK:]))
+
+# 思考题：
+# 1) 换 LOOKBACK (10/60/120) 看结果——动量在A股有效吗？
+# 2) 为什么不持有全部、按动量加权？(提示: 集中 vs 分散)

course/动手练习/05_多因子选股.py

@@ -0,0 +1,37 @@
+"""05 | 多因子选股（横截面）
+目标：体验"因子"最朴素的样子——按指标排序选股。
+数据：akshare 全A快照(含市盈率/市净率等)。
+"""
+import time
+import akshare as ak, pandas as pd
+
+def fetch_spot(retries=6):
+    last = None
+    for i in range(retries):
+        try:
+            return ak.stock_zh_a_spot_em()
+        except Exception as e:
+            last = e; time.sleep(3 + i * 3)
+    raise last
+
+try:
+    spot = fetch_spot()
+    print("全A快照:", spot.shape)
+    df = spot.copy()
+    pe = pd.to_numeric(df.get("市盈率-动态"), errors="coerce")
+    df = df[pe.notna()].copy()
+    df["EP"] = 1 / pe[pe.notna()]                 # 盈利收益率(1/PE)
+    df["EP_rank"] = df["EP"].rank(pct=True)
+    top = df.sort_values("EP_rank", ascending=False).head(20)[
+        ["代码", "名称", "最新价", "市盈率-动态", "EP_rank"]]
+    print("\n== 按盈利收益率(EP)选出的前20（低估值）==")
+    print(top.to_string(index=False))
+    top.to_csv("../data/05_top20_EP.csv", index=False, encoding="utf-8-sig")
+    print("已存 data/05_top20_EP.csv")
+except Exception as e:
+    print("取数失败(网络/接口变动):", repr(e)[:200])
+    print("可稍后重跑；或先跑 01-04（已缓存，离线可跑）")
+
+# 思考题：
+# 1) 单因子排序选股有什么坑？(行业偏差/市值偏差/未来函数)
+# 2) 怎么把2个因子合成打分？(标准化后加权，试试 z-score)

course/动手练习/README.md

@@ -0,0 +1,23 @@
+# 量化动手练习（用真实 A 股数据）
+
+> 目标：把"看书看不进去"的瓶颈，换成**能跑出结果**的闭环练习。
+> 环境：Python 3.11 + pandas/akshare/backtrader/matplotlib（已装在 `../pylibs`）
+> 运行：`bash run.sh`（全部）或 `bash run.sh 03`（单课）
+
+## 怎么用
+每一课 = 目标 + 代码 + 思考题。先跑通，再改参数看结果变化，最后回答思考题。卡住直接问小五。
+
+## 课程表
+| 课 | 文件 | 主题 | 你会学到 |
+|---|---|---|---|
+| 01 | 01_pandas_热身.py | 收益率/波动/净值 | 量化最基础的语言 |
+| 02 | 02_拉数据_akshare.py | 用 akshare 拉 A股数据 | 免费数据源怎么用 |
+| 03 | 03_双均线回测.py | 双均线策略+回测 | 一个完整策略长什么样 |
+| 04 | 04_动量轮动.py | 动量轮动策略 | 多标的轮动调仓 |
+| 05 | 05_多因子选股.py | 多因子选股 | 从横截面数据里选股 |
+
+## 数据
+- 默认用 akshare 在线拉（国内可达），首次拉完自动缓存到 `../data/cache/*.csv`
+
+## 学习闭环
+跑通 → 改参数 → 想为什么 → 写结论 → 告诉小五批改/加题

