From e192ffcd7345d3e162f9325dc808163d2263dac2 Mon Sep 17 00:00:00 2001 From: AAsige <168331480+AAsige@users.noreply.github.com> Date: Fri, 7 Aug 2026 05:13:08 +0800 Subject: [PATCH] =?UTF-8?q?ingest=20|=20=E9=98=BF=E5=B8=83=E9=87=8F?= =?UTF-8?q?=E5=8C=96=EF=BC=88bbfamily/abu=EF=BC=89=E5=BC=80=E6=BA=90?= =?UTF-8?q?=E9=A1=B9=E7=9B=AE=E7=9F=A5=E8=AF=86=E8=9E=8D=E5=85=A5=EF=BC=9A?= =?UTF-8?q?3=20=E6=91=98=E7=BC=96=20+=203=20wiki=20=E9=A1=B5=E9=9D=A2=20+?= =?UTF-8?q?=20=E5=AF=BC=E8=88=AA/=E7=99=BB=E8=AE=B0=E6=9B=B4=E6=96=B0?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- .gitignore | 4 + raw/量化/abuquant/_meta/源码哈希清单.tsv | 381 ++++++++++++++++++ .../abuquant-期货回测与位移路程比摘编.md | 96 +++++ raw/量化/abuquant/abuquant-框架架构摘编.md | 173 ++++++++ .../abuquant-策略开发与回测实践摘编.md | 107 +++++ wiki/Glossary.md | 32 ++ wiki/INDEX.md | 6 + wiki/_meta/WIKI-SCHEMA.md | 2 + wiki/compile-results.tsv | 4 + wiki/compile.log | 9 + wiki/concepts/阿布量化框架架构.md | 115 ++++++ wiki/practices/期货量化回测与位移路程比.md | 90 +++++ wiki/practices/阿布量化策略开发与回测.md | 92 +++++ wiki/sources.md | 4 + 14 files changed, 1115 insertions(+) create mode 100644 raw/量化/abuquant/_meta/源码哈希清单.tsv create mode 100644 raw/量化/abuquant/abuquant-期货回测与位移路程比摘编.md create mode 100644 raw/量化/abuquant/abuquant-框架架构摘编.md create mode 100644 raw/量化/abuquant/abuquant-策略开发与回测实践摘编.md create mode 100644 wiki/concepts/阿布量化框架架构.md create mode 100644 wiki/practices/期货量化回测与位移路程比.md create mode 100644 wiki/practices/阿布量化策略开发与回测.md diff --git a/.gitignore b/.gitignore index d77646f..dc6101d 100644 --- a/.gitignore +++ b/.gitignore @@ -6,6 +6,10 @@ __pycache__/ # 上游子仓库元数据（raw/llm_wiki 的来源仓库备份，恢复上游更新时改名为 .git） raw/llm_wiki/.git.bak +# 阿布量化源码本体（raw/量化/abuquant-src 为本地证据，73MB 不整包入库； +# 哈希清单与摘编入库，见 raw/量化/abuquant/_meta/） +raw/量化/abuquant-src/ + # Obsidian 运行时状态（窗口布局等，逐机不同，不应进入版本控制） .obsidian/workspace.json .obsidian/workspace-mobile.json diff --git a/raw/量化/abuquant/_meta/源码哈希清单.tsv b/raw/量化/abuquant/_meta/源码哈希清单.tsv new file mode 100644 index 0000000..26e7822 --- /dev/null +++ b/raw/量化/abuquant/_meta/源码哈希清单.tsv @@ -0,0 +1,381 @@ +00c59343342719d665c3bf413c190e12bf9d264b1cdda7dfce8e8996733d8d81 abupy\ExtBu\joblib\format_stack.py +016c9a887af9eb42b2106ce785aaceea52f4b81fb988a22d01e05b867c184299 abupy\TLineBu\ABuTLSimilar.py +01ca38eb7bee3f1f9e6c1df71c1ecc8e58708cb83b2347448cd0952b59996ae2 img\img9.png +02444b3ea46516b6d32d202c3f8c96a1ba5f2accc67b24942beaf0eb09bd9237 abupy\MarketBu\ABuDataCache.py +046dc4b20ac548ca177ba15dd1c3fc9ea09776e620d6d6452720fe1b659a65e7 abupy\WidgetBu\ABuWGBFBase.py +057f0ddba438a067bfc7cd07a714c786c14eb247e4e52ab3480bcb437ce39591 abupy\CrawlBu\ABuXqConsts.py +060c5299fc50d19d23f6351c45ea3768e9ca9bb6b41621bd036b4a9420ae6300 abupy\WidgetBu\ABuWGGridSearch.py +06f56289572e7534f9e86b951d2b7934c4f5c40a296c9c7bd3dd2755b5b16c94 abupy_lecture\27-狗股选股策略与择时策略的配合.ipynb +076b2d2be59cd0ca6948ed8bbf125ceafb9bad714f6f629a0e12bf920524ea15 abupy_lecture\10-比特币莱特币的回测(ABU量化使用文档).ipynb +081f894b5c42e66827d01ee3b6a2c5f8c9f2c0c552fd755abe3b6e87cc1fe2de abupy\IndicatorBu\ABuND.py +08672f1c9862234b125df8608384135bbe910b9e5b9c4d5a8b462c4198ae2e6d abupy\ExtBu\joblib\hashing.py +092c392949709168d6ff2aef35c689da3c29fdeef4db62fca10f08195f2270db img\quant_icon.png +0aeb0190132184bb300032451bd1362ed130a02d589e7e2bdd7f81257eae0f5f python\extC.py +0bbe1178722644f4c76999039d5eca879b6347fbea1bef9a780fce6c65e97dcc abupy\WidgetBu\ABuWGStockInfo.py +0c67d5e39129832f63e7a6803ecdf5450c0a286776439a6564705daf0b3c38cd abupy_lecture\image\pig3.png +0c903d722c411cf3015b2c2be351e84f0b2a13268d690dffd9c057dd9fdc56c4 abupy\IndicatorBu\ABuNDMa.py +0d76e19d59034e23b1da031d48717bb1d6049e51c46ed72f91ec7567d7612066 abupy\MarketBu\__init__.py +0da4e63905037d40bf3e53e1afa2878a6f795d513e23fc50bd4c16755a8b6d39 abupy\CoreBu\__init__.py +0df7fd613a40b54af780854571bcfeb0b91eabb9295c5c4cba05398ca686a2a6 abupy\ExtBu\joblib\numpy_pickle_compat.py +0f0211aac425110b107e3250d0b3409cd5b72138a381a82c38ab7afd65f878cd abupy\MLBu\ABuMLPd.py +0f112b75331b61c014f45c9fb537245cbd2af5bbbb0c6fa02ce51f0d6ed2e87a abupy\IndicatorBu\__init__.py +0f4c13771de2297d7c99afb5e7b12803935e767ea7c53f1f544c94e4153e17e8 abupy_lecture\21-A股UMP决策(ABU量化使用文档).ipynb +0ff4105c7af5a3183002370e8981c2878e17fe867a45f52a51406eee179bb1a1 abupy\UmpBu\ABuUmpEdgeMul.py +1088f71ebe94b6a5f9a17aeec21b1c99afeb3cfc979d33565f8fb5420918d7cc abupy\ExtBu\empyrical\_version.py +11acbadd5f7bef1c190829d64ff9bded1f86172479e4cd487bb8835795939ef0 abupy\IndicatorBu\ABuNDMacd.py +1376dac3aa8a73876393376b4697406cf2155b783b95bba24508fa15cf535476 abupy_lecture\image\pos_trend.png +143726f3164aff04e11569282c55de7e029c646e86dc4e2d227b37d353510f73 python\c6.py +14c2d41f03b9d8198fcbf9315a4b5ca48e6887b3568d0fc53193d9fe902b2437 abupy\UmpBu\ABuUmpManager.py +1582b88d97271add610cb7cb70f270513d5797bddb6d7c70671201e03449f364 abupy\TLineBu\ABuTLJump.py +15b1568e60d65766d8ba5aa8ff4eff456a4985f367e481f456d5db2f0400fa13 abupy\TLineBu\__init__.py +15d082f58195d707e96789449751a2cd668b5eb1b8687f4a7d1ef33f17974d9a abupy\UtilBu\ABuDateUtil.py +15dcd01a0b60e1c2f56510a9f23f38d95c1868fc3120d3486a6f29e7095dcafc abupy\MarketBu\ABuDataFeed.py +1694da9ae8904167cb59920830e16211c3b04d22aa6bbc34269b92e30fa4f866 python\c10.py +1941625b0e4ef4459ccfe987b3f57080791e117cd4def0ea47f53eb4c2dc9eaa abupy\DLBu\sh\Lmdb.sh +19ca2ec499527ff3a4827e2149e926d47b42c62fe966a2f55387b90322664a81 abupy\UtilBu\ABuStatsUtil.py +1ac6dfc7e07f2301720b13d7ebee90f56a059534983ef854455ada28f01aa0de python\c3.py +1b708553b20d161935dcf7993bd966d72868f96cf04e3b42439059cc0a50a0e1 abupy\SimilarBu\ABuSimilarDrawing.py +1ba8cd0f169d5084efc986d87b980708534af0afb4d5f90d2ea34c522a80144f abupy\MarketBu\ABuSymbolStock.py +1bb7b4d2ef1526b866f7d7274b2ea57d421c49cba94455f33586313f4dad37bc