qmt-inner-backtest

name	qmt-inner-backtest
description	根据策略描述、研报 PDF 或截图，解读因子/选股逻辑，基于 scripts/daily-factors-backtest.py 框架生成 QMT 内置日频因子回测脚本。用户提到 QMT 内置回测、因子选股回测、截面因子、 研报复现、handlebar 回测、after_init 预计算信号时使用。

QMT 内置因子回测

概述

基于 scripts/daily-factors-backtest.py 生成 QMT 策略编辑器内置回测 脚本。

核心模式：after_init 预计算全区间因子与买卖信号 → handlebar 按调仓日执行交易。

母版路径：本 skill 目录下的 scripts/daily-factors-backtest.py（相对 SKILL.md 所在目录）

适用场景

适合	不适合
日频截面因子选股（Barra 风格处理）	Tick/分钟高频
固定持仓数 Top-N 等权调仓	期货开平仓（qmt-future-trade，规划中）
研报因子复现、上下影线/价值/动量等	目标持仓型期货实盘（qmt-live-strategy-template，规划中）
申万行业 + 市值中性化	仅要信号推送（qmt-live-signal-feishu，规划中）

母版架构（必须理解再改）

daily-factors-backtest.py
├── 文件头 # coding:gbk + 策略说明 docstring
├── 因子函数库          ← 【主要替换区】factor_xxx + 中性化/去极值
├── init(C)             ← 【配置区】回测区间、股票池、资金、因子参数
├── after_init(C)       ← 【信号区】拉数据 → 算因子 → 过滤 → 生成 g.buy/sell_signals
├── handlebar(C)        ← 【执行区】调仓日卖出/买入（通常保留）
├── 交易执行函数         ← 通常原样保留
└── 辅助工具函数         ← 通常原样保留（IPO/ST/涨跌停/财务宽表）

各段职责

段	函数/变量	做什么
全局状态	g = G()	跨函数共享参数、信号矩阵、持仓
因子库	factor_ubl(...)	输入 OHLCV/市值等宽表，输出因子 DataFrame（index=日期, columns=股票）
因子后处理	filter_extreme_mad_df / neutralize_by_market_cap / neutralize_by_industry_zscore / cross_section_zscore	Barra 风格流水线，按研报需求保留或删减
初始化	init(C)	设 g.start_date/g.end_date、g.stock_pool、g.max_positions、g.rebalance_days 等；预定义 g.buy_signals/g.sell_signals 防空矩阵
预计算	after_init(C)	一次性拉全区间行情+财务 → 算因子 → IPO/ST/停牌过滤 → 截面排名 → shift(1) 生成 T+1 信号
执行	handlebar(C)	每 g.rebalance_days 个交易日调仓：先卖后买，开盘价成交
交易	execute_sell/buy_signals	涨停不买、跌停不卖；科创板 200 股、其余 100 股整数倍
辅助	get_ipo_mask / get_st_mask / get_financial_wide_table	上市满 120 天、ST 区间、财务字段宽表

信号时序（防未来函数）

df_rank = df_factor_filtered.rank(axis=1, ascending=g.rank_ascending)
df_is_top_n = df_rank <= g.max_positions
g.buy_signals = df_is_top_n.shift(1).fillna(False)   # T 日因子 → T+1 日买入
g.sell_signals = ~g.buy_signals

禁止去掉 .shift(1)，除非用户明确要求当日收盘调仓且接受前视偏差。

Agent 工作流

1. 解读策略输入

用户可能提供：文字描述、研报 PDF、截图、已有因子公式。提取并输出 策略规格表（生成前给用户确认）：

## 策略规格（待确认）

| 项 | 内容 |
|----|------|
| 策略名称 | |
| 因子公式 | 逐行写明计算步骤 |
| 所需行情字段 | open/high/low/close/volume/... |
| 所需财务字段 | 如 CAPITALSTRUCTURE.free_float_capital |
| 因子窗口 | std_period / factor_period 等 |
| 排序方向 | ascending=True（值越小越好）或 False |
| 中性化 | 市值 OLS / 申万行业 Z-score / 无 |
| 股票池 | 如 中证1000、沪深300、全 A |
| 持仓数 | max_positions |
| 调仓频率 | rebalance_days（交易日） |
| 回测区间 | start_date ~ end_date |
| 初始资金 | initial_capital |

