技能介绍

要解决什么问题

做因子研究和策略验证时，你往往要在 IC 统计、分层收益、回测绩效和组合权重之间来回切脚本，最后还要把图拼进报告。本技能把这几块收进同一套量化研究流程，数据侧通过 akshare 拉取沪深 300 / 中证 500 成分股的真实行情，适合在对话里快速跑一轮「因子是否有效、策略能否扛回撤、资产配置落在哪条前沿上」。

核心能力与工作方式

因子分析：单因子 IC 测试，输出 IC 均值、ICIR、t 统计量；支持 5 分组分层回测与累计收益曲线。默认因子为 momentum_20d（20 日动量），股票池可用 --universe hs300 或 --universe zz500。
策略回测：当前实现 均线交叉（MA5 / MA20），并给出年化收益、夏普、最大回撤、Calmar、胜率、信息比率等完整绩效指标。
组合优化：Markowitz 均值-方差（含有效前沿图）与 Risk Parity 风险平价；数值优化依赖 scipy.optimize.minimize。
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），可视化栈为 matplotlib 与 plotly。

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；因子计算可在 quant.py 中按需扩展。

适用边界与注意点

暂不支持：因子正交化与合成、Black-Litterman、除均线交叉外的策略模板（动量 / 反转 / 突破等规划在后续版本）、LaTeX / PDF 报告。
运行环境：需联网获取数据；akshare 返回空数据时多为网络问题，可先检查连接后重试。
结果解读：均线交叉在震荡市容易频繁假信号，绩效不佳往往反映策略特性而非工具错误，应结合区间与参数再验证。