abupy\DLBu\ABuDL.py +1ce9de29a984cbbf6c6522b9b8e1a37b4b92998373eef88d7be3a11cb09dea4a abupy\UtilBu\ABuWinUtil.py +1e2fd2d308a13da94a3ea195ef94e11fead757cfe557da97a482fb883aa1d3dc abupy\CheckBu\__init__.py +1e599093df710f9e365e04dffa88656c4c5fd009e4af2669d5a9b222293ab9c1 abupy\ExtBu\joblib\_memory_helpers.py +1eed7eb4acd17b74e22972ce5ecb187b728a26745f93044a2fb0be43d6d7c591 abupy\PickStockBu\__init__.py +1f974c62e189f54586547348d1dc11ec191eb77cbac2258bf9bb83aa106212a8 abupy_ui\参数最优交叉验证.ipynb +1fcbd1dd7b7844ba98ebaf8f5b03aa96d3c37d250842c995f9d17d0e3c3e4ff6 abupy\MarketBu\ABuDataCheck.py +209d9ff20d9bc82f71b18172eea75b35151f5fdf326619d9d7a43ffddaccebda abupy_ui\gif\rs_line.gif +20d2f3789ba16a71d52dfb1e264862bc6dc994065aa36b667cfb7649bf024c0e abupy\IndicatorBu\ABuNDBase.py +215f5a0a7b57c279e0b2efeab36ae29cdb0e0ce70ae3a7155de81adae4caf95b abupy\UtilBu\ABuDTUtil.py +21f7e7f3873637c64519ab9c6a5560dde37b2f868f23502e3c2c8c765b051485 abupy\WidgetBu\ABuWGCrossVal.py +232f0f4478f3aabea6296d6a7882cfef84acb06c5cfa5d340e15ab7bf5b5fda6 abupy\UtilBu\ABuOsUtil.py +23ce26f44658876d7a11bb2128223055d7e7079bfcee53a42221fbcfb7c242b6 abupy\DLBu\pb\train_val.prototxt +2482ee1b85c86bbc0b374445ea7b839a08815f1dd846fa3b640737e8f65ffe1f abupy_lecture\24-比特币vs黄金,莱特币vs白银(ABU量化使用文档).ipynb +24891cb491b09097f8f638b2f1f80d5ed932cb1ba5f4acea1a223d08c8dad3fe abupy_lecture\5-选股策略的开发(ABU量化使用文档).ipynb +2504ee147bd1d94828e8f154c90c9c172ffec2cbe26c2ef619f63b3bc0f51ff2 ipython\第七章-量化系统——入门.ipynb +25f973f21724b332e9157466423b6de81b2c28fcb99a83dcfe7767694dd69b5b abupy\UmpBu\ABuUmpMainJump.py +261d83c12220fd8c508b29327ab529f11f164a458e8b8af862085c9d62cc2dc4 abupy\AlphaBu\ABuPickTimeMaster.py +26512de72d237c873580b75eb97199ca8a4a6878ebaea2d6390114ade40987ea ipython\附录A-量化环境部署.ipynb +268fe6c027d28de3980bc483d93685e462d4168b00a9f3baa4734ad8793e1104 abupy_lecture\1-择时策略的开发(ABU量化使用文档).ipynb +279c376fc71a8644b4b9218dadd7cedf5382d62844b91815019850066fdaca3e abupy\CoreBu\ABuDeprecated.py +27b1b02e45b06544911e973ee5093f2651a3ab151654420d76837ecc42404c9c abupy\UtilBu\ABuLazyUtil.py +2856f9dbf3a8c7156c3b3a60d8eb870b1c2bdbd1262d127000603bb4516215a0 abupy_lecture\30-趋势跟踪与均值回复的长短线搭配.ipynb +290c5308e1a48852532561435a2bca2b037a388b31f73668290d4e50203cc1cb python\stock_dream_ml.py +29492187a635c65e770cb3d6107f5c0c225299ca077c1e34d6eacada00ecd2a4 abupy\PickStockBu\ABuPickStock.py +295d310f9251f32217f5a5f10fa48b90b667c2c95bc8e919760d13ef2399d639 abupy\WidgetBu\ABuWGTLTool.py +2a05cc57e758bae4e0e10ae189050583a563a6b72578ac7db003e0a4f508afef abupy\CoreBu\ABuParallel.py +2bafe02df2b6871abe6e868ab5af86026b90c983ee70fdd58ca05893673337eb ipython\第十章-量化系统——机器学习•猪老三.ipynb +2c45aec4ecdf484ea213dc7b6adf421da3f978127fcdf15ea41e8ce0784bd1d1 abupy\BetaBu\ABuPositionBase.py +2d9a021f6372a2ac16776e14368805cd4dee5d040dc3fdd9fbedd6fa158f13c0 界面操作视频教程\第一节界面操作视频教程.md +2e2d68186734f3c12db796a5ace078a48b7528e12c988b528e179acacde4a319 abupy_ui\widget_base.py +2f5871bd4f3c2c12699e40bc051099973fd0ae9d1ae0b14deca03b5b9e40d667 abupy_ui\gif\change_analyse.gif +30ffd8b59e7c9382557bc352c11a7ce95e921387adb3f61b038bfd27d4a5ac6d abupy\SimilarBu\ABuCorrcoef.py +31c49eb0b4bd31f2f9947136f1104481e036c8b1890b79b07f7cbb0b7bae5bdc abupy\PickStockBu\ABuPickSimilarNTop.py +334ec755b2994b511b585648a8813d76c10d7078c0c4f9c057b4d41b28652697 ipython\第六章-量化工具——数学.ipynb +35181cefffba2492ff3de64dd02fb5b612159666c822b92742a76fc405b93fb7 python\c7.py +35221b985ca035d9fd5387d8ed06685556c553c67500fcf0f291befa5fc6b48c abupy\TradeBu\__init__.py +3568b6efedb9363aa270dcf90c7e1e7fa518550e8129dbbc526a7b535236f48b abupy\IndicatorBu\ABuNDBoll.py +35b407dbba1de5f7846f9841b249f0c6e0d4bcc0d6482cc9511ea74dc4cd2675 python\c8.py +368e50756d19b3df1d188c52298603c6b3ea12d3bf2dcf0c4b70f83e24c7e10c LICENSE +379a3a63590ca3280b59932a267d21ffb2069a7dca1aa6b6e36d3248e416bb5f abupy\ExtBu\joblib\__init__.py +379d6add694a25d1f9edc08b03956d5c25d9f32df74ff3d3a3f1e43a185900f0 abupy_lecture\31-资金仓位管理与买入策略的搭配.ipynb +38df97d3135fa3a84ff29a263711817a225e8161a5ad75ea253420bdf71b601e abupy\UmpBu\ABuUmpMainWave.py +38f0c114d7836faacaf0998b20825892fb554ab71526011f94f0ed27f3aeca35 abupy\MetricsBu\ABuMetricsFutures.py +391cf9ae6518985e7cf8a46c4a519611dc92108cd60b3dd6b6d81288d3b79785 abupy\ExtBu\joblib\numpy_pickle_utils.py +3aee6f769f124c018a00b4a19babe87f5abd0eec67cb3f82c5b905b7bd8fecbd abupy\TradeBu\ABuKLManager.py +3b6399fed63dd6c6a36408bf349070663060b2a8f06c55b24f9d4d73187f1325 abupy\WidgetBu\ABuWGPosBase.py +3b7dca26facf3c2eb23289a7b56f2bff56a85e82a9dfb12d08f8275d853871b0 abupy\UtilBu\ABuKLUtil.py +3bd518a1f36e32c4f92c1a50767d3275d782ddde5e2ac5231bea27a7505e712f abupy\FactorSellBu\ABuFactorSellNDay.py +3c4723f3655a0767346709c5714ba2eabe5a1e45357c23eb3ff2100921010ab6 abupy\CoreBu\ABuFixes.py +3c8ad9f6d55c395a273e6145bd8348eea541f9c00e5505c1f5b951d70dc89362 abupy\DLBu\ABuDLImgStd.py +3c8d0238228c399a384f0a6c71d2648a63417875a0b32c0e136b1f09774e6359 abupy\IndicatorBu\ABuNDRsi.py +3c938d8b5c4332518522fff6016fa9e450be9c1609ae8eafe738820277114ef1 abupy\UtilBu\ABuProgress.py +3d5fb522d3b43d0259378c9b7b043dc3ec86644e526af7ac6693add6b2aeee69 abupy\AlphaBu\ABuPickTimeWorker.py +3d86163322f6550d020c5465424a674bd884e667b09c0a76b558c55e11d69f4e abupy\ExtBu\futures\thread.py +3f759e31bef6d50c65e6248c9a72aeab7ab4acba4e02c80719a7aa5496a4e804 abupy\MarketBu\ABuIndustries.py +3f91cd71de0a8dd86434c17818ad9b8e760ccea429813d55cfe3a70d09342fe9 abupy_ui\widget_stock_info.py +3f9cb0d8283ad3bbfb7ce56a4b81a67c1d89358c01b26802405dae527a76806f abupy\ExtBu\funcsigs.py +406f00f3c56c5c997d8778e7d3318e304aaae4a7755d15e338d99a2a1763a07e abupy_ui\gif\jump_line.gif +41032f9a78b78a53268faedcc69dc416babba26bb47e8b20ebd4f2b4485c3166 abupy_ui\gif\loop_back.gif +4201477422545fe850128e6871d3571af9954c8a1efa26d5f0cd3a5bfeaf2e8f abupy_lecture\28-真 • 动态自适应双均线策略.ipynb +427ac0e90001d20e27dd7bb4e7405e624368db1e2292cbb725ff36009dc3d49f abupy_ui\gif\golden_line.gif +42a2ae240a28311b561b88337bf4c07fe4b2a76af4e0af2ae97bf89cd6107b03 abupy\MLBu\ABuMLCreater.py +43fbc4398bc997882925df632192107edab964cac043a1b7ea684202a663fe53 界面操作视频教程\第26节星期几是这个股票的好日子界面操作视频.md +4475fde9815b2a742c7495543d12fcd6f707a885c5635f6c68a4890648bb470b abupy\MarketBu\ABuNetWork.py +449d9750b5d4a9a24dfcb7708403c653f460a970280831e05f4b9a66e2f30252 python\c11.py +456e3a4765ea9f3b1698f9ea95c72b9475eed4ceb9a3c147a48ec02f22b4e645 abupy\FactorBuyBu\ABuFactorBuyTrend.py +45c7a220e7f9ace9ed2762b81f5b4501ab5c1176e75267574be516ba0a27342d abupy\WidgetBu\ABuWGSMTool.py +46d1df9838f9c39a756264a95c1a0c14aec51f1128251e6f2d5e942911d84daa abupy\UmpBu\ABuUmpMainPrice.py +47952b4539e9c0bc9b977aed5b6fa0711f62ea3a8724b513046d69a04ccb4bf1 ipython\第二章-量化语言——Python.ipynb +4873e77dbe095d3e41b0efc520e78678725fae7e5096766e5d0f17e52216d854 abupy\ExtBu\joblib\testing.py +495f35494628c8a64d463cb83f5e64bf1560cbaf06d83d662d1f19db8a3c07c8 ipython\附录B-量化相关性分析.ipynb +49d8132a5b860fc8b1924beb29bf205d8850705b079ec0593603c479f6878e22 abupy\TLineBu\ABuTLVwap.py +4a3b68a17b0e62773e52892d108cef1693fe36695835c94bda37c86ae7c38077 abupy\MarketBu\ABuDataParser.py +4c10eec383044454afb33e7f9218d98fc28b7c9600fb5989f0b8f78543ac7d23 abupy_lecture\7-寻找策略最优参数和评分(ABU量化使用文档).ipynb +4e4b1615ebcb5c5f618b660e9ea0a162ac3ddf107dbea49d4bf841ff9b35d9d2 abupy\FactorBuyBu\ABuFactorBuyBreak.py +4f7d5ef35908b79c1482cb39dff539342c6e9022ba0c0f8bbc1ea21028cb2ca1 abupy\ExtBu\joblib\parallel.py +513ee03ac624f2790ac0c73053a45d284fb3ce178acd870b13770c33ed240a07 abupy\FactorSellBu\ABuFactorSellBreak.py +51ff17986284e4174d9f6a3be02916ce5a87e6a2d52131a6aeb266a41970a2b1 abupy\WidgetBu\ABuWGBRunBase.py +5293f2ef12abad3fc23d64ef854c6006a4be9ee131eee06a7318e11695af15d1 abupy_lecture\25-期货市场内外盘低频统计套利.ipynb +52b3d09abe198f7639bf69c1368de7cbd176473c4303dd7c2b407dbe343c3fbe abupy\SlippageBu\ABuSlippageSellBase.py +54caa3d525177207199d54071072af68ac81067764b90ae62b842e4afb4ae8d0 abupy\MetricsBu\ABuMetricsTC.py +556b2f16f84aeb25ed874f0ad63801a4bb826a5249bfa04afa841ee17fb8cf9d abupy\TradeBu\ABuOrder.py +586da779b257d3ad9ceabd78aa2fd7227ed820003f3f467868fdae6dfb94f458 abupy\CoreBu\ABuPdHelper.py +59420600e3eeaebddaab4e75711381ff1e30a43f55f560f0bdd537f6b0806d8d img\img5.png +59901e4762dcd19027c041e9de2d067606a0da737e2d55791df47f70278da521 abupy\FactorSellBu\ABuFactorPreAtrNStop.py +5b3ddec9f14daec26ccd8d6e325c34c0e85ec16fe87feffdfcf4c4d28b9ef277 ipython\第五章-量化工具——可视化.ipynb +5b3e8bd0a7f3883db3444a3dc93424cabc1c6add43827885fbae89884db7075b python\happy_life.py +5bc1af355d0e793452b517a347c63715911a524783eff4418039ebc9c57901ae abupy\CoreBu\ABuBase.py +5be1e090e0e9cb8b1943eb6384565adaf3e36784428bbc7410adeaac9a3875ba abupy\RomDataBu\futures_gb.csv +5cfc493a38a47d9d3c85418fba27b43dd512c47c536817cb038659522a5eda2a abupy\ExtBu\empyrical\__init__.py +5d5fcb56bd9c66d39c21699a01fe1c71e31a2773556025ad50beef871a0bd4ae abupy\FactorSellBu\__init__.py +5ef91a90800ce8f5b37c990ab62cf275efc8c74d8cfa7c892b20fc1c49612d63 abupy\RomDataBu\futures_cn.csv +5fc6a3165ab0f501b5e1df393f737c6f7408e746a276140b867d4f633a1aa16b abupy\MarketBu\ABuSymbolPd.py +60ba84c9d722ca238fa4f3b7f77f55e52124d06645c1c2afa092e9cfd0270f7b abupy_lecture\image\st_mod.png +62aaf2c1e693998ee4940a7d6d5d1ad26f9d884dfcf65764200364600bebd598 abupy\RomDataBu\stock_code_us.txt +6307a955aee81b033366c464b19c95c699ea4041059b8732c7e1d444cc6686e2 abupy_lecture\image\zsg.jpg +63a470b6b47b224b166677e0babd16442f87668d7b72fc6fb46e147a72e506fd abupy_lecture\image\mmm.png +64e57f4e18f0377974779cccdf729ef4b366645e7765c906ba4bb952eb7b5d8f abupy\FactorBuyBu\__init__.py +65153ab8ed464352a16d623f6e02122be0d2d8123977cbbbc7c42567fc09e205 abupy\ExtBu\six.py +657482113f10652ac24f44557943c218395bd6890c56b3fba255df7748c769d8 img\img1.png +6658f72384cc7a57052175f8ba09a56cebdfb1fa3397b222c8486437e71fac9f abupy\RomDataBu\csv.zip +66c79d15714a289991c6f27352d9333f7af5f0cb63ed15d03361e8dd6e23a9b7 abupy\MetricsBu\ABuCrossVal.py +6a01c8d52c44ced209049693cf276ce08c8c27f5fd736e8cb59ccf1c49d2efde abupy\FactorSellBu\ABuFactorAtrNStop.py +6a96de6e26405f709252813168867a826ab8e0e9129803b679331eff89410955 python\c4.py +6acac880059debd1285bf919d14cfd52c3d98fe092ab3f522d8d282266da50ea abupy\SimilarBu\ABuSimilar.py +6ae30d9521cb7e5d4e063cf697d44b0ff245cadef2b47f02a988d3fe2e0995fb abupy_lecture\20-A股全市场回测(ABU量化使用文档).ipynb +6aefb132d414777c0deb10a72f858e09d019348c714c15dfcc959d92f93dab17 abupy\ExtBu\__init__.py +6b0fdf31674357e405d887a23eee63075ea8af2d2e8a2933bb056d4772d46147 abupy\BetaBu\ABuPtPosition.py +6bfd4e658ea7c2159d71b8a782e5ba10c024ed8f634d4afd8d1b33bb4e7adc82 abupy_lecture\image\gg.jpg +6d58ebfbc18517ef307e95512bc6136ad983c0121da769dc2c678bb4371eaef9 gen\stock_day_change.npy +6e102f61827fb50e87a2248655681b54170328b82d89b8ebbf7df444115c795b abupy_lecture\image\ump_trade.png +6e563d1edb68a5c85da3a2ca5173d64716eceedc0da92952c0c9519e99717c23 img\img11.png +6eb798db75fcfbc1b5c440900d41a09066adf99ac8af7a07b2e1428f196599e8 abupy\DLBu\sh\Train.sh +6f0aa72c718c77af3a9b4272a3d40cef4e6073de1693aad2ab2cea221c40af33 abupy\MetricsBu\ABuMetricsBase.py +6f147c61e4daeefbcc0b6f543b765478d49116a6783bbcf0fe0ac07ef6bb13a9 abupy\ExtBu\joblib\numpy_pickle.py +6fba462fd3d9176c76d60157ed71d79d2a7b110fe81dfff8295b6d5f50a3331d abupy_lecture\image\1.1.png +6fe863ae8c2912be5612fb128d685dfd06dd885125283ae0825d6890ea83feb9 abupy\UtilBu\ABuScalerUtil.py +73160b6fef2c381f52dbc86dc7e5ce4e8ad9c191fb5f27332e9f097f25ad74e7 abupy\UmpBu\ABuUmpEdgeWave.py +73214a228cda2e0976ba5d15a9097ef41f0bbf54797466ee3ff24e04698d730b abupy\TLineBu\ABuTLGolden.py +741bd108caaabfd9bca81b37ee12a9b2502bbdba70210da1173800976f8de181 abupy_ui\widget_loop_back.py +75f1fa291f1427407909a9fc32df7605ff8a572e07e7a49fac42ce62b4a4fd97 abupy\TLineBu\ABuTLAtr.py +768a972c37b30146651c40030ccf814c0b2110ca7e341e68f127c7960d3c4aaa abupy\CoreBu\ABuEnv.py +76d19ec911d7a9bde13aa8a1d1782bbf6cb59e5619a73f965d20ca8061380203 abupy_lecture\11-期货市场的回测(ABU量化使用文档).ipynb +774f576df9587343da1f9b9bc6e663cd00886deeab79b42d29f3db7d644a5766 abupy_ui\历史回测界面操作.ipynb +791cbfb88d470a943ca455984092354a9ffd6a3b18537d233551c90e30d75dca abupy\UtilBu\__init__.py +79e5f0d655573655a3b24aa0c015ba562f5dd666cd27ec9ea3b250ed5a1c8b45 abupy\WidgetBu\ABuWGBRun.py +7a3167a99c5b558a8af0233df4d673f5590f7b007eea92be5fc89ed92f9894b9 abupy_ui\gif\stock_info.gif +7a840a94a02de79c4e30256fdd32a2535dd4b033945f4b16accb17cbf21d8848 abupy_lecture\image\du_trend.png +7c90bfa3eb0e334b447aa8bd8a5e99cf121a8ce6558534c8005790cb4d08ac69 abupy\MarketBu\ABuHkUnit.py +7cc59f9fbdbd756c1f9e6560ca4d9a96ad3d64c805540dd3767abf3348d3e353 abupy_lecture\8-A股市场的回测(ABU量化使用文档).ipynb +7d118fef8b6ccf7f81111877bc388536f7b1e498a655e3d649d19aaa010e9f6f abupy\RomDataBu\ml_test.csv +7d1f3249745c4a83ca1f06c0146f1627f34270b40eaf2a367029747b05fa55c1 abupy\DLBu\ABuDLTVSplit.py +7d80a9de9b9285c261362f9a06e367b96db5b3655d19d9806767d23e5dff8548 abupy\PickStockBu\ABuPickStockBase.py +7df34e1ae0bfb70142e7977e3cf597a06cb4f0f5a93fef7836659c6518020a24 abupy_lecture\image\ump.png +7df34e1ae0bfb70142e7977e3cf597a06cb4f0f5a93fef7836659c6518020a24 img\img13.png +7eae64df69a6addbddc3cbc6822e1c8799a195bb00583b48944588d32929a084 abupy_ui\run_cell.png +7f23b5e30c519835edc40586a40921e0f5d8d8334a294ddf63222b572f9899ea abupy\WidgetBu\ABuWGQuantTool.py +7f424729131e98c98054517ab599fd171e289b5d0c88847ca48cba3816f488fb abupy\ExtBu\futures\process.py +804aa366d1f3f0fe0949334fb425ca56bddc4abb865a6dcc941bb5ef27d92387 abupy\MLBu\ABuMLApi.py +8074abb30ffcdc8b01bf6f8151905ab362f32e55e388b134256a02d748b9f9d5 abupy\UmpBu\ABuUmpMainMul.py +8225a5e0481a291ad35032129f982957c6b8e5c6fb49507943e53f0d09dd16ed python\c2.py +824b6fd0c4a5f2f381997229b32da02a9989ef2c5539b07fa3f681dd617665ce abupy\RomDataBu\hk_unit.csv +82ffd3120926666dc4ca2cc2a6b9378b5398b8f274237ed7b2b9fb0572bb6271 abupy\AlphaBu\__init__.py +835925a0611e7af0af95ffdeecaeb003e975296df2dead0da640433a921112e9 abupy\AlphaBu\ABuPickStockWorker.py +8361d272eddf74b9912fee0bd8eae4c830135758a8a59374c13584f1ffe5ddb4 abupy_lecture\image\f_trend.png +8372f82a385af015f3138776d4b02478b3fb3e8508afb46aa450c8fd12ed4c7d abupy\RomDataBu\stock_code_HK.csv +83f3876b4c607b3d6fb542dc82f181b97cdbcf6862b661ad5ddd224487f550f0 abupy\SimilarBu\__init__.py +83febf8631a6deab264967e3ccc2dfc8000daf17c526dbc1d6d601db72da3e1b abupy_lecture\graphviz.png +8402edc957228dca1dbf01ebb2783c8f3eee47ce4b571f80d1e728e99e91fd58 abupy\UmpBu\ABuUmpBase.py +84af45ff04ca628ed1c65016cd1f96cbf326d297c5ba8a13875d9c84f59aa54d abupy\UmpBu\ABuUmpEdgeBase.py +85434f4cfa6b896d29e954116406cc3777b3e6d99fcabe9144287d02d2ef12b1 abupy_lecture\image\qrcode.jpg +85434f4cfa6b896d29e954116406cc3777b3e6d99fcabe9144287d02d2ef12b1 img\qrcode.jpg +85afb9970ca3ae2329cbec113074c3c3b51e6fac7f324d1d8995fbe90af64087 abupy_ui\gif\v_sense_line.gif +871e3342323996158a07f236bd8ec8841d7a65a7e8c76437ee6aec93dc697e89 img\d3.png +871e54d8ccc801a727edd4b60651c076ac57978d3e405b204ad8deadc530f4b9 abupy\BetaBu\ABuAtrPosition.py +882eba2409ebdaaade87d084d702cb97544fe1b5ff304aaad71104bd54e3dc8c abupy_lecture\6-回测结果的度量(ABU量化使用文档).ipynb +887ea54493c4e2a89565f18b0e9fc4e15b245afac63f9dd8d8a0ee91b5ed4faf abupy\ExtBu\joblib\disk.py +88aaf10e0308717590e6ed4432967316301ba3af69570a5572134158d10fd79e abupy_lecture\image\save_cv.png +8a53b278a2a0699d6a838568bdec667eaa5890f234688f334344c8995913cdce img\d2.png +8ae701a1edc9a33de60ecf44e455dea46a1c773abfef75241f84e6446071939e img\img10.png +8b56ac9d6001dc34b49181d541994a94a65d3e6bbbc17cde0278a4f7f32646cf abupy\ExtBu\joblib\_parallel_backends.py +8c33a1f1e99fd6be902764a7fa94fbec8ca4037379c37a1ef2a494a7ae4d0977 ipython\第八章-量化系统——开发.ipynb +8e4c746ece6acf34b88b3a2f81d15505a8674ff05dccf2e6379a398a985996e0 abupy\UtilBu\ABuStrUtil.py +8e6692a5aa75eda738e2330bcbabc7a10a270895dbfc209cad6f1c799fe63766 abupy\IndicatorBu\ABuNDAtr.py +8f1e32dfe65e0b480db3262a7271323c6d33a8d665cced9b78ae7d87f96b48b1 abupy_lecture\18-自定义裁判决策交易(ABU量化使用文档).ipynb +90379006de5a6ada2579dbc3c860ea7e7b5fe93bd16fb1fd6b35495857e923d0 abupy\CoreBu\ABu.py +90ca120434d60feb08ef47dc25b57047d8a020dc88431476bf6ebe017f2f04c0 abupy\SlippageBu\ABuSlippageBuyMean.py +9118deeaf8f9e08640402832940f44938a2e2e87cc341fdc6af9230147c715d5 python\stock_days.py +92375e6d7a12d65ae96af5b4ec9162aa63a6b43ad6583340e9321ff22794d6e6 abupy\CrawlBu\ABuXqCrawl.py +93334437aafd669adc1a61842eddbb2e2ef21804962dd4c29b2cb35b4cf28318 abupy\FactorSellBu\ABuFactorSellDM.py +937a4ba77edae3d2eedaf42ee64719c03b8605b1dfb507b28a48d9b2a84e6452 ipython\第四章-量化工具——pandas.ipynb +93d223a0cfe7f58dfbc86d93f14883bf4925a0350046ca3e16f0423c3fa24c85 abupy\ExtBu\joblib\pool.py +9453d162f5129ae5f99a5f03d1628dcd186ec205b8d0730c2879bc4d6af8a8c7 abupy\FactorBuyBu\ABuFactorBuyWD.py +94803cfd7cefa2f4d5331573546f5be8d20416922023c75554827a7c755cf340 abupy\MarketBu\ABuDataSource.py +94f24aeb70f35b4914a6b1d9e09f41dbc9b4c60198be3c18b12ec700967d1ceb abupy\CoreBu\ABuStore.py +9577ec0e7eabef10e3c418b995c3072a084dce4f5db69c649c0705266fd04085 abupy\UtilBu\ABuPlatform.py +95f13283dc81789ff16bd1068335c25e28def1666475ae90e814ff8755f2972a abupy\DLBu\pb\deploy.prototxt +97f70fc8ecf8226a0a79d8e952afbb6bacf6c11665e8651cf12c72cc274a19f4 abupy\UtilBu\ABuMacUtil.py +999a7a4c5e541c1471f261825a0ddffebca008e4b00675dbe8ad90b77f75cd5d python\c9.py +9ae3ccedf33952470d4b44900cbdbafae032432be0f332967618c203638e22e7 