تشغيل أي مهارة في Manus بنقرة واحدة

ابدأ الآن

qlib-multi-factor-backtest

النجوم٤

التفرعات١

آخر تحديث١٨ مارس ٢٠٢٦ في ١٣:٣٠

负责 Top-N 多因子训练与含交易成本组合回测。用于 Phase 2/3 对比、参数优化、组合风险收益评估以及多因子证据产出。

التثبيت

التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.

تشغيل في Manus

المصدر

JacobDu

JacobDu/agentic-alpha

فتح مستودع GitHub عرض مستودعات المنشئ

تنزيل

تشغيل في Manus

المهن ذات الصلةSOC

استنادا إلى تصنيف SOC المهني

علماء البياناتمهن الحاسوب والرياضيات·SOC 15-2051

مستكشف الملفات

14 ملفات

SKILL.md

readonly

name	qlib-multi-factor-backtest
description	负责 Top-N 多因子训练与含交易成本组合回测。用于 Phase 2/3 对比、参数优化、组合风险收益评估以及多因子证据产出。

Qlib 多因子组合回测（MFA）

本 skill 负责 MFA 子工作流，按 Retrieve -> Generate -> Evaluate -> Distill 执行。

输入与输出

输入：因子池、模型配置、回测区间与交易参数。
输出：MFA 指标（含成本收益/IR/回撤）、决策、证据与文档。

默认时序切分（csi1000）

Train：2000-01-04 ~ 2023-12-31
Valid：2024-01-01 ~ 2024-12-31
Test（OOS）：2025-01-01 ~ 数据最新可用日
目标：在长历史训练基础上，用最近一年验证超参数与模型选择，以提升对近期市场风格的适配。

指标命名标准

统一使用 docs/METRIC_STANDARD_V1.md 与 src/project_qlib/metrics_standard.py。
优先输出 canonical 字段：
- excess_return_annualized_with_cost
- information_ratio_with_cost
- max_drawdown_with_cost
- excess_return_daily_with_cost
- ic_mean / rank_ic_mean / ic_ir / rank_ic_ir
旧字段名（如 IR_with_cost、ann_ret_with_cost）仅保留兼容读取，不作为新增文档主口径。

R-G-E-D 执行定义

1) Retrieve

从因子总表与 workflow 记录读取候选池与稳定因子集。
明确本轮目标（增益、降回撤、降换手、稳健性）。
因子池质量门控：
- 检查候选因子的 IC 衰减曲线（factor_ic_decay 表）
- 检查因子稳定性评分（stability_score）
- 周频调仓时：优先选择 5d ICIR 保留率 >= 0.5 的因子
- 排除稳定性评分 < 0.3 的因子

2) Generate

构造至少两类组合器方案：线性 + 非线性。
固定同一训练/验证/测试切分，保证可比性。
调仓频率方案：必须同时测试日频与周频两类方案：
- 日频：TopkDropout，1d label，每日调仓
- 周频：Weekly Rebalance，5d label，每 5 个交易日调仓

3) Evaluate

统一回测口径输出 excess_return_annualized_with_cost、information_ratio_with_cost、max_drawdown_with_cost，并补充 excess_return_daily_with_cost。
执行交易成本压力测试（不同成本/调仓强度参数）。
判定是否相对基线产生稳定增量，而非单次偶然提升。

4) Distill

用 scripts/mfa_record_cli.py 写入工作流记录与证据。
同步文档到 docs/workflows/multi-factor/ 并更新 INDEX.md。
将有效组合模式回写 AGENTS.md 经验记忆。

线性/非线性对照要求

线性方案：Lasso/线性加权类至少一套。
非线性方案：树模型（如 LightGBM/XGBoost）至少一套。
两类方案均需报告含成本指标，缺一不可。

可复用脚本

训练与对比

scripts/run_phase2_comparison.py
scripts/run_topn_comparison.py
scripts/run_optimization.py
scripts/train_csi1000_lite.py
scripts/train_csiall_lite.py
scripts/train_csiall_topn.py

周频调仓

scripts/train_weekly_rebal.py（周频调仓回测，5d label + 每 N 日调仓）

可视化与记录

scripts/visualize_factors.py
scripts/mfa_record_cli.py

记录模板

assets/templates/multi_factor_experiment_record.md

证据要求

至少包含一个可追溯证据：output_path / db_query / run_id / doc。
decision 仅允许 Promote / Iterate / Drop。

临时脚本边界

本 skill 的 scripts/ 只保留可复用脚本。
一次性参数扫描/临时对比脚本必须放在项目根目录 ./scripts/。
临时脚本完成后必须清理，不得沉淀到 skill。
skills 下不允许存在 __pycache__ / .pyc。