研报/PDF 解读要点：

• 区分「因子定义」与「组合构建」（Top 10、5 日调仓等）
• 注意「蜡烛上影线」「威廉下影线」等术语对应的 OHLC 公式
• 记录去极值方法（MAD 几倍）、中性化顺序
• 参数缺省时标注假设，不要静默编造

截图解读要点：

• 对照图中公式、参数表、回测设置截图
• 股票池名称必须与 QMT 板块名一致（见下方板块表）

2. 复制母版并替换

1. 读取 scripts/daily-factors-backtest.py 全文作模板
2. 输出到用户指定路径，默认 strategies/<策略名>-backtest/backtest.py
3. 只改必要部分，交易执行与辅助函数原样保留

必改清单：

位置	改什么
文件头 docstring	策略名、研报来源、因子逻辑、参数说明
logger 名称	与策略一致，便于日志过滤
factor_xxx()	新因子计算；函数名与 g.factor_name 对应
init()	回测区间、股票池、资金、因子参数、rank_ascending
after_init()	数据字段获取、调用新因子函数；中性化步骤按研报增删
init 日志文案	策略名称与参数摘要

通常不改： handlebar、execute_*、get_ipo_mask、get_st_mask、涨跌停判断、get_df_ex。

3. 因子替换模式

模式 A — 单因子 Top-N（母版默认）

def factor_xxx(daily_open, daily_high, daily_low, daily_close, daily_market_cap,
               stock_industry_map=None, **kwargs):
    # 1. 原始特征
    # 2. 滚动统计
    # 3. 去极值 → 市值中性 → 行业中性（可选）
    # 4. 截面 Z-score（单因子可跳过第 4 步）
    return factor_df

模式 B — 多子因子合成

每个子因子独立走 MAD + 中性化，最后 zscore(A) + zscore(B) 或加权求和。

模式 C — 无需中性化

跳过 neutralize_by_*，仅 filter_extreme_mad_df + cross_section_zscore。

模式 D — 需额外财务因子

在 after_init 用 get_financial_wide_table(C, g.stock_pool, 'TABLE.field', ...) 拉宽表，传入 factor_xxx。

常用财务字段示例：

• CAPITALSTRUCTURE.free_float_capital — 自由流通股本（母版用于市值）
• PERSHAREINDEX.eps — 每股收益
• ASHAREINCOME.net_profit_incl_min_int_inc — 净利润

4. 生成后自检

• 首行 # coding:gbk
• init 中预定义 g.buy_signals / g.sell_signals 空 DataFrame
• after_init 行情为空时 return，不抛未捕获异常
• 信号含 .shift(1)
• g.start_date 与 g.backtest_start_time 区间一致
• 股票池 C.get_stock_list_in_sector(...) 名称在 QMT 中存在
• 因子函数返回值 shape 与 daily_close 对齐（index=日期, columns=股票代码）
• rank_ascending 与研报「因子越大越好/越小越好」一致

用户必须配置的回测项

生成脚本后，必须提醒用户在 QMT 中核对以下配置（Agent 不代替用户在 QMT GUI 操作）：

A. 脚本内 init() 参数

参数	格式	说明
g.start_date / g.end_date	'YYYYMMDD'	after_init 拉行情/财务的起止
g.backtest_start_time / g.backtest_end_time	'YYYY-MM-DD HH:MM:SS'	与上面区间一致
g.stock_pool	板块名或代码列表	C.get_stock_list_in_sector("中证1000")
g.initial_capital	整数	初始资金
g.max_positions	整数	持仓只数 = Top N
g.cash_usage_ratio	0~1	调仓日可用资金比例，默认 0.95
g.rebalance_days	整数	每 N 个交易日调仓一次
g.accid	'test'	回测账号，保持 test

