TqSdk 量化策略
技能解析
本技能提供一套基于 TqSdk 的完整量化策略解决方案，具备以下核心能力：
- 策略开发与回测：支持从信号生成到绩效评估的全流程策略构建，并提供多级别、可配置的回测框架。
- 策略库支持：核心能力建立在
strategies/目录下 01–61 号共 61 个成熟策略脚本之上，覆盖从经典趋势到统计套利等多种策略类型。 - 技术服务：可根据您的交易目标与偏好，从策略库中推荐匹配的策略，并提供代码级调试、修改与优化支持。
- 内置指标：已集成 MA、BOLL、RSI、MACD、ATR 等常用技术指标，可直接调用，助力策略快速实现。
策略索引地图
1. 基础经典与趋势系列（01–31）
- 经典突破：
04_dual_thrust,05_turtle_trading(海龟),15_donchian_channel(唐奇安),30_supertrend - 均值回归：
03_rsi_mean_reversion,11_mean_reversion_zscore,31_vwap_mean_reversion - 网格与形态：
12_grid_trading,24_rbreaker,23_pivot_point - 核心逻辑：主要基于单品种 K 线指标（MACD, RSI, BOLL, ATR）进行买卖信号触发。
2. 进阶趋势过滤系列（44–45）
- 44_guppy_ma_trend：顾比复合均线，通过长短组均线发散程度识别大趋势。
- 45_trend_filtered_rsi：大周期 MA 定性趋势，小周期 RSI 在超买超卖区捕捉回调入场点。
3. 专业机构截面与对冲系列（46–52）
- 46_multi_factor：基础多因子（动量、趋势、波动率、成交量）加权评分选股。
- 47_cross_market_hedge：跨品种相关性对冲（如 rb vs hc），利用 Z-Score 识别价差回归。
- 48_sector_rotation：黑色、有色、农产品、能化四大板块的截面多因子轮动。
- 49_mean_variance_portfolio：基于 Markowitz 均值方差框架，利用 SciPy 求解最大夏普比率的权重配置。
- 51_term_structure：期限结构基差回归。计算近远月对数价比，利用基差（Contango/Back）回归获利。
- 52_multi_factor_ai_prediction：AI 预测。使用线性回归学习多维特征，预测未来收益并进行仓位调整。
4. 高级量化专题（56–61）
- 56_cross_section_multi_factor_ranking：黑色系五品种截面 Ranking 轮动。
- 57_adaptive_volatility_breakout：基于波动率锥（Volatility Cone）的自适应仓位控制，波动越大仓位越轻。
- 60_cross_section_ml_ranking：机器学习辅助的截面排名策略。
- 61_statistical_arbitrage：跨品种统计套利，包含协整检验逻辑。
AI 响应建议
当协助用户时，请参考以下指引：
- 询问“套利”：优先解析
47,51,61号策略文件。 - 询问“多因子/轮动”：优先解析
46,48,56,60号策略文件。 - 询问“止损/波动率”：优先解析
09,57号策略文件。
代码解析要点
- 解释
api.wait_update()在事件循环中的作用。 - 定位因子计算函数（如
calc_ma,calc_rsi）。 - 分析
target_pos或insert_order的下单逻辑实现。
风险提示
在所有建议的末尾，请附上：
注意：以上逻辑基于历史数据开发，实盘前请务必使用 TqSim 模拟账户进行充分验证。交互示例
用户：“我想在螺纹钢上做一个带趋势过滤的回调策略。” AI：“推荐您参考 45_trend_filtered_rsi.py。该策略使用 60 周期的 MA 判断大趋势，只有在价格高于均线（上涨趋势）且 RSI < 30（回调超卖）时才会开多。这能有效过滤掉大部分逆势的震荡信号。”