Skip to content

hilr/quant-cli

BranchesTags

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

148 Commits
docs
docs
 
 
plots
plots
 
 
quant
quant
 
 
research
research
 
 
.gitattributes
.gitattributes
 
 
.gitignore
.gitignore
 
 
CLAUDE.md
CLAUDE.md
 
 
README.md
README.md
 
 
pyproject.toml
pyproject.toml
 
 
uv.lock
uv.lock
 
 

Repository files navigation

quant 命令行量化工具

基于 Polars 的命令行量化数据处理工具。

路径约定

类型 路径
只读原始数据 /mnt/readonly_dataset
生成数据集 /mnt/dataset

所有路径参数必须作为命令行参数传入，不可硬编码。

默认数据源

数据类型 数据源
股票每日成交 finance_sina
指数每日成交 finance_sina
融资融券 eastmoney
基金行情 cninfo
基金份额 exchange_sse + exchange_szse

数据集索引

每个数据集的详细文档（命令、输入输出、字段含义）单独存放在 docs/datasets/，一个数据集一个文件。

数据集 类型 说明 文档
gov_stats/工业企业指标 原始 规模以上工业企业月度经济效益 文档
gov_stats/{进出口,社会消费品零售总额} 原始 海关进出口、社会消费品零售总额月度指标（千美元/亿元/%），csv≤近年 + xlsx 见下方
gov_pbc 原始 央行月度统计（货币供应量、社融、信贷收支、货币当局资产负债表），按年目录，htm/xls/xlsx 混合格式 见下方
csindex/industry 原始 中证行业分类快照（一/二/三/四级），日度但变化慢 见下方
csindex/index_weight/{000300,000905} 原始 HS300 / CSI500 月度成分权重（OLE .xls 伪装成 .xlsx） 见下方
industry_profit 生成 工业企业每月利润总额 文档
pbc/money_supply 生成 央行货币供应量 M0/M1/M2 月度（亿元），宽表 文档
pbc/social_financing_flow 生成 社会融资规模增量（流量），长表 文档
pbc/social_financing_stock 生成 社会融资规模存量 + 增速，长表 文档
pbc/credit_funds 生成 金融机构信贷收支（存贷款全明细），长表 文档
pbc/central_bank_balance_sheet 生成 货币当局资产负债表（全明细），长表 文档
pbc/overseas_rmb_assets 生成 境外机构/个人持有境内人民币金融资产（股票/债券/贷款/存款），宽表 文档
pbc/exchange_rate 生成 人民币兑美元汇率（月末/月均中间价），宽表 文档
exchange_hkex/southbound_flow 生成 港股通南向每日买卖净额（亿港元），宽表，2021-06 起 文档
gov_stat/trade 生成 海关进出口月度指标（长表） 文档
gov_stat/retail_sales 生成 社会消费品零售总额月度指标（长表） 文档
gov_stat/retail_sales_monthly 生成 社会消费品零售总额每月新增额（宽表，累计值差分） 文档
stock_quote_history 生成 股票行情历史 文档
stock_quote_adjusted 生成 前复权行情 文档
stock_quote_ta 生成 技术指标 文档
turnover_concentration 生成 全 A 股日成交额集中度（gini/alpha/top5-median/hhi/cr10），宽表，2010 起 文档
margin_trade_history 生成 融资融券历史 文档
margin_trade_daily 生成 融资融券每日净变化 文档
fund_shares_history 生成 基金份额历史 文档
fund_quote_history 生成 基金行情历史 文档
fund_flow 生成 基金资金流 文档
fund_hs300_correlation 生成 沪深300关联基金滚动相关性 文档
index_adjust_history 生成 指数成份调整历史（调入/调出事件流，2015-2026，按年分文件） 文档
index_constituent_history 生成 指数成份股入/出区间（最新 weight 锚点 + 调整历史反推，按指数/年份分文件） 文档

可视化脚本

独立 argparse 脚本，放在 plots/，输出 PNG 到 /mnt/dataset/。每个脚本的完整文档（用法/参数/数据源/结果）单独存放在 plots/xxx.md，下表只做索引。