course/动手练习/lib_quant.py

@@ -0,0 +1,48 @@
+"""量化练习公共库：数据获取(带缓存+重试) + 常用指标 + 回测指标。"""
+import os, time, pandas as pd, numpy as np
+
+CACHE = os.path.join(os.path.dirname(__file__), "..", "data", "cache")
+os.makedirs(CACHE, exist_ok=True)
+
+def _fetch(symbol, start, end, adjust, retries=6, wait=2.0):
+    import akshare as ak
+    last = None
+    for i in range(retries):
+        try:
+            return ak.stock_zh_a_hist(symbol=symbol, period="daily",
+                                      start_date=start, end_date=end, adjust=adjust)
+        except Exception as e:                       # 网络间歇性抽风，重试
+            last = e
+            time.sleep(wait * (i + 1))
+    raise last
+
+def get_daily(symbol="000001", start="20200101", end="20241231", adjust="qfq"):
+    """拉单只A股日线(前复权)，带本地缓存与自动重试。"""
+    f = os.path.join(CACHE, f"{symbol}_{start}_{end}_{adjust}.csv")
+    if os.path.exists(f):
+        return pd.read_csv(f, parse_dates=["日期"])
+    df = _fetch(symbol, start, end, adjust)
+    df.to_csv(f, index=False, encoding="utf-8-sig")
+    return df
+
+def add_returns(df, price_col="收盘"):
+    df = df.copy()
+    df["ret"] = df[price_col].pct_change().fillna(0.0)
+    return df
+
+def net_value(ret):
+    return (1 + pd.Series(ret).fillna(0.0)).cumprod()
+
+def stats(ret, periods=252):
+    ret = pd.Series(ret).fillna(0.0)
+    nv = net_value(ret); total = nv.iloc[-1] - 1
+    ann = (1 + total) ** (periods / max(len(ret), 1)) - 1
+    vol = ret.std() * np.sqrt(periods)
+    sharpe = (ret.mean() * periods) / vol if vol > 0 else np.nan
+    dd = (nv / nv.cummax() - 1).min()
+    calmar = ann / abs(dd) if dd < 0 else np.nan
+    return {"总收益": f"{total:.2%}", "年化": f"{ann:.2%}", "年化波动": f"{vol:.2%}",
+            "夏普": f"{sharpe:.2f}", "最大回撤": f"{dd:.2%}", "卡玛": f"{calmar:.2f}"}
+
+def max_drawdown(nv):
+    return (nv / nv.cummax() - 1).min()

course/动手练习/run.sh

@@ -0,0 +1,10 @@
+#!/usr/bin/env bash
+# 一键跑练习：bash run.sh  或  bash run.sh 03
+cd "$(dirname "$0")"
+export PYTHONPATH="$(pwd)/../pylibs"
+export MPLCONFIGDIR="/tmp/mpl"
+mkdir -p ../data/cache
+case "$1" in
+  01|02|03|04|05) python3 ${1}_*.py ;;
+  *) for f in 0*.py; do echo; echo "############ $f ############"; python3 "$f"; done ;;
+esac

course/动手练习/seed_cache.py

@@ -0,0 +1,23 @@
+"""预热缓存：把练习需要的数据一次性拉齐(带重试+间隔)。之后离线可跑。"""
+import time, sys
+from lib_quant import get_daily, CACHE
+JOBS = [
+    ("600519","20200101","20241231"), ("600519","20230101","20241231"),
+    ("000001","20200101","20241231"), ("000001","20230101","20241231"),
+    ("300750","20200101","20241231"), ("300750","20230101","20241231"),
+    ("601318","20200101","20241231"), ("000858","20200101","20241231"),
+]
+for sym,s,e in JOBS:
+    import os
+    f=os.path.join(CACHE,f"{sym}_{s}_{e}_qfq.csv")
+    if os.path.exists(f):
+        print("cached", sym, s); continue
+    for att in range(8):
+        try:
+            df=get_daily(sym,s,e); print("OK", sym, s, len(df)); break
+        except Exception as ex:
+            print("retry",sym,att,repr(ex)[:60]); time.sleep(5+att*3)
+    else:
+        print("FAIL", sym, s); sys.exit(1)
+    time.sleep(3)
+print("ALL DONE")