每天基于规则给出目标仓位的个人量化系统:趋势、动量、定投都只是不同的 "定向算法",统一输出同一份 targets——司南给方向,不预测风浪。 原名"轻量化趋势交易系统(trend/)",2026-08 更名。
核心承诺:同一份 generate_targets 纯函数同时服务回测与实盘,从架构上
消除回测–实盘偏差。回测引擎逐日重放它,影子模式/实盘每天 17:00 后调用它,
两边喂同一数据仓、走同一风控,输出可互相校验。
数据仓(parquet+DuckDB)→ 信号(generate_targets)→ ┬ 回测引擎(研究)
└ targets 文件 → QMT 薄壳(执行)
cd sinan
pip install pandas numpy duckdb pyarrow pydantic pyyaml loguru pytest streamlit plotly
# 1) 种子化数据仓(用 ../data/ 的三张全市场 CSV,离线完成,~350MB)
python3 scripts/bootstrap_from_csv.py --types etf,cb
python3 scripts/bootstrap_from_csv.py --types stock --start 2015
# 2) 回测(输出报告三件套到 var/reports/)
python3 scripts/run_backtest.py --strategy config/strategies/combo_turtle_xsmom_x2.yaml \
--start 2015-01-05 --end 2026-08-07
# 3) 影子模式:拉数 → 质检 → 生成当日目标仓位(var/runtime/targets/)
python3 scripts/shadow_update.py --strategy config/strategies/combo_turtle_xsmom_x2.yaml
# 4) 操作面板(影子模式 / 策略配置 / 回测 / 数据查询)
streamlit run app.py
# 测试(239 个,含回测快照与事件追踪测试)
python3 -m pytest tests/ -qsinan/ Python 包(核心代码,与项目同名)
├ data/ DataStore(parquet 按年分区 + DuckDB)· bootstrap · 日更 · 质检
│ └ sources/ 数据源适配层:DataSource 抽象 + 注册表,
│ akshare / tushare / qmt 各自单文件适配器,新源即插即用
├ universe/ 交易规则推断(板块/T+0/涨跌幅)· 转债条款与强赎事件
├ signal/ SignalContext + 策略注册表 + strategies/(全部策略实现)
├ backtest/ engine(逐日循环)· execution_model · costs · report(指标+HTML)
├ live/ targets(风控裁剪/留痕/校验)· broker · reconcile · notify
└ risk.py 组合层风险原语(limit_positions),回测与实盘共用的中立模块
config/ settings.yaml(本金/路径/执行/风控)· rules.yaml(品种规则)· strategies/*.yaml
scripts/ bootstrap / daily_update / shadow_update / run_signal / run_backtest / 研究脚本
qmt_shell/ sinan_qmt(ECS 统一脚本,唯一必填 SHARE_DIR:执行全部策略 targets
+ 备注「策略ID#日期#序号」归因 + 策略虚拟账本 + fills 回写 + RPC
转发;账号/模拟实盘从 QMT 绑定关系直读)· qmt_sdk(本地 SDK,
与内置 API 同名同形,任意 API 经通用转发覆盖)
app.py + ui/ Streamlit 操作面板(app.py 路由入口,ui/ 页面模块)
docs/RESEARCH.md 研究档案:全部实验结论表与决策记录
var/ 本机状态,git 忽略:store(数据仓)· runtime(targets/fills)· reports
| 策略 | 思想 | 定位 |
|---|---|---|
turtle_s1 |
海龟快系统:20/10 突破 + 盈利过滤器 + 55 日兜底 + 2N 止损 | 主力,单策略最优 Calmar |
xsmom |
12-1 截面动量 top5 + 绝对动量过滤 | 主力互补(与海龟 ρ≈0.57) |
combo |
多策略资金加权合成,单配置/单 targets | 当前跟踪配置的载体 |
dca |
定投计划的虚拟账户重放(周/月/季,可下跌加码) | 独立现金流策略,影子可跟踪 |
donchian |
55 日突破 + 3×ATR 吊灯止损(海龟慢系统变体) | S2 基准 + 回测快照锚 |
livermore |
《股票作手操盘术》市场要诀状态机 + 试探加码 | 低换手互补槽(~1 次/年) |
2026-08-09 精简:
ma_cross/tsmom(对照组垫底)、supertrend(与海龟 ρ=0.86 同源)、rebalance(基准结论已沉淀)、cadence(结论"勿降频") 验证后移除,结论与数字保留在 docs/RESEARCH.md, 代码可从 git 历史找回。配置只保留每族最优(6 份)。