脚本 说明 文档
industry_heatmap 行业成交额-涨幅方块热力图（finviz 风格，全 A 股聚合） 文档
industry_turnover_stack 行业成交额占比 river 图（streamgraph，时序） 文档
ppi_vs_hs300 PPI 出厂价格指数同比 vs 沪深300（双轴） 文档
purchase_price_vs_hs300 购进价格指数同比 vs 沪深300（双轴） 文档
retail_sales_monthly_vs_hs300 社零滚12月合计及同比 vs 沪深300（双轴） 文档
power_generation_12m_vs_hs300 发电量滚12月合计同比 vs 沪深300（双轴） 文档
trade_surplus_rolling_yoy 进出口顺差滚12月合计及同比 vs 沪深300（双轴） 文档
industry_profit_ttm 工业企业利润 TTM 环比变动 vs 沪深300（双轴） 文档
loans_m2_12m_flow_vs_hs300 各项贷款增量 − M2 增量（12月）vs 沪深300 文档
m2_12m_increment M1（老口径）/M2 货币12月新增额 vs 沪深300（双轴） 文档
pbc_total_assets_12m_increment 央行总资产12月增量 vs 沪深300（双轴） 文档
shibor_vs_hs300 SHIBOR 3M 银行间利率 vs 沪深300（双轴） 文档
overseas_rmb_assets_12m_increment 外资持有境内股/债12月新增额 vs 沪深300 文档
usd_cny_exchange_rate 人民币兑美元汇率（月度中间价）vs 沪深300（双轴） 文档
margin_balance_change 融资余额月度净增长 vs 沪深300（最近5年） 文档
margin_inflow_20d 融资余额20日净流入 vs 沪深300（最近5年，日频） 文档
turnover_concentration A股日成交额集中度（5算法）vs 沪深300 文档
channel_entries_on_hs300 红利低波ETF通道买入点叠加在沪深300日线上 文档
turnover_channel_breakout 成交额通道重入信号（沪深300，log Bollinger + ZigZag 评估） 文档
zigzag_annual_return ZigZag 枢轴每年潜在最大收益与潜在最大损失（沪深300） 文档
zigzag_bull_bear_cycle ZigZag 枢轴牛熊周期（沪深300，段数/涨跌/历时） 文档
annual_volatility 沪深300 每年年化波动率 + 指数对照 文档
drawdown 历史回撤水下曲线 + 前复权价格（基金/指数/股票通用，支持 --start-date 重置峰值） 文档

Tag 层

quant/tags.py 提供最简单的「股票 × 日期」布尔标记。每个 tag 是纯函数：接收一只股票的完整 DataFrame，返回带新增 tag_* 列的 DataFrame。filter 层在 tag 之上做组合查询。

内置 tags

Tag 函数 判定
surge_3d tag_surge_3d(df, min_total_return=0.10) 过去 3 个交易日（含当日）每日 close > prev_close，且 close / close[t-3] - 1 >= min_total_return
volume_spike tag_volume_spike(df, ma_period=20, ratio=2.0) turnover >= ratio × turnover_ma{ma_period}
limit_up tag_limit_up(df, ratio=0.099) close >= round(prev_close × (1 + ratio), 2)

添加新 tag

  1. 在 quant/tags.py 写 tag_xxx(df, ...) -> pl.DataFrame，函数内 with_columns(... .alias("tag_xxx"))
  2. 注册到 TAG_FUNCS dict（key 是简短名，value 是函数）
  3. 注册到 TAG_REQUIRED_COLUMNS（声明该 tag 需要读哪些原始列，filter_by_tags 会按需读列避免全表扫描）

筛选功能

filter_by_tags — 单日 tag AND 组合查询

项 内容
命令 uv run python -m quant.cli filter-by-tags <date> <tag> [<tag> ...] [options]
输入 {input_dir}/{code}.parquet（默认 stock_quote_ta）
输出 控制台表格 + 可选 CSV
逻辑 每只股票读一次，应用所有 tag 函数，留下指定日期 tag_* 全为 True 的股票

参数：

参数 说明 默认值
date 指定日期（YYYY-MM-DD，位置参数） 必填
tags Tag 名（AND 组合，可多个，位置参数） 必填
input_dir 输入目录 /mnt/dataset/stock_quote_ta
min_market_cap 最小市值（单位：元） 0（不过滤）
exclude_st 是否排除 ST 股票 True（用 --no-exclude-st 关闭）
output_csv 导出 CSV 路径 None（不导出）

输出字段：

字段 含义
code 股票代码
date 指定日期
close 指定日期收盘价
market_cap 指定日期总市值
tag_* 每个命中 tag 的布尔列（全 True，列出来仅作记录）

