Files
claude_dev a37c43f691 docs: 建立完整的项目文档体系
- 创建6大文档分类:需求/设计/API/用户指南/运维/研究
- 添加各目录的 README 和模板说明
- 定义文档命名规范和编写规范
- 建立文档与代码的对应关系

文档目录结构:
├── requirements/  - 业务需求、功能需求、非功能需求
├── design/        - 架构设计、数据库设计、UI设计、集成设计
├── api/           - REST API、事件定义、内部接口
├── user_guide/    - 快速开始、教程、FAQ
├── operations/    - 部署、监控、故障排查
└── research/      - 因子研究、策略研究、回测报告

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
2026-07-01 21:13:44 +08:00

234 lines
4.4 KiB
Markdown

# 量化研究目录
本目录用于存放量化投研相关的文档和成果。
## 目录结构
```
research/
├── factors/ # 因子研究
│ ├── alpha/ # Alpha因子
│ ├── technical/ # 技术因子
│ ├── fundamental/# 基本面因子
│ └── risk/ # 风险因子
├── strategies/ # 策略研究
│ ├── cta/ # CTA策略
│ ├── alpha/ # Alpha策略
│ ├── arbitrage/ # 套利策略
│ └── option/ # 期权策略
└── backtests/ # 回测报告
├── summary/ # 回测汇总
├── detail/ # 详细报告
└── analysis/ # 分析报告
```
## 文档命名规范
| 类型 | 命名格式 | 示例 |
|-----|---------|------|
| 因子文档 | `factors/分类/因子名.md` | `factors/alpha/momentum.md` |
| 策略文档 | `strategies/分类/策略名.md` | `strategies/cta/dual-thrust.md` |
| 回测报告 | `backtests/detail/策略_日期.md` | `backtests/detail/dual-thrust_20240101.md` |
## 因子研究模板
### factors/alpha/momentum.md
```markdown
# 动量因子研究
## 因子描述
动量因子捕捉价格趋势延续性。
## 计算公式
\`\`\`python
def calculate_momentum(close_prices: pd.Series, period: int = 20) -> pd.Series:
\"\"\"
计算动量因子
Parameters
----------
close_prices : pd.Series
收盘价序列
period : int
计算周期
Returns
-------
pd.Series
动量因子值
\"\"\"
return close_prices / close_prices.shift(period) - 1
\`\`\`
## 参数设置
| 参数 | 默认值 | 说明 |
|-----|-------|------|
| period | 20 | 计算周期 |
## 回测结果
| 指标 | 数值 |
|-----|------|
| 年化收益 | 8.5% |
| 夏普比率 | 1.2 |
| 最大回撤 | -12% |
## 分析结论
...
## 参考文献
- Jegadeesh, N., & Titman, S. (1993). Returns to Buying Winners and Selling Losers
```
## 策略研究模板
### strategies/cta/dual-thrust.md
```markdown
# Dual Thrust 策略
## 策略概述
Dual Thrust 是一种突破类策略,基于开盘价波动范围确定上下轨。
## 策略逻辑
\`\`\`python
class DualThrustStrategy(CtaStrategyTemplate):
\"\"\"Dual Thrust 策略\"\"\"
def __init__(self, cta_engine, strategy_name, vt_symbol, setting):
super().__init__(cta_engine, strategy_name, vt_symbol, setting)
# 参数
self.k1 = setting.get("k1", 0.5) # 上轨系数
self.k2 = setting.get("k2", 0.5) # 下轨系数
def on_bar(self, bar):
\"\"\"K线回调\"\"\"
# 计算上下轨
# 判断突破
# 下单逻辑
pass
\`\`\`
## 参数优化
| 参数 | 范围 | 步长 |
|-----|------|------|
| k1 | 0.3-0.7 | 0.05 |
| k2 | 0.3-0.7 | 0.05 |
## 回测表现
### 股指期货
| 品种 | 年化收益 | 夏普比率 | 最大回撤 |
|-----|---------|---------|---------|
| IF | 12% | 1.5 | -15% |
| IH | 8% | 1.2 | -12% |
| IC | 10% | 1.3 | -14% |
## 风险提示
- 趋势市场表现好,震荡市场亏损
- 需要做好止损设置
```
## 回测报告模板
### backtests/detail/report_template.md
```markdown
# 策略回测报告
## 基本信息
| 项目 | 数值 |
|-----|------|
| 策略名称 | xxx |
| 回测区间 | 2020-01-01 至 2023-12-31 |
| 交易品种 | IF2412 |
| 初始资金 | 100万 |
## 绩效指标
### 收益指标
| 指标 | 数值 |
|-----|------|
| 总收益率 | 50% |
| 年化收益率 | 12.5% |
| 基准收益率 | 8% |
| 超额收益率 | 4.5% |
### 风险指标
| 指标 | 数值 |
|-----|------|
| 波动率 | 15% |
| 夏普比率 | 1.25 |
| 卡玛比率 | 0.83 |
| 最大回撤 | -15% |
### 交易统计
| 指标 | 数值 |
|-----|------|
| 总交易次数 | 500 |
| 盈利次数 | 280 |
| 亏损次数 | 220 |
| 胜率 | 56% |
| 盈亏比 | 1.8 |
## 分析图表
### 资金曲线
\`\`\`
[图表]
\`\`\`
### 回撤曲线
\`\`\`
[图表]
\`\`\`
## 结论与建议
...
```
## 研究工作流
```mermaid
graph LR
A[因子发现] --> B[因子验证]
B --> C[策略构建]
C --> D[历史回测]
D --> E{通过?}
E -->|否| A
E -->|是| F[模拟测试]
F --> G{通过?}
G -->|否| A
G -->|是| H[实盘上线]
```
## 数据管理
### 数据源
- 历史行情: 数据库存储
- 实时行情: 接口订阅
- 基本面: 第三方数据源
### 数据更新
- 日线数据: 每日盘后更新
- 分钟数据: 实时更新
- 财务数据: 每季度更新
```