AKQuant量化策略
说清策略思路和风控要求 → 生成符合 akquant 框架、带 T+1 规则和风控的可执行 A 股策略与回测代码
功能与用途
策略想法写在纸上很顺,落到代码就卡在框架细节上:预热期该设多长、历史数据用 numpy 还是 DataFrame、A 股 T+1 该怎么处理、回撤熔断挂在哪一层。它按框架规范把策略类、数据接口、订单管理和风控配置一次性写出来,参数调优也有网格搜索和更稳妥的 Walk-Forward 滚动两套写法,横截面轮动有 on_timer 定时调仓范式。运行需要 Windows 环境下的 Python 和 uv,akquant 要求的 pandas 版本较高,务必建隔离环境再用 uv run 启动。
适用场景
- 双均线策略在本地跑出漂亮曲线,但一加上 T+1 和印花税收益:双均线策略在本地跑出漂亮曲线,但一加上 T+1 和印花税收益就崩了,想确认回测配置哪里不对
- 想从单标的策略扩到多标的轮动,不知道该在什么时点统一触发调仓:想从单标的策略扩到多标的轮动,不知道该在什么时点统一触发调仓
- 网格搜索挑出的最优参数放进实盘就失效,需要一套滚动优化的验证:网格搜索挑出的最优参数放进实盘就失效,需要一套滚动优化的验证写法
- 策略回撤比预期大很多,想补上单标的持仓上限和账户级熔断规则:策略回撤比预期大很多,想补上单标的持仓上限和账户级熔断规则
适用人群
- 做 A 股量化策略的个人开发者
- 券商或私募的量化研究员
- 自己写回测框架的量化爱好者
使用步骤
- 使用 uv 创建独立虚拟环境,并安装 akquant 及所需依赖
- 明确策略类型、标的范围、指标预热期与风控限制等核心规则
- 继承 Strategy 基类编写代码,实现行情回调与订单逻辑
- 配置回测参数运行测试,并使用滚动优化或网格搜索调优
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- 编程
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 进阶
- 版本
- main
- 最近更新
- 2026-09-09
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
生成 akquant 框架的可执行量化策略代码,涵盖数据接口、事件驱动、风控与优化。当用户需要开发量化策略、配置回测环境、设置风控规则、进行参数优化、实现横截面轮动策略,或提及 akquant 时使用
依赖与权限
- 读取用户主动提供的内容