使用示例：

# 单 tag: 3 日连涨强势股
uv run python -m quant.cli filter-by-tags 2026-06-15 surge_3d --min-market-cap 20000000000

# 组合: 3 日连涨 且 当日涨停
uv run python -m quant.cli filter-by-tags 2026-06-15 surge_3d limit_up

# 组合: 涨停 且 放量
uv run python -m quant.cli filter-by-tags 2026-06-15 limit_up volume_spike --min-market-cap 10000000000

# 不过滤 ST
uv run python -m quant.cli filter-by-tags 2026-06-15 limit_up --no-exclude-st

filter_limit_up_pullback — 涨停回踩（tag + 时间窗口复合 filter）

项 内容
命令 uv run python -m quant.cli filter-limit-up-pullback <date> [options]
输入 {input_dir}/{code}.parquet（默认 stock_quote_ta）
输出 控制台表格 + 可选 CSV
逻辑 在 tag_limit_up 之上叠加时间窗口条件：近期涨停 + 回踩到涨停前价位

筛选条件：

  1. 非 ST 股票
  2. 指定日期 market_cap >= min_market_cap
  3. 指定日期前 lookback_days 个交易日内（窗口跨度 ≤ max_calendar_span 自然日，用于排除停牌）出现过 tag_limit_up
  4. 指定日期 close < (1 + pullback_tolerance) × 涨停日 prev_close

窗口内多次涨停取最近一次作为锚点。

参数：

参数 说明 默认值
date 指定日期（YYYY-MM-DD，位置参数） 必填
input_dir 输入目录 /mnt/dataset/stock_quote_ta
min_market_cap 最小市值（单位：元） 10000000000（100亿）
lookback_days 回看交易日数 10
max_calendar_span 窗口最大自然日跨度 14
pullback_tolerance 相对涨停前价位的容忍度 0.01（1%）
output_csv 导出 CSV 路径 None（不导出）

输出字段：

字段 含义
code 股票代码
date 指定日期
close 指定日期收盘价
market_cap 指定日期总市值
zt_date 锚点涨停日
zt_prev_close 涨停前一交易日收盘价
pullback_pct close / zt_prev_close - 1

使用示例：

# 默认参数
uv run python -m quant.cli filter-limit-up-pullback 2026-06-15

# 放宽到近 20 个交易日、市值 50 亿
uv run python -m quant.cli filter-limit-up-pullback 2026-06-15 --lookback-days 20 --min-market-cap 5000000000

filter_volume_spike — 放量股票批量筛选

项 内容
命令 uv run python -m quant.cli filter-volume-spike <input_dir> <output_csv> <min_market_cap> [options]
输入 {input_dir}/{code}.parquet（stock_quote_ta）
输出 单个 CSV 文件，每行一条放量记录
逻辑 用 Polars 向量化筛选所有满足 turnover ≥ min_ratio × turnover_ma{ma_period} 的日期

参数：

参数 说明 默认值
input_dir 输入目录（stock_quote_ta） 必填
output_csv 输出 CSV 文件路径 必填
min_market_cap 最小市值（单位：元） 必填（200亿=20000000000）
min_ratio 放量倍数（相对N日均线） 2.0
ma_period 均线周期（基准） 20
min_date 起始日期（含，YYYY-MM-DD） None（全历史）

CSV 字段：

字段 含义
date 触发放量的日期
code 股票代码
market_cap 当日总市值
turnover 当日成交额
turnover_ma20 20日成交额均线（基准）
spike_ratio 放量倍数（turnover / turnover_ma20）

使用示例：

# 筛选市值200亿以上，2倍放量
uv run python -m quant.cli filter-volume-spike /mnt/dataset/stock_quote_ta /tmp/out.csv 20000000000

# 只要 2026 年的记录
uv run python -m quant.cli filter-volume-spike /mnt/dataset/stock_quote_ta /tmp/out.csv 20000000000 --min-date 2026-01-01

# 改用 60 日均线作基准，3 倍阈值
uv run python -m quant.cli filter-volume-spike /mnt/dataset/stock_quote_ta /tmp/out.csv 20000000000 --ma-period 60 --min-ratio 3.0

性能： 单进程下全市场（6000+股票）扫描所有历史日期约耗时 30-60 秒。

策略

momentum_strategy — 月度动量轮动

每月最后一个交易日，比较 CSI300/中证500/创业板50 三指数当月收益，选最强者持有到下个月末。

uv run python -m quant.cli momentum-strategy \
    --input-dir /mnt/dataset/index_quote_history \
    --output-csv /mnt/dataset/strategy_momentum.csv \
    --output-png /mnt/dataset/strategy_momentum.png \
    --cash-when-all-negative

