隔夜策略量化审计引擎
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_3991c844/overnight-audit-engine。
技能介绍
解决什么问题
回测里常见的“收盘买入、次日开盘卖出”很容易显得稳定,但它可能混合了选择偏差、成本遗漏、资产池不一致和执行假设过松。这个技能把隔夜段当成真实可交易窗口来审计:用全市场 ETF 数据估计隔夜折价、交易成本、滑点、流动性与最小佣金的影响,并把内嵌海外隔夜跳空的 QDII/港股/商品类资产和纯 A 股资产分开,避免把两类机制混在一个收益曲线里。
核心能力与关键步骤
- 全市场审计:
overnight_audit_engine.py从 akshare/Sina 拉取 ETF 日线并落盘缓存,输出overnight_report.html;口径包含样本内/样本外、隔夜成本、海外市场跳空、大盘门控、动量/均值回归和资产过滤。 - 每日执行卡:
screen_today.py refresh在 09:15/14:10/14:55/15:30 锚点刷新数据,输出daily_execution_card.md;开盘后生成预挂单,尾盘给仓位卡,收盘后追加次日开盘动作。 - 成本与流动性:
cost_amount_analysis.py扫描单笔金额、最低五元/免五、滑点和真实总成本,回答“买多少、手续费多少、滑点能否压住”。 - Regime 过滤:
regime_utils.py基于 159920 把市场分为 Bull/Side/Bear × HiVol/LoVol,并提供深度回撤过滤;strict_manual.md负责严格执行手册、质量闸门和纪律红线。
适用边界与注意点
它是证据底座,不是收益保证,也不是个性化建议。买入代理仍是“当日收盘”,无法还原 14:10–14:55 入场与 9:25 竞价出场;日线未复权,部分场次可能未成交。OTC/场外基金按 15:00 净值结算、赎回 T+1/T+2,不存在次日开盘价变量,场外核心仓不应据此调整,可迁移的只是择时纪律。QDII/港股/商品需另行核验溢价折价、交易所日历、停牌限价、T+0 与申赎限制。运行需要 Python 3.11、pandas、numpy、akshare;首次运行会拉取并缓存数据。
使用场景
- 用户拿到一批 ETF 历史数据,想验证“收盘买次日开盘卖”是否真能赚到隔夜收益。
- 量化开发者需要在全市场 81 支 ETF 上运行样本内外审计,并查看 HTML 报告。
- 用户每天收盘前要按执行卡确定买哪几支、挂什么限价单、次日何时机械卖出。
- 用户想确认单笔金额多少时手续费最低,或滑点压到多少才不会吃掉隔夜利润。
适合人员
- 量化研究员,需要用真实历史数据验证隔夜策略并复现审计口径。
- 量化交易工程师,负责把 ETF 回测结果接成每日可执行的挂单流程。
- 策略风控人员,关注样本外表现、市场环境和滑点对正期望的影响。
- 主动 ETF 用户,想按严格执行手册执行限价单和机械卖出纪律。