参考资料

references/layer_b_metrics.md（历史资料，按 MFA 口径解释）

المزيد من هذا المستودع

نفس المستودع

factor-research-review

JacobDu/agentic-alpha

负责从量化研报、学术论文中提取因子构造思路，转化为可测试的 Qlib 因子表达式，并生成结构化的因子假设卡片。用于因子创意来源拓展、文献回顾和外部信号引入。

2026-03-184

qlib-single-factor-mining

JacobDu/agentic-alpha

负责在 csi1000 上进行单因子设计、IC/RankIC 显著性检验与 FDR 筛选。用于候选因子挖掘、单因子统计验证、冗余分析和单因子证据产出。

2026-03-184

qlib-env-data-prep

JacobDu/agentic-alpha

负责本仓库的 Qlib 运行环境与数据准备、可用性校验和基线流程联调。用于依赖检查、数据下载与注入、环境故障排查、实验前就绪性验证等任务。

2026-03-064

name	qlib-multi-factor-backtest
description	负责 Top-N 多因子训练与含交易成本组合回测。用于 Phase 2/3 对比、参数优化、组合风险收益评估以及多因子证据产出。

Qlib 多因子组合回测（MFA）

本 skill 负责 MFA 子工作流，按 Retrieve -> Generate -> Evaluate -> Distill 执行。

输入与输出

输入：因子池、模型配置、回测区间与交易参数。
输出：MFA 指标（含成本收益/IR/回撤）、决策、证据与文档。

默认时序切分（csi1000）

Train：2000-01-04 ~ 2023-12-31
Valid：2024-01-01 ~ 2024-12-31
Test（OOS）：2025-01-01 ~ 数据最新可用日
目标：在长历史训练基础上，用最近一年验证超参数与模型选择，以提升对近期市场风格的适配。

指标命名标准

统一使用 docs/METRIC_STANDARD_V1.md 与 src/project_qlib/metrics_standard.py。
优先输出 canonical 字段：
- excess_return_annualized_with_cost
- information_ratio_with_cost
- max_drawdown_with_cost
- excess_return_daily_with_cost
- ic_mean / rank_ic_mean / ic_ir / rank_ic_ir
旧字段名（如 IR_with_cost、ann_ret_with_cost）仅保留兼容读取，不作为新增文档主口径。

R-G-E-D 执行定义

1) Retrieve

从因子总表与 workflow 记录读取候选池与稳定因子集。
明确本轮目标（增益、降回撤、降换手、稳健性）。
因子池质量门控：
- 检查候选因子的 IC 衰减曲线（factor_ic_decay 表）
- 检查因子稳定性评分（stability_score）
- 周频调仓时：优先选择 5d ICIR 保留率 >= 0.5 的因子
- 排除稳定性评分 < 0.3 的因子

2) Generate

构造至少两类组合器方案：线性 + 非线性。
固定同一训练/验证/测试切分，保证可比性。
调仓频率方案：必须同时测试日频与周频两类方案：
- 日频：TopkDropout，1d label，每日调仓
- 周频：Weekly Rebalance，5d label，每 5 个交易日调仓

3) Evaluate

统一回测口径输出 excess_return_annualized_with_cost、information_ratio_with_cost、max_drawdown_with_cost，并补充 excess_return_daily_with_cost。
执行交易成本压力测试（不同成本/调仓强度参数）。
判定是否相对基线产生稳定增量，而非单次偶然提升。

4) Distill

用 scripts/mfa_record_cli.py 写入工作流记录与证据。
同步文档到 docs/workflows/multi-factor/ 并更新 INDEX.md。
将有效组合模式回写 AGENTS.md 经验记忆。

线性/非线性对照要求

线性方案：Lasso/线性加权类至少一套。
非线性方案：树模型（如 LightGBM/XGBoost）至少一套。
两类方案均需报告含成本指标，缺一不可。

可复用脚本

训练与对比

scripts/run_phase2_comparison.py
scripts/run_topn_comparison.py
scripts/run_optimization.py
scripts/train_csi1000_lite.py
scripts/train_csiall_lite.py
scripts/train_csiall_topn.py

周频调仓

scripts/train_weekly_rebal.py（周频调仓回测，5d label + 每 N 日调仓）

可视化与记录

scripts/visualize_factors.py
scripts/mfa_record_cli.py

记录模板

assets/templates/multi_factor_experiment_record.md

证据要求

至少包含一个可追溯证据：output_path / db_query / run_id / doc。
decision 仅允许 Promote / Iterate / Drop。

临时脚本边界

本 skill 的 scripts/ 只保留可复用脚本。
一次性参数扫描/临时对比脚本必须放在项目根目录 ./scripts/。
临时脚本完成后必须清理，不得沉淀到 skill。
skills 下不允许存在 __pycache__ / .pyc。

参考资料

references/layer_b_metrics.md（历史资料，按 MFA 口径解释）