QuantsPlaybook Vibe 项目

项目简介

QuantsPlaybook 是一个面向 A 股市场的量化研究开源项目，作者 hugo2046 系统复现了 100+ 篇来自光大、华泰、招商、国信、中金、广发、东北、安信、兴业等头部券商金工团队的量化研报，并把每篇研报的核心策略实现成可在 Jupyter Notebook 中一键运行的 Python 代码。项目以"研报复现 + 因子工程 + 策略回测"为主线，覆盖择时、因子、价值、组合四大方向，既适合量化初学者作为研报落地范本，也方便从业者作为快速搭建策略原型的参考实现。

核心功能

• 100+ 量化策略复现：覆盖择时（25+）、因子构建（20+）、量化价值、组合优化四大类，包括 RSRS / QRS / HHT、低延迟趋势线、CSVC 框架、时变夏普、C-VIX、特征分布建模、小波分析、CCK 羊群效应等。
• 完整代码与数据：每个文件夹对应一篇研报或一组主题，py 文件为对应 ipynb 的复现文档，数据源接入聚宽 jqdata 与 Tushare Pro，可直接跑通。
• 多技术栈融合：传统技术分析（均线、形态识别） + 现代机器学习（Transformer / LSTM / LightGBM / XGBoost），既保留经典思路，也覆盖深度学习与梯度提升树方向。
• 工程化回测：基于微软开源 Qlib 与 Backtrader 等框架，提供数据获取、因子计算、信号生成、回测评估与可视化图表的完整链路。
• 可视化与文档：使用 Matplotlib / Seaborn / Plotly 输出图表与性能分析报告，Notebook 内含详细说明，便于复用与改造。

技术实现

项目采用 Python 3.8+ 作为主力开发语言，Pandas + NumPy 完成数据处理与因子计算；研究层基于 Qlib（微软开源 AI 量化平台）与 Backtrader（专业回测引擎）搭建；模型层使用 PyTorch / TensorFlow / LightGBM / XGBoost / Scikit-learn；信号处理引入 EMD / VMD 等模态分解方法。所有策略在 A 股真实历史数据上完成回测，并按"原始版本 / 修正版本 / 本土改造版"分类整理，方便对照研报原始结论与实际复现差异。

快速上手

• 克隆仓库：git clone https://github.com/hugo2046/QuantsPlaybook 并安装依赖。
• 准备数据：注册聚宽 / Tushare Pro 账号获取 token，在 Notebook 中替换数据接入参数。
• 选择策略：进入对应分类目录（例如 C-择时类/RSRS择时指标），打开对应的 ipynb 文件。
• 回测与可视化：按顺序执行 Notebook 单元格，即可得到回测结果、收益曲线与因子分布图表，并可与原研报中的图表对照。

适用人群

量化研究入门者、希望快速验证券商研报思路的量化研究员、需要因子/择时策略原型的私募/自营团队，以及对 A 股量化感兴趣的 Python 开发者与学生。

官方链接

https://github.com/hugo2046/QuantsPlaybook