# quanxiel 量化系统 · 完善路线图（ROADMAP）

> 编制：小五 | 2026-09-28
> 定位：在现有「数据导入 + alpha 研究闭环」基础上，补齐 **回测可信度 / 风控 / 归因 / 自动化** 四块地基，打通「研究 → 实盘」。

---

## 0. 现状定位

| 已有 | 位置 |
|---|---|
| 数据导入（Tushare / 同花顺）+ 增量 + schema | `quantitative_data/` |
| 数据加载（DB + 模拟回退） | `alpha/data_loader.py` |
| 因子研究（注册表 / IC / 分层 / 中性化 / 换手） | `alpha/factors.py` |
| 策略（信号生成 / 分位 / 组合打分 / 权重） | `alpha/strategy.py` |
| 事件驱动回测（组合 / 持仓 / 交易成本） | `alpha/backtest.py` |
| 绩效评估（收益 / 风险 / 报告） | `alpha/evaluation.py` |
| 7 个策略 notebook | `alpha/*.ipynb` |

**结论**：研究闭环已成；「研究 → 实盘」的整条链路基本缺失。缺口见下表。

---

## 1. 模块矩阵（已有 / 不完整 / 缺失）

| 层 | 状态 | 说明 |
|---|---|---|
| 数据导入 | ✅ | 行情/财务/基本面/增量 |
| 数据质检 | ⚠️ | 仅 `check_daily_coverage`，缺系统化 DQ |
| Point-in-Time | ❌ | 财报未按公告日对齐；无成分股历史快照 |
| 因子研究 | ✅ | 基础技术+基本面因子 |
| 风格/风险模型 | ❌ | 无 Barra 类暴露与正交化 |
| 组合构建 | ⚠️ | 有简单权重，无优化器/约束求解 |
| 回测引擎 | ⚠️ | 无涨跌停/停牌/T+1/整手/参与率约束 |
| 风控 | ❌ | 基本空白 |
| 归因分析 | ❌ | 无 |
| 稳健性验证 | ❌ | 无 WFO / PBO |
| 实盘执行 | ❌ | 无交易接口/订单管理/对账 |
| 工程运维 | ⚠️ | 有导入脚本，无调度/监控 |
| 报告可视化 | ⚠️ | 有 markdown/df，无自动报告/dashboard |

---

## 2. P0 — 让研究「可信」（最先做）

> 不做这层，回测收益大概率是**假的**（未来函数 + 不可成交 + 无风控）。

### P0-1 回测真实性：A 股交易规则引擎
- **新增** `alpha/market_rules.py`
- **接口**：
  ```python
  class MarketRules:
      """A股交易规则约束，供回测下单前校验"""
      def can_buy(self, ts_code, date, price) -> bool: ...      # 涨停/停牌/次新
      def can_sell(self, ts_code, date, price) -> bool: ...     # 跌停/停牌
      def round_lot(self, qty, side) -> int: ...                # 100股整手（卖出可零股）
      def max_volume(self, ts_code, date, participation=0.1) -> float: ...  # 参与率上限
      def is_tradable(self, ts_code, date) -> bool: ...         # 停牌过滤
  ```
- **集成**：`BacktestEngine(config, market_rules=MarketRules(...))`；下单前 `execute()` 走校验
- **数据依赖**：`daily` 已有 `pre_close/pct_chg`，涨跌停按 ±10%/±20% 阈值 + `stock_basic.market` 判定；停牌用 `vol=0` 或 `trade_cal`
- **验收**：构造一个"次日涨停买入"用例，断言该笔被拒

### P0-2 Point-in-Time（防未来函数）
- **数据侧** `quantitative_data/schema.sql` 新增表 `index_weight`（成分股历史）
  ```sql
  CREATE TABLE index_weight (
      index_code VARCHAR(20), con_code VARCHAR(20),
      trade_date DATE, weight NUMERIC(10,6),
      PRIMARY KEY (index_code, con_code, trade_date));
  ```
- **加载侧** `alpha/data_loader.py` 增加 `as_of` 语义
  ```python
  def load_financials(self, fields, start, end, as_of=None):
      """as_of 非空时，仅取 ann_date <= as_of 的财报（点对点快照）"""
  def load_universe(self, index_code, date) -> list[str]:
      """取 date 当日在成分列表内的股票（历史成分）"""
  ```
- **验收**：同一财报在公告日前后取到不同值（公告前取不到）