可选 --cash-when-all-negative：当上月三个指数收益全部为负时，本月空仓（收益记为 0）。

输出：

  • output_csv：每月明细（持仓指数、当月收益、累计净值）
  • output_png：策略与三指数 B&H 的 NAV 曲线（对数轴）

回测区间约 12 年（2014 至今）。纯数学模拟，不考虑交易成本、滑点、税费。

ma_crossover_strategy — 双均线突破

基于单一指数的双均线突破策略：快线上穿慢线时持仓，跌破时空仓。使用 T-1 日信号决定 T 日持仓，避免未来函数。

uv run python -m quant.cli ma-crossover-strategy \
    --input-dir /mnt/dataset/index_quote_history \
    --index-code 000300 \
    --fast-window 5 \
    --slow-window 60 \
    --output-csv /mnt/dataset/strategy_ma_cross.csv \
    --output-png /mnt/dataset/strategy_ma_cross.png

参数：

  • --index-code：指数代码（默认 000300 = CSI300）
  • --fast-window / --slow-window：快慢均线窗口（默认 5 / 60）

输出：

  • output_csv：每日明细（收盘价、快慢均线、持仓、收益、累计净值）
  • output_png：策略与指数 B&H 的 NAV 曲线，绿色阴影为持仓区间

channel_strategy — 布林带通道入场信号

基于布林带下轨的买入策略。买入条件：close ≤ MA(window) − k·σ(window)（触及下轨），持仓由移动止损 close < peak − m·σ 离场。信号 T-1 决定 T 日持仓，避免未来函数。纯数学模拟，无交易成本。

脚本： plots/channel_entry_signals.py（入场信号质量可视化） 策略引擎： quant/strategy.run_signal_strategy（通用 Signal/Stop 回测）

参数：

参数 说明 默认
--code 基金代码 512890
--window MA + σ 窗口 120
--k 带宽倍数 1.5
--fwd 前瞻窗口（交易日） 60（≈3 月）
--adjusted-dir 复权数据目录 /mnt/dataset/fund_quote_adjusted

使用示例：

uv run python plots/channel_entry_signals.py --code 512890 --window 120 --k 1.5 --fwd 60

买入信号质量（512890，复权数据，2000 年至今 14 笔可验）

# 买入日期 买入价 60日最大涨幅 见顶日 60日收益 最大浮亏 见底日
1 2020-02-03 0.512 +13.6% 23d +3.9% −1.2% 35d
2 2020-03-16 0.529 +5.1% 57d +4.3% −4.4% 5d
3 2020-03-20 0.521 +7.0% 60d +7.0% −2.9% 1d
4 2021-01-28 0.628 +12.8% 59d +11.8% −0.2% 1d
5 2022-03-15 0.747 +16.3% 14d +14.1% 0.0% 0d
6 2022-08-03 0.790 +13.2% 27d −0.6% −2.3% 57d
7 2022-10-26 0.803 +7.9% 28d +4.2% −3.9% 3d
8 2022-11-01 0.780 +11.0% 24d +8.9% 0.0% 0d
9 2023-12-19 0.911 +12.7% 51d +10.4% −1.4% 23d
10 2024-01-22 0.898 +20.7% 56d +17.2% 0.0% 0d
11 2024-09-03 0.995 +14.8% 18d +10.7% −5.1% 6d
12 2024-09-10 0.967 +18.1% 13d +16.1% −2.4% 1d
13 2025-04-07 1.064 +13.8% 60d +13.8% 0.0% 0d
14 2026-01-14 1.156 +4.7% 38d +2.4% −1.1% 2d

汇总（14 笔可验）：

  • 60 日胜率：13/14（93%），60 日收益均值 +8.9%，中位数 +10.4%
  • 60 日最大涨幅均值 +12.3%，中位数 +13.2%（最差也有 +4.7%）
  • 买入后最大浮亏（相对入场价）：均值 −1.8%，最差 −5.1%，见底均值 9.6 日
  • 5 笔买入后从未浮亏，9 笔先浮亏后转盈，唯一下跌的（2022-08-03）只亏 −0.6%
  • 最大涨幅均值（12.3%）远大于 60 日收益均值（8.9%），说明多数买入后经历了先涨后回调，而非单边持有

算法说明：

  • 买入信号 = close ≤ MA(120) − 1.5·σ(120)（tag_boll_lower，见 quant/tags.py）
  • 入场价 = 信号触发当日收盘价，实际持仓从下一日开始（T-1 信号 → T 持仓）
  • 最大浮亏 = min(price[t] / 入场价 − 1)，从入场价起算（不是 peak-to-trough），反映真实买入后经历的最大账面损失
  • 数据源 = 前复权收盘价（fund_quote_adjusted），消除分红除权影响

