A股量化研究助手

个人投资者做 A 股量化研究时，常见的问题不是缺少想法，而是想法没有被写成可检验的形式：选股池含糊、信号定义模糊、调仓与持有周期没有指定，回测里还悄悄混进了未来数据与幸存者偏差。这个技能把一个模糊的"想试试 ETF 轮动"转化为一份明确的研究方案：研究问题一句话陈述，任务类型归类，可检验规格，偏差检查，最后落到可运行的脚本与报告。

核心能力

• 任务分类：支持 ETF 轮动、个股多因子选股、择时/市场状态过滤、组合风控复核与交易后复盘五类研究任务。
• 可检验规格：把想法拆解为选股池与排除项、所需数据字段、信号计算、调仓计划、仓位分配、交易成本与滑点假设、止损与失效条件。
• 偏差检查：显式排查未来财务数据、幸存者偏差、退市与 ST 股缺失、涨跌停无法成交、T+1 违规、参数过多导致的过拟合。

内置回测框架

技能内置了 scripts/a_share_etf_rotation_backtest.mjs，从东方财富拉取公开日 K 线数据，缓存在当前工作区的 work/data，报告写入 outputs。默认策略是一个低频防御型轮动模型：宽基/风格/行业/防御类 ETF 池，信号为 60 日动量减去 0.5 倍 20 日年化波动率，用沪深 300 与 200 日均线的关系做市场状态过滤，月末出信号、次交易日执行，持有前 2 只 ETF 且单只上限 50%，单次换手成本 0.10%。

跑完基础脚本后，再用 scripts/a_share_etf_rotation_robustness.mjs 读取缓存数据，生成参数稳健性检验与 SVG 权益曲线。网络受限时需先获得授权才拉取数据；已有缓存时稳健性脚本不需要联网。

适用边界

• 不编造当前价格、财报、指数成分或监管细节；涉及实时数据必须用最新来源核对，或请用户提供券商导出文件。
• 输出始终以假设设计、回测计划、数据清单、脚本运行结果的形式出现，不构成收益保证、个性化投资建议或买卖推荐。
• 不主动建议杠杆、融资或衍生品交易，除非用户明确要求且已讨论风险。
• 个股输出会标注为模型结果并附假设与注意事项，不会简单排列成"买入名单"。