B. QMT 策略编辑器回测面板

用户需在 QMT 模型交易 / 策略研究 中手动设置：

1. 回测起止日期 — 与脚本 g.backtest_* 一致
2. 初始资金 — 与 g.initial_capital 一致
3. 基准 — 如沪深300、中证1000（便于对比）
4. 手续费 / 印花税 / 滑点 — 研报有写明则告知用户按研报设
5. 复权方式 — 脚本内 dividend_type='front_ratio'（前复权），面板需一致
6. 品种类型 — 股票

C. 常用 QMT 板块名称

用户说法	QMT sector 名
中证1000	"中证1000"
沪深300	"沪深300"
中证500	"中证500"
全 A	"沪深A股"
创业板	"创业板"
科创板	"科创板"
申万一级行业	get_sector_list('申万一级行业板块') 下各行业

板块名因 QMT 版本可能略有差异；若 get_stock_list_in_sector 失败，提示用户在本机 QMT 板块列表中确认准确名称。

D. 数据前置

1. QMT 客户端已登录
2. 在「数据管理」中下载回测区间 日线行情 及所需 财务数据
3. 股票池成分股越多，after_init 越慢（中证1000 约 1000 只，属正常）

运行方式

QMT 内置回测 不在 conda 命令行运行，流程如下：

1. 将生成的 .py 复制到 QMT 策略目录，或在策略编辑器新建策略粘贴代码
2. 保存后点击 编译，确认无语法错误
3. 打开 回测 面板，设置日期/资金/费率
4. 运行回测，查看收益曲线、持仓、日志输出
5. 日志中关注：[数据检查]、[因子] 步骤统计、【最新调仓建议】

若用户需要在项目内留存：

strategies/<name>-backtest/
└── backtest.py    # 生成的策略文件

向用户确认的话术模板

策略生成前：

请确认策略规格表中的：股票池、回测区间、持仓数、调仓频率、因子方向。
若有研报未写明的参数（如 MAD 倍数、中性化顺序），我将按母版默认处理并标注。

交付脚本后：

脚本已生成。请在 QMT 中：

1. 核对回测起止日期与脚本 init() 一致
2. 确认股票池板块名在本机 QMT 可用
3. 下载对应区间的日线与财务数据
4. 设置手续费/滑点（研报有要求请按研报）
5. 编译运行回测

默认 T 日收盘算因子、T+1 日开盘调仓。如需改调仓逻辑请说明。

与母版示例的对应关系

母版 factor_ubl 实现的是东吴证券上下影线因子：

蜡烛上影线 = High - max(Open, Close)
威廉下影线 = Close - Low
→ 标准化 → 20日 std/mean → MAD去极值 → 市值OLS中性 → 申万行业Z-score → 截面Z-score → 相加
→ 值越小越好 → Top 10 → 每5日调仓

替换其他因子时，保持相同「宽表进、宽表出」接口，其余流水线按研报裁剪。

禁止事项

• 不要去掉 # coding:gbk
• 不要去掉 init 中对信号变量的预定义
• 不要默认帮用户在 QMT 里点运行；只生成脚本并给配置清单
• 不要把期货下单逻辑混入本框架
• 不要在因子矩阵中引入未来数据（用 shift(1) 或等价滞后）
• 未经用户确认不要提交含资金账号的改动

快速示例

用户需求： 复现 20 日动量因子，沪深300成分，Top 20，每月调仓。

Agent 动作：

1. 输出策略规格表供确认
2. 新建 factor_momentum(daily_close, lookback=20)：daily_close / daily_close.shift(20) - 1
3. MAD 去极值 + 市值中性（研报若要求）
4. g.rank_ascending = False（动量越大越好）
5. g.stock_pool = C.get_stock_list_in_sector("沪深300")
6. g.max_positions = 20，g.rebalance_days = 20（约月度）
7. 提醒用户下载沪深300成分日线及设置回测费率