quanxiel/docs/ROADMAP.md

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：

  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）

  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

  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

  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

  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）

  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

  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/

  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
2. P1-4 归因 → 5. P1-5 优化器 → 6. P1-6 稳健性
3. 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。