量化研究助理

要解决什么问题

做 A 股量化研究时，常见路径是：先验证因子有没有预测力，再跑策略回测看风险收益，最后在约束下做资产配置。手工串联 IC 计算、分层收益、绩效指标和图表，容易在口径和数据源上不一致。本技能把单因子检验、策略回测、组合优化和报告输出放在同一套流程里，行情通过 akshare 拉取沪深 300 / 中证 500 成分股。

核心能力与工作方式

• 因子分析：单因子 IC 测试（IC 均值、ICIR、t 统计量），以及 5 分组分层回测与累计收益曲线。
• 策略回测：内置均线交叉（MA5/MA20），输出年化收益、夏普、最大回撤、Calmar、胜率、信息比率等完整绩效指标。
• 组合优化：均值-方差（Markowitz，含有效前沿图）与风险平价（Risk Parity）。
• 报告：生成自包含 HTML，图表以 base64 内嵌（净值、回撤、年度收益、月度热力图等）。

典型触发语包括「帮我做因子分析」「回测一下这个策略」「组合优化 / 有效前沿 / 风险平价」等；因子池可通过 --universe hs300 或 --universe zz500 选择，默认因子示例为 momentum_20d。

边界与注意点

• 不含因子正交化、合成，也不含 Black-Litterman；策略类型目前主要是均线交叉。
• 报告仅 HTML，不产出 LaTeX/PDF；运行依赖联网获取 akshare 数据，接口空返回时需排查网络。
• 震荡市里均线策略假信号多，回测结果差往往是策略特性而非工具错误；自定义因子可改 quant.py 中的计算逻辑。