QuantsPlaybook量化研报复现指南10分钟跑通【免费下载链接】QuantsPlaybook量化研究-券商金工研报复现项目地址: https://gitcode.com/GitHub_Trending/qu/QuantsPlaybookQuantsPlaybook用Python复现了100份券商金工研报25个择时策略、22个因子策略外加量化基本面与组合优化。每个策略都附带原始研报PDF和可运行notebook面向量化初学者和开发者。为什么需要它你大概遇到过这种情况读到一篇讲股票网络中心度因子的券商研报里面有公式、回测表格和累计收益曲线看起来不难——不就是算个相关系数吗。真动手写代码情况完全不同。先要数据A股日频行情从哪拿停牌、复权怎么处理再要算300只股票的相关系数矩阵接着还要自己写分组、IC统计、多空收益。每一步都有坑某个数和研报对不上时你根本不知道从哪查起。QuantsPlaybook的做法很直接每份研报的原始PDF和复现notebook放在同一个文件夹里读报告时可以逐行对照代码读完直接运行验证。开箱里有什么四大策略库A-量化基本面2个价值策略、B-因子构建类22个因子策略含筹码分布、动量、网络中心度、C-择时类25个择时策略含RSRS、HHT、小波分析、D-组合优化DE算法、多任务时序动量全部在仓库根目录每个文件夹都是研报PDF复现notebook的结构。独立因子算法模块网络中心度因子的src/factor_algo.py里calculate_scc、calculate_tcc、generate_factor拆成了独立函数只取一个就能用。可复用的回测与信号组件hugos_toolkit/把回测引擎、绩效分析tear报告、plotly画图三块封装在一起SignalMaker/里有QRS、HHT、鳄鱼线等择时指标的信号生成器。因子分组分析与数据说明src/analyze.py负责因子分组和未来收益统计README注明数据依赖JQData和Tushare Pro部分策略还在仓库里直接附带了本地csv/parquet数据。它是怎么工作的先当黑盒输入和输出以股票网络与网络中心度因子模块为例。输入是一张收益率表行是日期列是股票。输出是同形状的因子表每只股票每天得到一个中心度数值。开盒滑动窗口 一个公式factor_algo.py里的generate_factor先把收益率表按20天切成重叠的滑动窗口再对每个窗口调用calculate_scc。SCC的核心只有一个公式SCC 1 / [2(1-ρ̄)]其中ρ̄是这只股票和所有其他股票的平均Pearson相关系数。大白话讲一只股票越跟大盘齐步走1-ρ̄越小SCC越高说明它在股票网络里越中心。100天的数据被窗口吃掉前19天最后输出81行。因子怎么被验证算出因子后交给analyze.py的factor_group_analysis按因子值排序分成10组计算每组未来2日收益Ref($close,-2)/Ref($close,-1)-1默认剔除停牌和涨跌停股票得到一张日期 × 分组均值收益的表。IC、单调性、多空收益都从这张表里出。原始研报给出的全市场回测中SCC因子IC均值8.30%、IC_IR 3.97项目README中引用的研报数字。下面两张图来自该研报复现再往下同一因子还能用于指数增强10分钟看到结果克隆仓库git clone https://gitcode.com/GitHub_Trending/qu/QuantsPlaybook安装依赖并进入仓库根目录cd QuantsPlaybook pip install pandas numpy matplotlib loguru tqdm在仓库根目录运行最小示例50只股票×100天随机数据不需要数据tokenimport sys, numpy as np, pandas as pd sys.path.append(B-因子构建类/股票网络与网络中心度因子研究/src) from factor_algo import calculate_scc, generate_factor np.random.seed(42) returns pd.DataFrame(np.random.randn(100, 50) * 0.02, indexpd.date_range(2020-01-01, periods100, freqD), columns[fs{i:03d} for i in range(50)]) print(generate_factor(returns, calculate_scc, window20).shape) # (81, 50)输出(81, 50)就跑通了81天×50只股票的SCC因子值。想看真实行情执行cd C-择时类/RSRS择时指标/py jupyter notebook RSRS.ipynb打开一个完整的RSRS择时回测需要jqdatasdk账号并配置数据。适合谁、不适合谁适合这三类人量化初学者notebook里能看到数据→因子计算→分组验证的完整流程不必自己猜研究该怎么写。验证研报结论的人原始PDF和代码并排存放对照文字公式与实现很方便。复用组件的开发者回测引擎、tear报告、信号生成器都是独立模块可以直接搬进自己的项目。三个注意事项先知道不踩坑没有数据key就看不到真实行情数据依赖JQData和Tushare Pro都要token上面的示例用随机数据跑通正是为了绕开这一点。代码不是完全开箱即用factor_algo.py里硬编码了作者本机路径/data1/hugo/workspace不同时期的notebook依赖也不同你大概率要改一下sys.path并自行补装依赖。部分模块标注复现待验证网络中心度模块的README明确写了待进行回测验证文中IC数字来自原始研报你换样本重跑结果不一定一致。仓库按一报一文件夹组织选一个你好奇的文件夹先读起来对照研报文字看代码就是用它最高效的方式。【免费下载链接】QuantsPlaybook量化研究-券商金工研报复现项目地址: https://gitcode.com/GitHub_Trending/qu/QuantsPlaybook创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考