### P0-3 风控限额（事前约束）
- **新增** `alpha/risk/limits.py`
  ```python
  class RiskLimits:
      def __init__(self, config: AlphaConfig): ...
      def clamp_weights(self, weights, industry_map) -> pd.Series: ...
          # 单票上限 max_position_pct / 行业上限 / 总仓位
      def check_drawdown_stop(self, nav_curve) -> bool: ...     # 回撤熔断
      def risk_budget(self, weights, cov) -> dict: ...          # 风险预算/贡献
  ```
- **集成**：回测每期调仓前 `clamp_weights`；净值触发回撤阈值→降仓/清仓
- **验收**：给定超限组合，输出满足全部限额的权重

---

## 3. P1 — 提升质量

### P1-4 收益归因
- **新增** `alpha/attribution.py`
  ```python
  class BrinsonAttribution:
      def run(self, portfolio_weights, benchmark_weights,
              returns, industry_map) -> pd.DataFrame:
          """返回 配置/选股/交互 三因子分解"""
  class FactorAttribution:
      def run(self, weights, factor_exposures, factor_returns) -> dict:
          """因子收益贡献分解"""
  ```

### P1-5 组合优化器
- **新增** `alpha/optimizer.py`（依赖 `cvxpy`）
  ```python
  class MeanVariance:   def solve(self, mu, cov, constraints) -> weights
  class RiskParity:     def solve(self, cov) -> weights
  class BlackLitterman: def solve(self, prior, views, ...) -> mu
  # constraints: 行业/风格中性、换手上限、个股上限、多空约束
  ```
- **验收**：约束可行域内求解，权重和=1，满足全部约束

### P1-6 稳健性 / 过拟合检验
- **新增** `alpha/validation.py`
  ```python
  class WalkForward:   def run(self, strategy_factory, folds) -> pd.DataFrame  # 滚动样本外
  def pbo(returns_matrix) -> float        # 过拟合概率 (Bailey et al.)
  def deflated_sharpe(returns, n_trials) -> float
  def sensitivity(param_grid, evaluator) -> pd.DataFrame
  ```

---

## 4. P2 — 走向实盘

### P2-7 调度 + 监控
- `ops/daily_pipeline.py`：盘后自动 增量导入 → 信号生成 → 风控 → 报告
- 调度：群晖 DSM 计划任务 / cron；失败告警走 OpenClaw（webhook）
- **新增** `ops/monitor.py`：数据到达检测、任务失败、仓位异常

### P2-8 实盘执行 + 对账
- **新增** `execution/`
  ```python
  class BrokerAdapter(ABC):
      def place_order(self, order) -> str: ...
      def cancel_order(self, order_id): ...
      def query_position(self) -> pd.DataFrame: ...
  class QmtAdapter(BrokerAdapter): ...      # A股 QMT/miniQMT
  class SimAdapter(BrokerAdapter): ...      # 仿真盘
  ```
- **对账**：每日 `query_position` vs 内部账本，差异告警

### P2-9 报告 + Dashboard
- **新增** `report/`：自动日报/周报（净值/回撤/持仓/归因/暴露）
- Dashboard：复用 gemdalepi 静态站点方式，生成净值/回撤/暴露可视化页

---

## 5. 目录规划（目标）

```
quanxiel/
├── quantitative_data/     # 数据（现有）+ index_weight
├── alpha/                 # 研究（现有）
│   ├── market_rules.py    # [P0-1] 新增
│   ├── risk/              # [P0-3] 新增
│   ├── attribution.py     # [P1-4] 新增
│   ├── optimizer.py       # [P1-5] 新增
│   └── validation.py      # [P1-6] 新增
├── execution/             # [P2-8] 新增
├── report/                # [P2-9] 新增
└── ops/                   # 运维（现有）+ daily_pipeline.py / monitor.py
```

---

## 6. 建议实施顺序

1. **P0-1 交易规则** → 2. **P0-2 PIT** → 3. **P0-3 风控限额**
4. P1-4 归因 → 5. P1-5 优化器 → 6. P1-6 稳健性
7. P2-7 调度 → 8. P2-8 实盘 → 9. P2-9 报告