| 配置 | 内容 | 全期回测(2015→2026) |
|---|---|---|
combo_turtle_xsmom_x2 |
海龟×2 + 截面动量×2 各半资金,26-ETF 混合池 | 年化 11.1% / 回撤 −16.9% / 夏普 1.05 |
dca_cn_ndx_gold |
沪深300+纳指+黄金 月定投 4000 元,跌破年线加码 2× | 同窗口 IRR ~15%,最大浮亏 −9% |
配套风险配置:DD_tol=30%,risk.max_positions=12(引擎与实盘同一 limit_positions
语义),执行层 apply_risk 四重裁剪 + 单标的 34% 兜底。
- 信号存活门槛
W/L > (1−p)/p,期望EV = p·W − (1−p)·L - 风险优先定仓 每笔风险
x ≈ DD_tol ÷ 最坏连亏次数 ÷ 预算持仓数; 组合层用n_eff = n·f、f = √[(1+(M−1)ρ)/M]修正——低相关新增才有增益 - 策略死亡诊断 连亏重现周期 + 置信带停止线 / SPRT 序贯检验
- 无未来函数:信号只用 ≤ 当日数据,执行一律 T+1;targets 的
date=执行日、data_cutoff=T−1。 - 复权会计:持仓记复权股数 q_eff,成交按原始价整手,市值按后复权收盘, 分红=红利再投;adj_factor 缺失语义是组内 ffill,永远不是 1.0(事故记录见档案)。
- targets 契约:
targets_{策略名}_{YYYYMMDD}.json,多策略互不覆盖; checksum 只覆盖权重契约,ref_orders参考委托区仅供影子/人工执行参考。 - 策略调用:引擎与 run_signal 一律走
call_strategy(cfg, ctx)(调用约定的 唯一实现);ctx 可见列由SignalContext统一裁到后复权 OHLCV,两侧恒等。 dca 的计划起始日在回测中以回测窗口起点为准(配置start只锚定影子/实盘), 该语义由策略在@register自声明,引擎不硬编码策略名。 - 成本:ETF 单边 5bp、个股 8bp;年化基准 244 交易日;蒙特卡洛固定 seed。
streamlit run app.py。左侧分组导航(st.navigation 多页架构,页面相互隔离、
按需执行);"当前策略(全局)"选择器只在量化策略模块的页面右上角出现,
切换页面选择保持:
- 量化策略:策略看板(影子/实盘统一入口:收益统计、净值曲线、持仓详情、 交易记录,targets 详情可展开;有 QMT fills 即实盘口径,否则影子重放)· 回测(一次回测=一份存档报告,配置快照可 diff)· 策略配置(表单/YAML 双模式,含策略级 QMT 执行覆盖)· 设置(全局 settings.yaml 界面化编辑, 含实盘设置:默认引擎 + 全局 QMT 执行配置,策略未配置 qmt 时生效)
- 数据中心:行情查询(标的搜索 + K 线)· 数据仓概况(三品种覆盖/日历/ 标的档案)· 数据更新(增量=全部策略池并集,手动批量同步,夜间 20:00 cron 自动更新——失败逐条报告标的/时间窗/原因,写 var/runtime/update_log.json)
全部实验结论表(策略族对照、池规模、v3 选样与滚动重选、定投矩阵、数据源 评测、数据质量事故……)沉淀在 docs/RESEARCH.md, 按时间与主题组织;README 只保留当前有效的结论。
- 不处理停牌流水(缺 K 线视同停牌顺延);止损按收盘价触发;仅做多; 组合无资金动态再平衡。
- 影子模式的"每日信号 vs 回测同期输出"自动比对(M3)未实现,机件已齐备。
- 对账仅告警不阻断:账实不符会在看板与推送里显眼提示,但不会自动停掉 次日执行(是否升级为硬阻断是风控决定,见 sinan/live/reconcile.py)。
- 数据源:akshare 主用、tushare 备源(token 缺失自动降级跳过),链路在
settings.data.sources配置、按序逐调用切换;交易机可把qmt源 (RPC 直连行情)加在首位。新增数据源只需在sinan/data/sources/加一个{名字}_source.py并@register_source注册,调用方零改动。 baostock/yahoo 实测不合格(详见档案)。
本系统为研究用途,不构成投资建议。实盘前请完成影子验证与程序化交易报备。
司南是我从零打造并公开演进的个人量化系统:回测–实盘一致性架构、多策略 影子跟踪、QMT 自动化执行,每一步的实验数据与踩坑记录都沉淀在 研究档案 里。如果它对你有启发,欢迎关注交流:
| 公众号「可转债量化实盘」 | 个人微信(JerryWu) |
|---|---|
 |
 |
| 可转债/ETF 量化实盘记录、策略研究与复盘 | 备注「司南」,拉你进量化交流群 |
可提供的服务(欢迎微信勾兑):
- 🛠 量化系统定制开发:数据管道 → 回测引擎 → 实盘对接的全链路搭建, 或在司南基础上按你的策略与券商环境定制;
- 📊 策略回测与验证:你出想法,我出严谨的回测(无未来函数、真实费用/ 手数/涨跌停模拟)与诚实的结论——包括"这个策略不行";
- 🤖 QMT/miniQMT 自动化:targets 桥接、下单算法、多策略共账号归因、 远程安全访问,少走三个月弯路;
- 💬 一对一咨询:量化工程架构、数据治理、从手工交易到程序化的迁移路径。
三年可转债/ETF 实盘,系统化方法论 + 全部公开可验证的工程实现—— 不卖课、不荐股、不代客理财,只做技术与方法的交付。