QuantLessMoneyMore - A股量化投资回测框架

这是一个专业的A股市场量化投资回测框架，专注于因子投资策略的开发和测试。该框架提供了完整的因子计算、回测和性能评估功能，支持多因子策略和复杂的投资逻辑。

项目特点

• 完整的因子计算和处理系统
• 灵活的回测引擎
• 专业的性能评估模块
• 可视化分析工具
• 配置驱动的策略管理
• 完整的示例和文档

项目结构

QuantLessMoneyMore/
├── src/                    # 源代码目录
│   ├── core/              # 核心功能模块
│   │   ├── strategy_backtest.py  # 回测引擎
│   │   └── performance.py        # 性能评估
│   ├── factors/           # 因子相关模块
│   │   └── factor_calculation_functions.py  # 因子计算函数
│   └── utils/             # 工具函数
│       └── config_loader.py      # 配置加载器
├── tests/                 # 测试文件目录
│   ├── test_factor_system.py     # 因子系统测试
│   ├── test_factor_functions.py  # 因子函数测试
│   └── test_factor_performance.py # 性能测试
├── examples/              # 示例代码
│   └── plot_strategy_returns.py  # 策略可视化示例
├── config/               # 配置文件目录
│   └── strategy_config.yaml      # 策略配置
└── data/                 # 数据目录
    └── daily_price/      # 日线数据

安装要求

• Python 3.8+
• 依赖包：
  • pandas >= 1.5.0
  • numpy >= 1.21.0
  • matplotlib >= 3.5.0
  • PyYAML >= 6.0
  • scikit-learn >= 1.0.0
  • scipy >= 1.7.0
  • tqdm >= 4.65.0

快速开始

1. 克隆仓库：

git clone https://github.com/hbyecoding/QuantLessMoneyMore.git
cd QuantLessMoneyMore

2. 创建虚拟环境：

python -m venv venv
source venv/bin/activate  # Linux/Mac
# 或
venv\Scripts\activate  # Windows

3. 安装依赖：

pip install -r requirements.txt

4. 准备数据：

• 将A股日线数据文件放入 data/daily_price/ 目录
• 确保数据文件格式符合要求（参见数据格式说明）

5. 运行示例策略：

python examples/plot_strategy_returns.py

数据格式说明

每个交易日的数据文件（YYYYMMDD.csv）应包含以下字段：

• code: 股票代码
• close: 收盘价
• volume: 成交量
• open: 开盘价
• high: 最高价
• low: 最低价
• amount: 成交额

策略开发指南

1. 因子开发

from src.factors.factor_calculation_functions import calculate_momentum

# 计算动量因子
momentum = calculate_momentum(prices, window=20)

2. 回测配置

# config/strategy_config.yaml
strategy:
  name: momentum_strategy
  holding_period: 20
  top_n_stocks: 50

3. 运行回测

from src.core.strategy_backtest import run_backtest

results = run_backtest(factor_data, config_path='config/strategy_config.yaml')

已实现的策略

1. 动量策略

   • 20日价格动量
   • 60日价格动量
   • 带波动率调整的动量

2. 技术因子策略

   • 成交量价格相关性
   • 价格趋势强度
   • 波动率特征

3. 多因子组合策略

   • 等权重组合
   • 动态权重调整
   • 风险平价组合

性能评估指标

框架提供以下评估指标：

• 年化收益率
• Sharpe比率
• 最大回撤
• 信息比率
• 胜率
• 换手率
• 持仓周转率
• 风险调整后收益

开发计划

• 添加机器学习模型支持
• 实现实时交易接口
• 添加风险管理模块
• 优化回测性能
• 增加更多因子策略

贡献指南

欢迎提交Pull Request或Issue来改进项目。在提交代码前，请确保：

1. 代码符合PEP 8规范
2. 添加必要的注释和文档
3. 更新相关测试用例
4. 所有测试通过

许可证

MIT License

联系方式

如有问题或建议，请通过以下方式联系：

• GitHub Issues
• Email: [您的邮箱]

致谢

感谢所有贡献者的支持！