> 交付节奏建议：每个模块「接口 + 最小实现 + 单测/验收用例」三件套，合入前跑通验收。

---

## 7. 版本 v1.1 — 书库佐证与增补（2026-09-28）

> 依据自家 talebook 书库 8 本量化书交叉验证本路线图，补充以下模块与验收项。
> 参考书（talebook id）：打开量化投资的黑箱(155) · Quantitative Trading, Chan(986) · Python for Algorithmic Trading, Hilpisch(1125) · 主动投资组合管理, Grinold&Kahn(183) · 量化交易之路, 阿布(149) · Python量化交易教程(167) · Quantitative Trading: Algorithms... Guo(983) · 量化投资策略:超额收益Alpha(1202)

### 7.1 目标架构对齐「黑箱」六模型
《黑箱》(155) 给出交易系统标准结构：**Alpha 模型 + 风险模型 + 交易成本模型 → 投资组合构建模型 ↔ 执行模型**（另含 数据 / 研究）。

| 黑箱模块 | 本项目对应 | 状态 |
|---|---|---|
| Alpha 模型 | `alpha/factors.py` + `alpha/strategy.py` | ✅ |
| 风险模型 | 需新增 `alpha/risk/risk_model.py`（因子协方差/暴露） | ❌ |
| 交易成本模型 | `alpha/config.py` 有费率，缺**滑点/市场冲击**模型 | ⚠️ |
| 组合构建模型 | 有简单权重，缺**优化器** | ⚠️ |
| 执行模型 | 需新增 `execution/` | ❌ |

> 结论：现有目录只覆盖了黑箱 6 模型中的 **Alpha +（半）组合构建**；风险模型、成本模型、执行模型需显式补齐。

### 7.2 新增模块（在原 P0/P1/P2 上增补）
- **P0-4 数据质检细化**（986：数据是否复权/是否 survivorship-bias free）→ 新增 `quantitative_data/dq.py`：①复权口径核对(除权除息) ②幸存者偏差检查（point-in-time 股票池）③高低价数据口径 ④停牌/退市标记
- **P1-7 资金管理 / 仓位分配**（149 凯利公式；986 Optimal Capital Allocation）→ 新增 `alpha/money_mgmt.py`：Kelly / 固定比例 / 波动率目标；对应"避免重仓"
- **P1-8 因子处理流水线显式化**（167 优矿 RDP：去极值/中性化/标准化）→ 新增 `alpha/preprocess.py`：`winsorize()` / `zscore()` / `neutralize(industry, size)`，做成可复用管线（`factors.py` 已有部分，建议独立）
- **P2-10 部署工程化**（1125 副标题即 *From Idea to Cloud Deployment*）→ Docker 化 + 依赖锁定 + CI(单测) + 定时任务容器化
- **P2-11 纸面交易 / 仿真盘**（986：Paper Trading 是"最终的样本外检验"）→ `execution/SimAdapter` + 与回测结果对比报告，**建议提前为 P2 第一项**

### 7.3 方法论 / 验收项增补
- **回测偏差自检清单**（986 第3章 / 1125 第4章）：前视偏差 · 数据窥探(data-snooping) · 交易成本 · 幸存者偏差 · 高低价数据 —— 作为回测模块验收 checklist
- **样本外 + 参数近邻稳定性**（155/149）：网格寻优后检查近邻参数结果是否相近；不相近 ⇒ 疑似过拟合
- **数据挖掘四方针**（183）：直觉 · 克制 · 合乎情理 · 样本外测试
- **IC→Alpha 基本定律**（183 预测基本定理）：`α = IC × 波动率 × 标准化信号`，`IR = IC × √广度`；建议在 P1-5 优化器上游加入此转换，用于衡量研究"深度 vs 广度"

### 7.4 修订后的实施顺序
1. **P0-4 数据质检** → 2. P0-1 交易规则 → 3. P0-2 PIT → 4. P0-3 风控
5. **P1-8 因子管线** → 6. P1-4 归因 → 7. **P1-7 资金管理** → 8. P1-5 优化器 → 9. P1-6 稳健性
10. **P2-11 仿真盘** → 11. **P2-10 部署工程化** → 12. P2-7 调度监控 → 13. P2-8 实盘 → 14. P2-9 报告

### 7.5 主要「新发现」的缺口（原 ROADMAP 未列）
1. **资金管理/仓位分配**（凯利/波动率目标）—— 原稿完全没有
2. **交易成本模型细化**到滑点 + 市场冲击（不只费率）
3. **显式风险模型**（因子协方差/暴露），而非仅在 config 里放限额
4. **纸面交易**作为回测→实盘之间的强制关卡
5. **部署工程化**（Docker/CI/云）—— 原稿只在 P2 一句带过