数据流全景

┌─────────────────────────────────────────────────────────────────┐
│                        只读原始数据                              │
│  /mnt/readonly_dataset/finance_sina/stock_quote/              │
│  /mnt/readonly_dataset/finance_sina/index_quote/              │
│  /mnt/readonly_dataset/eastmoney/margin_trade/                │
│  /mnt/readonly_dataset/cninfo/fund_quote/                     │
│  /mnt/readonly_dataset/exchange_sse/fund_shares/              │
│  /mnt/readonly_dataset/exchange_szse/fund_shares/             │
└─────────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────────┐
│                        股票数据流                                │
├─────────────────────────────────────────────────────────────────┤
│  stock_quote_history ← finance_sina/stock_quote                │
│       ↓                                                         │
│  stock_quote_adjusted (前复权)                                  │
│       └─→ stock_quote_ta (技术指标)                              │
└─────────────────────────────────────────────────────────────────┘

┌─────────────────────────────────────────────────────────────────┐
│                        融资融券数据流                            │
├─────────────────────────────────────────────────────────────────┤
│  margin_trade_history ← eastmoney/margin_trade                 │
│       ↓                                                         │
│  margin_trade_daily (每日净变化)                                │
└─────────────────────────────────────────────────────────────────┘

┌─────────────────────────────────────────────────────────────────┐
│                        基金数据流                                │
├─────────────────────────────────────────────────────────────────┤
│  fund_shares_history ← exchange_sse/fund_shares                 │
│                     + exchange_szse/fund_shares                 │
│       ↓                                                         │
│       ├─→ fund_flow ←──────────────────────┐                   │
│       │                                     │                   │
│  fund_quote_history ← cninfo/fund_quote ───┘                   │
│       ↓                                                         │
│  fund_quote_adjusted (前复权)                                   │
│       ├─→ fund_flow ← fund_shares_history                       │
│       └─→ fund_hs300_correlation (沪深300关联基金滚动相关性)    │
└─────────────────────────────────────────────────────────────────┘

┌─────────────────────────────────────────────────────────────────┐
│                        央行宏观数据流                            │
├─────────────────────────────────────────────────────────────────┤
│  gov_pbc/{year}/[子目录]/{表}.{htm,xls,xlsx}                    │
│       ↓  (xlsx > xls > htm 优先；htm 用 html.parser，xls/xlsx   │
│          用 calamine；月份列按位置推断避免 Excel 浮点截断)        │
│  pbc/  money_supply          (M0/M1/M2，2004+)                  │
│        social_financing_flow (社融增量，2012+)                   │
│        social_financing_stock(社融存量+增速，2015+)              │
│        credit_funds          (信贷收支，本外币+人民币，1999+)    │
│        central_bank_balance_sheet (央行资产负债表，1999+)       │
│        overseas_rmb_assets  (境外持境内金融资产，2014+)         │
│        exchange_rate       (人民币兑美元汇率，1999+)            │
└─────────────────────────────────────────────────────────────────┘

┌─────────────────────────────────────────────────────────────────┐
│                      统计局月度指标数据流                        │
├─────────────────────────────────────────────────────────────────┤
│  gov_stats/{工业企业指标,进出口,社会消费品零售总额}/{year}.{csv,xlsx} │
│       ↓  (月份列乱序/倒序，按列名 'YYYY年M月' 解析；指标×月份宽表转长表) │
│  gov_stat/  industry_profit  (利润累计→当月差分，每年一文件)     │
│             trade             (进出口，千美元/%)                 │
│             retail_sales      (消费品零售，亿元/%)              │
└─────────────────────────────────────────────────────────────────┘

┌─────────────────────────────────────────────────────────────────┐
│                      港交所互联互通数据流                        │
├─────────────────────────────────────────────────────────────────┤
│  exchange_hkex/connect_top/{YYYY-MM-DD}.csv                     │
│       ↓  (每个文件顶部 4 行聚合：SSE/SZSE × North/South；         │
│          按 code 列名取南向两行；date 取自文件名；               │
│          schema 跨年变化 2021/2022/2023+，按列名读不依赖顺序)    │
│  exchange_hkex/  southbound_flow (港股通南向每日买卖净额，2021+) │
└─────────────────────────────────────────────────────────────────┘

About

基于Polars的命令行量化数据处理工具

Resources

Readme
Activity

Stars

1 star

Watchers

0 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

 
 
 

Contributors

Languages