Agent Skills
返回列表
⚖️

VnPy 期货交易

行业专业 更新于 2026.08.30

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 @org-eyw2ohcx/tangweigang-jpg-vnpy-futures-trading-033。

技能介绍

你在解决什么问题

在国内做期货量化时,最难缠的往往不是「能不能下单」,而是 日夜盘时段、多数据源口径 和 回测无前视 三件事叠在一起:数据缺一段、复权算错、信号用到了未来 bar,策略曲线看起来很美,实盘却完全对不上。VeighNa(原 VnPy)生态里,这类问题常常散落在各自脚本里,很难形成一条可复查的流水线。

技能如何工作

本技能按 data_collection → data_storage → factor_computation → target_selection → trading_execution → visualization 组织工作流,覆盖从拉数到可视化的完整路径。典型能力包括:

  • 经 RQData 或 XTQuant 拉取 CSI300 成分股历史,用于 Alpha 因子研究与回测样本构建
  • CTA 场景下对期货合约做策略回测(如文档中的 ATR + RSI 示例),用于评估绩效与调参
  • 在执行层遵守一组 Semantic Locks(如每周期先卖后买、TradingSignal 三选一仓位字段、filter_result 买卖语义、MACD 参数锁定等),违反则 halt,避免生成「能跑但违反交易约束」的代码

触发执行时,技能会按意图匹配用例词条,并先澄清市场(A 股/港/加密)、数据源(eastmoney、joinquant、baostock、akshare、qmt 等)、策略类型与时间区间、标的 entity_id 格式。

边界与注意点

技能内附 25 条反模式(如复权因子 inf/NaN、接口限流被吞、HFQ/QFQ 表混用导致因子漂移),实现前应阅读 references/ANTI_PATTERNS.md 与 LOCKS.md。文档亦注明 Evidence verify ratio = 31.4%,关键决策宜对照 references/seed.yaml / LATEST.yaml 等源文件核对,勿把 crystal 摘要当作唯一真理。

使用场景

  • 需要从 RQData 批量拉 CSI300 成分股历史,做 Alpha101/LightGBM 因子样本构建时再开工
  • 要对国内期货合约跑 ATR+RSI 等 CTA 回测,并核对无前视、先卖后买等执行约束
  • 要在 eastmoney、joinquant 或 qmt 等多数据源间选定口径,统一回测区间与标的 ID
  • 要把选股/因子结果接到 VeighNa 交易执行与可视化环节,走完整 pipeline 而非零散脚本

适合人员

  • 驻期货公司或私募的量化研究员,要把 CSI300 成分数据接入自有因子库并做可复现回测
  • 用 VeighNa 做国内期货 CTA 的策略开发,需要在生成代码时自动卡住前视与下单字段语义
  • 负责行情与交易系统的工程师,要在多 vendor 切换时避免复权与接口限流导致的静默数据缺失
  • 从 ZVT/金融 blueprint 迁移工作流的技术负责人,需要按 LOCKS 与 ANTI_PATTERNS 审查自动生成交易代码