abupy\UmpBu\ABuUmpEdgePrice.py +9c5aa4db444e626b89342f8470773f8cb8dcc90e7a9c4e7a5abfc96bea77ea7f abupy\ExtBu\empyrical\stats.py +9c9a5c6e44cb25b3c79461d4936d99f31fefe720578d5e5152340b7b2ec482ce python\readme.md +9d70de2d5bf476af0bf81be89d74f4624f7f5aff64083dfa26bb8af2392b03b5 abupy\ExtBu\odict.py +9e2a448ef557164bf130423417b4111978537e571ab6d45ac589735462660eda abupy\UtilBu\ABuDelegateUtil.py +9ee80bb9bf9fd10e342ef5bc547f520fa43e443d4a3b84c6b3c12ddd6f26e423 abupy\MetricsBu\ABuGridSearch.py +9f9ee791770134207625d7052febd0a86485f0694c85bbd39910b437d939a964 abupy\UtilBu\ABuMd5.py +9fb3aa48a1c7330e92f6091b2b29a6ae20d75a1b849ef626eb16bec12b9aa5f8 abupy\AlphaBu\ABuPickStockExecute.py +9fdcacb58ae1f956f9554fe2a9267145fdec0c302c27363f36c9aa4fa333e2ec abupy_lecture\2-择时策略的优化(ABU量化使用文档).ipynb +a0c6cfa33fa0d68f5bb75c9577c65de5a37bed98e989d6d0a5a6cfaf4e11f89d abupy\AlphaBu\ABuAlpha.py +a15fdb14030160657b726a2b0d1e676b16dedf9158d5bfa85c4f4d94efa56213 abupy\DLBu\pb\solver.prototxt +a1a8cbc3259b5f8d00166cf92f6ec10ab81f9a9e26e501353e3bf6b20c825f29 abupy\UtilBu\ABuFileUtil.py +a2546b9f66eb793cab7334f04ccc16fb6633f0e4bce98049551c71f0220e82fd abupy\__init__.py +a2be1ce8fb9c27f0ab3b5f680fa95d9ab251eba48a090d676a2920c4e1b8b52d abupy\MarketBu\ABuSymbol.py +a38ab22bc2569b2637ef0c5e9dd376f7b45bdbcde909fae8355ee650ce8512a3 abupy\RomDataBu\stock_code_hk.txt +a3ebfad72f649d75a17a0eef81c3c6fc7c3d7c2bc2c09049bf19311c562bc216 abupy\MLBu\ABuMLExecute.py +a4910b329666d62824868beeeb3f79232d4418de1276329122839df14f9c6079 abupy\UtilBu\ABuRegUtil.py +a4d99a3c0283b377f210cad4e979901c09e9459282c7804b1f15ecad84b12ffa abupy\CrawlBu\ABuXqCrawlImp.py +a529704b3d974df9a342a09bb8127af447f86c13a8a5b804847503130a6e938e abupy\BetaBu\ABuBeta.py +a546949d8596055e5f2fd9b64880c6e07b7d8aa3332e15aaae8bffa6e8ca73aa abupy_lecture\12-机器学习与比特币示例(ABU量化使用文档).ipynb +a5982f7f3876b310d2285767ab03a689a1083557493dd6a28d852670c78ee6fe abupy\RomDataBu\symbols_db.db +a6967863eb05cfb22967d1c29b04435f9120ef47f03c817331fac3ddb6d2b300 abupy\SlippageBu\ABuSlippageBuyBase.py +a783ccdbe0724637f16f34e60546d4ee121a8339a5ba0979aace819c1e0e0ccc abupy\CrawlBu\ABuXqFile.py +a7a2ffe9ed996f2e4742c14025c78a5e63849ab98445fd1e062497f728de31c8 abupy_lecture\3-滑点策略与交易手续费(ABU量化使用文档).ipynb +a82803aac932d0c99b082a0c15e96faa659c57e2a0c72f5e2294bfee057c6105 img\img4.png +aa78b144054385ebb8a866684a6d55c6388e9935ff367468a7b0690178617123 abupy_lecture\32-策略有效性的验证.ipynb +aa9fd57d427b5f45dd8c9a9bd8dcea44823abe739f8658b6bcc6e4d1ed8dfabc abupy\RomDataBu\stock_code_US.csv +ab8619bebb577567033581cdeeb14f850a2f1b62e0c3bff0d9ecfc9b359c8fc7 abupy\AlphaBu\ABuPickBase.py +ac3a7d4a0c53d0895b1a5f295e137e44d856fe2ebe4934cd394e087fab797943 abupy\TLineBu\ABuTL.py +ad25ea2fff136a1cd30304af988f9404d7dfaf96e7edf5851e40f8ebef764f93 abupy_lecture\14-量化相关性分析应用(ABU量化使用文档).ipynb +ad530ccdaa8639782936457660cc15c3e3f751afa0a82bbfea4a006d12f2de74 ipython\第十一章-量化系统——机器学习•ABU.ipynb +ad9a0cf9b6d4cf11294a431ebec7c3ec1610c22527841ae2c4d81d32c4d5c799 abupy\UmpBu\ABuUmpMainDeg.py +ae75661c0f71af55535725e44a8abd5271e318f4aad43be93324c65ab0044f6e abupy\UmpBu\ABuUmpEdgeDeg.py +b028286444deb9a035a6b34bc0a3dea7655574059f537243de4233b07c170ba3 abupy\DLBu\sh\Mean.sh +b05d5e0d5fd491efe1679b1b9aee307eed359a5b8c65b59c4eec0715c30168d5 abupy\MLBu\ABuMLBinsCs.py +b0cdefcbf12e2c75f7caa4b0d7c8d53c82ed3899ae024cd2b1d734763f0338e6 img\img14.png +b12e9fd1ff62b6882d9bffdc883a133f541792c0a377080821fdcd90105b3347 abupy\WidgetBu\ABuWGPickStock.py +b1babf51028c594792e4add2c06ec57828c211cf103fd5efb6c93489c797eee9 abupy_lecture\29-多因子策略并行执行配合.ipynb +b2e631e8f15eccbdd57db0417652948e161f69a94cdfc641a1fdd956d837fdd9 abupy\WidgetBu\ABuWGPSBase.py +b396f45b2a79b499742d24c6909d8477f4a0efdd199e6f6ea03dcd1907353463 abupy_lecture\4-多支股票择时回测与仓位管理(ABU量化使用文档).ipynb +b40fcde668d6562c95f92ef8093ae172cb246a4d7e99b4136c13e7f9840325bc abupy_lecture\9-港股市场的回测(ABU量化使用文档).ipynb +b64190224979b822d0f35630f7e7c377f240f7984c03c6a7aa1289934542a488 abupy\WidgetBu\ABuWGBase.py +b74b5091abd9755f7aaf2c29fd0bb64ac2ef5fb0e601ee6fb3d642688519dbe8 abupy\AlphaBu\ABuPickStockMaster.py +b85a917dc7898725cb51b372e1bfc5b565184d6ab8e54716df67ae66dda076da img\img8.png +b879f0cddab1e7b8621e84fb62aa96fcf566bc9acb332d020af10322aa4f3dd6 abupy\ExtBu\joblib\_multiprocessing_helpers.py +b9846a62bc9516706782391fa7835443b4adfd0ea5e1c23a7dd0d7b2b50c7f41 abupy\WidgetBu\ABuWGSFBase.py +bae8b56db12f38e1ea1e54be8cad85c8e3e50d41a9edc368e6709c39c2cc651d abupy\TradeBu\ABuMLFeature.py +bc3242a439cd9c2a29b11f5c0b93404516375565d8792d5e55b5602d4716b3ad abupy\WidgetBu\__init__.py +bc9582f12f1a2f9fe50d7f801269765b2dfc503ffb3a2662dca344931e467296 abupy\FactorSellBu\ABuFactorSellBase.py +bca435dd154be88ba5d2166a68ac6742c441df8d44d750b24743401123f82dd2 abupy\DLBu\__init__.py +bcd36167a9ff2fb9d6ce868d230badff46acf0f023ceae7b34f35cab4bc9e14e abupy_ui\gif\channel_line.gif +bda4ed1eb50f671d3c2970e33f9f4373ef5ce13d9a1f325c9a62e66191a88550 abupy\CheckBu\ABuFuncUtil.py +be8b67350f66a4a9d4dcce739922c3135fc20ddbeca6f50a4cb46c9ca9dffcd2 abupy_lecture\16-UMP主裁交易决策(ABU量化使用文档).ipynb +bebe9c303eb783aa29fdfb960452b5fec96adfc424183beedaaf78950a386d72 abupy\RomDataBu\hq_nav.txt +bfbf2dc6f594c0bc0b38c5ab2fb74d0a9221c4c9ee63c6be2ac4dd70d2cbc596 abupy\FactorBuyBu\ABuFactorBuyBase.py +c0f17354f14f2134c46a4ef518dd1051ba0a96c4cab681c31b6906e582a35635 img\img6.png +c184a4d285e806b297afd84f4ba559276ea8c26c6019c49ad148c7e37d2a1e31 abupy\MetricsBu\__init__.py +c27170f949ee228e7eee024848d276e3c8a5a1135c6e1aab40c6db1e5fb37bf2 abupy\WidgetBu\ABuWGBuyFactor.py +c29466f97e4c6c699f927b544296821f022883c2f4f0ee7741eed2aa310e8a51 abupy\BetaBu\__init__.py +c3c69ef408d50de0559b84497f13f81c20299148a4f167ff5539568aa5ecf352 abupy\FactorBuyBu\ABuFactorBuyDemo.py +c62b422e0294727560b971f9c165917058129590dfb135028092eb1582f777bd abupy\PickStockBu\ABuPickRegressAngMinMax.py +c634c131250e70785335c76298baeffdf12bee67140bb0ceaa3f6b3493a72639 abupy\WidgetBu\ABuWGBSymbol.py +c78aa7aac8e721a503869484c9c5f542fb40a19f346fb0c08f0dfe0a7c867bf9 abupy\MetricsBu\ABuMetrics.py +c7f699f758d5c72fd16784d29b8c6d4c1f0857d6b570c4f2c82e2c7063b20fe6 abupy_lecture\19-数据源(ABU量化使用文档).ipynb +c8e6a0385460e3cbac82d570aad3c8c9a1abd671c9baefc4a94b08f1f23e5e12 ipython\第三章-量化工具——NumPy.ipynb +c9467a0c5dc290c30eefe20186fdcd539ae80e0cbf9b2756988175254ad0208e abupy\WidgetBu\ABuWGUmp.py +c9738a1d7e69c2de38506f07ebaad97c63cb326f378de47c6782abc32fb39a17 abupy\SlippageBu\ABuSlippageSellMean.py +ca6dee6da5efa04e4d82b1c9c81e5b894550bf6c54603618a11db81f86f0d8c8 img\img12.png +cd2bcbb39ae959ccc36351c6ba7d4059797e92f00b863400f0bb5d5c7abba9f8 ipython\第九章-量化系统——度量与优化.ipynb +cd3f69d06742503d3d404587bbe50784c669562c0985e64368f521b514765586 abupy\WidgetBu\ABuWGSellFactor.py +cd50a24be0c603e8deb8efabb98179cc55027f4416d59f2e2a0ca54a244b0acf abupy_ui\gif\sd_line.gif +cd68b936f10ab4e40f4e41edc3fa6ebfd7fc0bec68a29fce2a20cc6db8b04acf readme-en.md +cda1542df680c3937b554f1aa42400ead7339ea9d32d19f9da49cc43573daf70 abupy\WidgetBu\ABuWGPosition.py +ced040fa3a899f66ec8549e967a41b604725c7de92d5ccdc1ec290e2fe3a2f63 img\head.png +cf25a5912f0c641bb01ee9bfb2cdb1456f3187e2ebd41b1b552ab9837463d0c7 abupy\TradeBu\ABuBenchmark.py +cf3317f5c5cb8db29d597414de8349f838f799a485d62a8e7f08accb4cde7aa2 python\abu_local_env.py +d0c6528009b1e359abbe752a9fcfffe7b4b534145a339d79e27cdaa933bd16e3 abupy\MarketBu\ABuSymbolFutures.py +d18ba10f120a43768f5412a32cd0efecac0938d2c7538145a6cee33ea8d98099 abupy\TLineBu\ABuTLine.py +d1c08bebcb9e9148c547f0d7a989a386873503fea405ec7c31f0fefc119e6938 abupy_lecture\0-abupy量化环境部署(ABU量化使用文档).ipynb +d1ff60b178a6011468b08300c8e76608f7cf8ca9b1f7d0f48697b0df695144e3 abupy\TLineBu\ABuTLExecute.py +d299412c085fa518daedc14d4ee81b37ac7fa315252060afd934504cfcd13d45 ipython\附录C-量化统计分析及指标应用.ipynb +d2c62927be31b58d7df5d38c33887250397fc19fbe3c415843d8ec32d829542e abupy\TradeBu\ABuTradeExecute.py +d3a9de878d7e9ae751067140b385f09cf421814665ae10efe31d387b9c4851f3 abupy\TradeBu\ABuTradeProxy.py +d458c7554ecbe434ed30c8f24752082610e574fd47bdddedfc34948b8b9815a9 python\extA.py +d4a30ff26c395ac31c9d162074fd66819b531bfba564ce3b187ead451ff32f7c abupy\MetricsBu\ABuGridHelper.py +d585ae033f9b7fb94dd899a937f15ccf52dddee248e68d3600d0a2aa6753ee57 abupy\FactorBuyBu\ABuBuyFactorWrap.py +d5e4fb7d04c715212452cbc0a31bd5e19f43467782a5e33f3e695b325010b44b abupy_lecture\22-美股全市场回测(ABU量化使用文档).ipynb +d6199243b9face5e2199c1a158c05819cf0364108bf141e7a7a253da99618f06 abupy_ui\widget_update_ui.py +d68700df054bbf2273d53ea58caa288d4d6b5cbd88b4700f220b7258ce03ede2 abupy_ui\gif\regress_line.gif +d6abab28a6932a27e6accac3ec7bcb438a6a561297c5c75b1c080556cd933686 abupy\SlippageBu\__init__.py +d6d5f4b8e9e2dca051c958a1973efa1bae7c54f3adb3f88094c189566b41f1c3 abupy\ExtBu\joblib\my_exceptions.py +d706184bc32fe84e4b319808b9a9e0d9ce94ac6489b10d5543a27f96e4489f79 abupy\ExtBu\joblib\_compat.py +d723c2c1c6fe59e044a8b274e7838b80d84267b2964d8a78176403ab0329492e abupy\UmpBu\__init__.py +d7267596355408d2191e9765cfffb0509713bc1c00b9471ad7cd39be591cb9af img\img7.png +d78b986e6ebffbbcc64d95abb8edddc54524d7d16f880f161a43141ab090cbd4 abupy\CheckBu\ABuChecks.py +d7f2260cb99745ec569e245bdd25ff6a2ab7a278e225afe6cc826a3c9b0bdbf8 abupy\TradeBu\ABuTradeDrawer.py +d86aadc7075e1787cf2ca8e5b981b3ea021836835ab93b0c560ea8f75f36eee9 abupy\MarketBu\ABuMarket.py +d878739898e3eb66c50dba6c4f9140395a1bdfd530b02f00e9c23431385cda70 abupy\ExtBu\futures\_base.py +d8a4ca51ba439b620694ed6f3b1d8318685f76b5b6af707ff13f66324fd9eb46 abupy\CrawlBu\ABuXqApi.py +d8da96d04f5d2f7baa3bc00e4b0338cf4a8a900978e442ed9856f2d50629ed6d abupy_ui\widget_quant_tool.py +d91f0f00ec7d85a310423c9012acf848a785d47a2085003669e9d02ab5ad91b5 abupy_lecture\image\abu_logo.png +d91f0f00ec7d85a310423c9012acf848a785d47a2085003669e9d02ab5ad91b5 img\abu_logo.png +dac99e1ff8172477c021b024b028981752fdc888677703f353a1ed17b2d9a814 abupy\WidgetBu\ABuWGToolBase.py +dccd7b9dfac945490646cc7e0ae3432f2b7327d0221d7a05b449fee12f96eac0 python\graphviz.png +dcff4bbec08fcf09831f58574d5ff6bc3733c12bc8381c6dcf17dd1c5e2255ac abupy\ExtBu\futures\__init__.py +deaea520aea1e7864451e96fe34f080989fcba1ed6dc652dbd176d881909adb6 abupy\RomDataBu\stock_code_CN.csv +dfbd1ce220afbf6b73bf78461d98a8c5415cc65267d2b2b8f8c229d64b769b99 abupy_ui\widget_verify_tool.py +e16af049259d274867d8b00af31ca77af4c195e5c948672f262a89bd160ebfdc abupy\AlphaBu\ABuPickTimeExecute.py +e1afb033f1b4cdd09972e0fef15a849236852fe026e0b75f99386dbd01d8b183 abupy\WidgetBu\ABuWGUpdate.py +e1d43f8ea3ac4c627f7b325234ab8bf274c6093951cb2512466f03678efff89f abupy_lecture\15-量化交易和搜索引擎(ABU量化使用文档).ipynb +e1f596b6287810c7a782f59ca149dce3e4fbcbfedb9418c5ea4caa0d218c68b4 abupy\TLineBu\ABuTLWave.py +e2b966db05d5e9a28fee8b09690726c43e9aab4958695f95b4693535f7945c68 abupy_ui\股票基本信息查询.ipynb +e2f3c1585a5bc90eb22533a9c5c56a407a4a95257b1fc3e24df6cc585c808082 abupy\TradeBu\ABuCapital.py +e2fc22f9ee267f8f29489391401f5e28feef72e0a9a4e62a1d65e616dadf6304 abupy_ui\数据下载界面操作.ipynb +e3b0c44298fc1c149afbf4c8996fb92427ae41e4649b934ca495991b7852b855 abupy\CrawlBu\__init__.py +e449010de1dc901c23cda2449f958631429f0d02ad61f23fb1f02af1a387a2d5 abupy\ExtBu\empyrical\utils.py +e4b3ba861558270a04ce360e1ac16f087deef8a70e63ab09041ec9830e1e9902 abupy\ExtBu\joblib\memory.py +e57b3324da1e9cdef6c4ca3aa9adf4525d1bb0b0d44eb46557116c5fe21e4b1b abupy_lecture\image\g_trend.png +e59eebe70bf454ba31887e7c4c43e53928b9dd580f108b4fd46be799158dd0c2 abupy\FactorSellBu\ABuFS.py +e5e37521dda0493ce13291c5f7d805786963f256c9213e3e45a6a3b63c91cd48 python\extB.py +e6e01f8ebc60624327ffe03faba641441d69ef859fa92031b0a82c1e720a4502 abupy\UmpBu\ABuUmpMainBase.py +e75797103179434e887aab1afd87ab94b56b97e7ded32ec936f61fcd656fd5d0 abupy\MLBu\ABuML.py +e905c8d9113096a2c8276c18dbc46b7fc90ee05de7e8feda1222cafab5817393 abupy\UmpBu\ABuUmp.py +e910b5757c0925892c57d18fed4c719d83fb59d360ca25fb427f0e5f915f0124 abupy_lecture\23-美股UMP决策(ABU量化使用文档).ipynb +e9451b5f2c2f8d5628aa3b098be6d5fbef0cf26c4e2f4d3ee9aee0f28105e47b abupy\CheckBu\ABuProcessor.py +e992b54729b034d328ac9743ab6fed24c35ce3fb1fb84fcb053dd2b43c8d57ec abupy\MLBu\ABuMLGrid.py +ea14fb3c4d7c20a3965b2a856394ebd52547458eb70ea63dc8d4a7bb2466eb61 abupy\MarketBu\ABuMarketDrawing.py +ea56a4ac8a20fc3f0c092498cafd4f33976b736fcec34dc1ae6cf375738bbcd6 abupy_lecture\13-量化技术分析应用(ABU量化使用文档).ipynb +eae6c7ca4e1869f96de4e1d33cc6f17e69500ed4a211a1a75fdfde2fc8985fe3 abupy_lecture\image\1.3.png +eb864a3e1a506da631db1867a7cd643996fe6e62be91bed9f05c613e41f5e314 readme.md +ec66c9d61c43fa53571ff60c803c581ab6a97337ae264f43a22e9948e801a64d abupy\SimilarBu\ABuSimilarCache.py +ed41df857e5298ed6a3290ed3a238c564a842e39fe04b0335901189cf7508cfa abupy_ui\gif\similar_line.gif +ed64d73e928d600b22b1a7f6ed44f78169781c6cfe9b38e98a580523aa40e174 abupy_lecture\image\run_ui.png +ee586ed24e8b5841e8e3a1e142e42747b2191b28fbada22e00be8f15add80a59 abupy\ExtBu\joblib\logger.py +eead9ebb44116e4013e3f7e4d79f4fe20ed853b3b9d9f73dbee240982a0df3c6 abupy_lecture\26-星期几是这个股票的好日子.ipynb +eee0d8e8cb7c75f3f03a206ea902d12ae895cd23d34b13ad319497e29faf23b0 abupy\SlippageBu\ABuSlippage.py +ef109adcf08c70858f3a82525440e505f90fb64a16cc5df312ea197032af5b4f ipython\readme.md +ef156d2a2c20e7d62b138bf9837185536bbf32dbc1c58484e3754a2e8dcce7be img\img3.png +ef94a16e2e7c397d1d7325204d9a41eed6cf9b087936d80aac758af691ccf629 abupy\PickStockBu\ABuPickStockPriceMinMax.py +f07956fdd5f13af7d5853e8d03751e62bfb714e462d1c0df5db1d95d792e1938 abupy\WidgetBu\ABuWGDATool.py +f1c29be62a67acf9a2df1e91b5e8aa93ed270214da1027986b1d440928e3c374 python\c5.py +f1dff1880fd36b0f2b702dc12a216485b9c21511428167f8b06526c9b8550774 abupy\FactorSellBu\ABuFactorCloseAtrNStop.py +f1f51944cc558c0626f52a29ea86439d052663201101a8fa55d197b0ea38eb7f abupy\CoreBu\ABuEnvProcess.py +f264132068c9ff6bb70f160bfee65886022b4aed81fd82128b739b13f4117bc3 abupy\UmpBu\ABuUmpEdgeFull.py +f2c019ce1c097fbed3f97a318e79e70c43d2c6e1239a97feaf6fc1582e342f67 abupy\UmpBu\ABuUmpMainFull.py +f2c3e392f26798767a6e99f4951a34ef97b679314d9c9e603a0593391680d743 abupy_lecture\17-UMP边裁交易决策(ABU量化使用文档).ipynb +f50d57f70e9faa5f0c763adab78d08c43651c6a609276f3ac6fe1947e70b5e69 img\fl.png +f5f6e664f0d6388768d4c5e9cd842959d027112df1a76c159bfe396489b1164f abupy\MarketBu\ABuDataBase.py +f61fd33886799a6137abd90194bdedadf8cbc362dd8dc943619e4cf19d907587 abupy\MLBu\__init__.py +f6c7c0050586c013a641c25b7c6da16446c42917bbccf15b7008c9b7756d7250 abupy\RomDataBu\stock_code_cn.txt +f77330fbf8f9628c8aaf438dea654a1c4866f6e76abc068d6a436cc6b81adac1 abupy\BetaBu\ABuKellyPosition.py +f7f6f3dcb94cf73cfe2197b1edc3432df28d92e53acfd0219c244f9060ca83e0 abupy\FactorBuyBu\ABuFactorBuyDM.py +f85848e957f65a9c3f39255e0bb29ba4656492964ce2a988f1d3ab1ae8b78162 abupy_lecture\image\3.1.png +f92215d83d508828b5c44a1fc0bc5d749cd288062d3262b61822277ff97c7dbe abupy_lecture\image\1.2.png +fb05a432131d521b953a56c5536203d57c6bbbb73e1e631ef5e03ee91cd6dfd9 abupy\CheckBu\ABuChecker.py +fb0a0728b97fe56b4eb0625f94d2871acd80a6cb46f00ad53d3ab02e6ea3664d img\img2.png +fb4236c320176b763bf61f547e9226ef7d48c44ef1a72a98497e5b7d73dd63b8 abupy\TradeBu\ABuCommission.py +fb73a034b734ebcdcce7fdeb9b77a36c41d7f91002161eeece3fa3e503223c84 abupy\MetricsBu\ABuMetricsScore.py +fcc1c23390393d795c5c0f08348fc1bc604222aeb9a923de09d98c7898a27901 abupy\PickStockBu\ABuPickStockDemo.py +fd2e66907eba83eb1802ead6e24466d97c82da587cf7ace6194514373df51745 abupy_ui\量化分析工具操作.ipynb +febb4d37fdaa422e6dd803d0b4aa9cbd017708f1bdbab79567d8c8952d65f292 abupy\WidgetBu\ABuWGVerifyTool.py +ff04916389d250275bf3c3229b61e0ae99a2f4f470f918dd33e07eae7447781e abupy_ui\readme.md +ff2c8b22411817111a2fbe25c05502aac519455068271646eb7417551fdf027f abupy\ExtBu\joblib\func_inspect.py diff --git a/raw/量化/abuquant/abuquant-期货回测与位移路程比摘编.md b/raw/量化/abuquant/abuquant-期货回测与位移路程比摘编.md new file mode 100644 index 0000000..85692e6 --- /dev/null +++ b/raw/量化/abuquant/abuquant-期货回测与位移路程比摘编.md @@ -0,0 +1,96 @@ +--- +title: "阿布量化（ABuQuant）期货回测与位移路程比摘编" +source: "https://github.com/bbfamily/abu" +source_commit: "d602d847677e4c2b77b0a122df30816ea68b5710 (2026-01-24)" +source_version: "0.4.0" +license: "GPL" +last_updated: 2026-08-07 +type: source-derivative +tags: + - "量化" + - "期货" + - "回测" + - "位移路程比" +raw_sources: + - path: "raw/量化/abuquant/_meta/源码哈希清单.tsv" + hash: "sha256:e07923e8607d1ce333d692f6acc8db3b5f68f1c9e9679d5629705e359e2f0e1f" + - path: "raw/量化/abuquant/abuquant-框架架构摘编.md" + hash: "sha256:1d40144383bd5f8e0f5d6049da545abb2933a83328693dc2d7852af9e70291d6" +--- + +# 阿布量化（ABuQuant）期货回测与位移路程比摘编 + +> 本摘编聚焦阿布量化对**期货市场**的处理方法（abupy_lecture notebook 11、25），核心知识点：期货合约数据特点、保证金/强平机制、看涨看跌双向策略、位移路程比选股优化、内外盘低频统计套利。框架版本 0.4.0。 + +## 1. 期货市场的特点（notebook 11） + +### 1.1 合约与连续数据 + +- 量化需要连续数据，abu 请求的是**连续合约** symbol（如 `JD0` 鸡蛋、`JM0` 焦煤、`I0` 铁矿石、`RB0` 螺纹钢、`FG0` 玻璃、`TA0` PTA），而非具体合约（如 JD1709 是 17 年 9 月鸡蛋合约）。 +- 内置沙盒期货品种（46 个）：V0 PVC、P0 棕榈、M0 豆粕、I0 铁矿石、JD0 鸡蛋、L0 塑料、PP0 PP、FB0 纤维板、BB0 胶合板、Y0 豆油、C0 玉米、A0 豆一、B0 豆二、J0 焦炭、JM0 焦煤、CS0 玉米淀粉、TA0 PTA、OI0 菜油、RS0 菜籽、RM0 菜粕、ZC0 动力煤、WH0 强麦、JR0 粳稻、SR0 白糖、CF0 棉花、RI0 早籼稻、MA0 郑醇、FG0 玻璃、LR0 晚籼稻、SF0 硅铁、SM0 锰硅、FU0 燃油、AL0 沪铝、RU0 橡胶、ZN0 沪锌、CU0 沪铜、AU0 黄金、RB0 螺纹钢、WR0 线材、PB0 沪铅、AG0 白银、BU0 沥青、HC0 热轧卷板、SN0 沪锡、NI0 沪镍。 + +### 1.2 合约要素（AbuFuturesCn） + +| 字段 | 含义 | 示例 | +|---|---|---| +| min_uni | 每手数量（一手多少吨/张） | 鸡蛋 5 吨/手、胶合板 500 张/手 | +| commission | 每手手续费 | 各品种不同 | +| min_deposit | 最低保证金比例 | 0.08 = 8% | + +### 1.3 保证金与强平（教学示例，2017-07 鸡蛋） + +- 鸡蛋 2017-07-19 收盘 4014 元/吨，min_unit=5 吨/手；买 20 手=100 吨，价值约 40 万，保证金 8% 约 3 万+。 +- 杠杆本质：资金放大交易规模，收益与风险同步放大。 +- 次日（07-20）收盘 3972，亏损 = 100 吨 × (4014−3972) = 4200 元；若账户资金不足以覆盖新保证金（3972×100×8%≈31776），会被**强行平仓**——实际中期货公司会在资金不足时先要求追加保证金。 +- 看跌合约理解：向交易所"借入"商品卖出，期望价格下跌后低价买回归还，赚取差价；初始保证金与看涨一致。 +- **交割限制**：个人投机账户无资格实物交割（只有有资格的企业账户可选"保值"账户类型），个人若持有到交割日，交易所会强行平仓。 + +## 2. 看涨/看跌合约的回测 + +- 市场目标切换：`g_market_target = E_MARKET_TARGET_FUTURES_CN`。 +- **看涨（call）**：向上突破买入因子（如 `AbuFactorBuyBreak`，42/60 天突破改 21/42 天——期货有交割周期且季节性强，周期选择应适配品种特性；比特币示例用重采样确定 10 天上下周期）。 +- **看跌（put）**：向下突破买入因子 `AbuFactorBuyPutBreak`（混入 `BuyPutMixin`，expect_direction=-1，buy_type_str="put"）。 +- 卖出因子需 `support_direction()` 声明支持两个方向，`fit_day` 中按 `order.expect_direction` 处理： + - call 买入因子（expect_direction=+1）：今天相对昨天暴跌 → 止损卖出； + - put 买入因子（expect_direction=-1）：今天相对昨天暴涨 → 止损卖出。 + - 示例 `AbuFactorPreAtrNStop`：`(today.pre_close - today.close) * order.expect_direction > today.atr21 * pre_atr_n` 触发止损。 +- abu 内置卖出因子基本都实现 call+put 双向；只做股票等单向市场的用户可不考虑 put。 + +## 3. 位移路程比（shift/distance）选股优化 + +### 3.1 定义 + +位移路程比 `sd = shift / distance`： +- `shift`（位移）：起终点直线距离（价格净变化）； +- `distance`（路程）：路径实际走过的总距离（斜边，价格波动累计）； +- 计算实现 `ABuTLExecute.shift_distance`，返回 `(h_distance 底边, v_distance 垂直, distance 斜边/路程, shift 位移, sd 位移路程比)`；使用缩放后 y 值保证适应性。 +- 可视化 `AbuTLine.show_shift_distance(how=EShiftDistanceHow.shift_distance_close, step_x)`，`how` 可自定义终点取值（close=序列最后元素；maxmin=趋势方向极限值；sum_maxmin=结合 sum 与极限值）。 + +### 3.2 选股逻辑（期货趋势策略适用性） + +期货突破策略（21/42 天）期望标的：**有趋势且能保持趋势一段时间**，不希望： +- 反复震荡、趋势快速回复（位移路程比大，如 FB0 纤维板：短涨即反弹，多次出现 >2.0 的 sd 段）→ 应过滤； +- 太平稳无趋势（位移路程比小、无 >2.0 段，如 Y0 豆油）→ 不适合突破策略。 + +而 V0（PVC）位移路程比基本在 2 以下但有 >2 阶段，符合"不管涨跌都能惯性保持趋势"的理想品种。 + +### 3.3 实现 + +- 选股因子 `AbuPickStockShiftDistance`（PickStockBu），通过 `show_shift_distance` 计算选股周期内的 sd 并筛选。 +- 优化效果：38 个期货品种先全品种回测（收益一般），用位移路程比选股后缩小品种池，提升策略适配性。 + +## 4. 期货市场内外盘低频统计套利（notebook 25） + +- 主题为内外盘期货低频统计套利示例（同一/相关品种在不同市场间的价格关系），属于教学示例，具体策略细节需阅读 notebook 原文；沙盒数据量小，仅演示方法流程。 + +## 5. 期货量化的通用要点（由 abu 教学引申） + +- 品种周期选择：因交割周期与季节性，均线/突破参数需按品种适配（比特币示例用 `ABuKLUtil.resample_close_mean` 重采样确定周期）。 +- 双向策略：期货天然多空双向，因子体系需支持 put 方向。 +- 杠杆与风控：保证金制度下止损因子（ATR 止损）尤为关键。 +- 品种筛选优先于参数优化：先通过位移路程比等趋势持续性指标选出适配品种，再优化参数。 + +## 6. 证据边界 + +- 本摘编来自 notebook 11/25 的 markdown 文本与源码 docstring 提炼；教学示例价格/收益数字仅用于说明机制，不代表任何历史真实回测结论。 +- 沙盒数据（2017 年前后内置数据）仅供学习，实盘需接入外部数据源并重新核验合约参数（保证金比例、手续费等随交易所规则变化）。 diff --git a/raw/量化/abuquant/abuquant-框架架构摘编.md b/raw/量化/abuquant/abuquant-框架架构摘编.md new file mode 100644 index 0000000..38f90ee --- /dev/null +++ b/raw/量化/abuquant/abuquant-框架架构摘编.md @@ -0,0 +1,173 @@ +--- +title: "阿布量化（ABuQuant）框架架构摘编" +source: "https://github.com/bbfamily/abu" +source_commit: "d602d847677e4c2b77b0a122df30816ea68b5710 (2026-01-24)" +source_version: "0.4.0" +license: "GPL" +last_updated: 2026-08-07 +type: source-derivative +tags: + - "量化" + - "开源框架" + - "Python" +raw_sources: + - path: "raw/量化/abuquant/_meta/源码哈希清单.tsv" + hash: "sha256:e07923e8607d1ce333d692f6acc8db3b5f68f1c9e9679d5629705e359e2f0e1f" +--- + +# 阿布量化（ABuQuant）框架架构摘编 + +> 本文是对 GitHub 仓库 bbfamily/abu（阿布量化，ABuQuant）的架构知识摘编。源码本体 73MB 不整包入库，仅保留本摘编与源码哈希清单（`_meta/源码哈希清单.tsv`，381 个文件）。原始源码本地存放于 `raw/量化/abuquant-src/`（已被 .gitignore 排除），可通过上方 commit 与 GitHub 重新获取验证。本项目 GPL 许可，教学文档版权归作者"阿布"（微信号 abu_quant）所有。 + +## 1. 项目定位 + +阿布量化是一个开源的 Python 量化交易系统，目标：**分离基础策略与策略优化监督模块**，提高灵活度和适配性。支持市场：美股、A股、港股、期货、期权、比特币、莱特币。版本 0.4.0，作者阿布，配套教材《量化交易之路》（示例代码在仓库 `ipython/`、`python/` 目录）与《机器学习之路》（独立仓库 maxmon/abu_ml）。 + +架构哲学（README 中"道生一、一生二、二生三、三生万物"系列）：以因子为最小单位（一），因子组合成策略（二），策略接入回测与决策体系（三），全市场多策略并行演化（万物）。 + +## 2. 顶层目录结构 + +| 目录 | 内容 | +|---|---| +| `abupy/` | 框架源码（21 个 Bu 模块 + 内置依赖） | +| `abupy_lecture/` | 官方使用文档：33 个 Jupyter notebook 教学 | +| `abupy_ui/` | 非编程界面操作（notebook 形式的 UI 演示） | +| `ipython/`、`python/` | 《量化交易之路》书示例代码 | +| `界面操作视频教程/`、`img/` | 视频与图片素材 | +| `gen/` | 生成的临时数据（stock_day_change.npy） | + +## 3. 源码模块分层（abupy/） + +框架按领域拆分为 21 个 Bu 模块，`abupy/__init__.py` 全部导入后对外统一命名空间： + +| 模块 | 职责 | +|---|---| +| `CoreBu` | 核心基础设施：环境（ABuEnv）、基准（ABuBenchmark）、并行（ABuParallel，Windows 用 ProcessPoolExecutor 规避 joblib 长时间任务系统弹窗）、pandas 兼容层（ABuPdHelper）、存储（ABuStore）、废弃警告（ABuDeprecated） | +| `MarketBu` | 市场与数据：数据缓存（ABuDataCache）、数据源示例（ABuDataFeed，内置沙盒仅供学习）、解析（ABuDataParser）、股票/期货 symbol 模块、行业分类、市场切割与选股操作、可视化 | +| `FactorBuyBu` | 买入择时因子：基类 `AbuFactorBuyBase`、示例因子（突破、双均线、趋势、日胜率等） | +| `FactorSellBu` | 卖出择时因子：基类 `AbuFactorSellBase`、示例因子（ATR 止盈止损、N 日卖出、突破卖出、双均线） | +| `PickStockBu` | 选股因子：基类 `AbuPickStockBase`、示例因子（价格、角度、相似度、位移路程比等） | +| `AlphaBu` | 调度层：选股/择时的 Master-Worker 并行调度（ABuPickStockMaster/Worker、ABuPickTimeMaster/Worker），整合金融时间序列、因子与资金类 | +| `BetaBu` | 仓位管理示例：ATR 仓位（AbuAtrPosition）、Kelly 仓位（AbuKellyPosition）、价格位置仓位（AbuPtPosition） | +| `TradeBu` | 交易层：订单（AbuOrder）、资金（AbuCapital）、基准（AbuBenchmark）、机器学习特征定义（ABuMLFeature） | +| `SlippageBu` | 滑点：买入/卖出滑点基类与均价滑点示例（默认 AbuSlippageBuyMean/SellMean） | +| `UmpBu` | 裁判决策（UMP, Umpire）：主裁（Main）与边裁（Edge）共 17 个文件，含基类与角度/价格/波动/跳空/多混等示例 | +| `MetricsBu` | 回测度量：AbuMetricsBase、期货度量（AbuMetricsFutures）、GridSearch 参数寻优 | +| `TLineBu` | 技术线：AbuTLine（拟合、位移路程比、通道、骨架、支撑阻力）、黄金分割、波浪、VWAP、相似度 | +| `IndicatorBu` | 技术指标：ATR、BOLL、MA、MACD、RSI 等 | +| `MLBu` | 机器学习：AbuML 中间层、学习器封装（ABuMLCreater）、GridSearch、MLPd 业务封装 | +| `DLBu` | 深度学习工具：caffe 图片标准化与训练集切割 | +| `SimilarBu` | 相关性与相似度：相关系数计算与可视化 | +| `CrawlBu` | 爬虫数据源（雪球常量等） | +| `CheckBu` | 检查与预处理：函数对象/参数/返回值检查 | +| `UtilBu` | 工具：懒加载（LazyFunc）、委托、正则、文件等 | +| `WidgetBu` | UI 组件（24 个文件，供 abupy_ui 使用） | +| `ExtBu`、`joblib/`、`empyrical/`、`futures/` | 内置第三方依赖（six、joblib 等），锁版本避免兼容问题 | + +## 4. 核心类层次与数据流 + +### 4.1 因子体系（策略的最小单位） + +- `AbuFactorBuyBase`（FactorBuyBu）：买入择时因子基类，**必须混入且只能混入一个方向类**——`BuyCallMixin`（看涨，expect_direction=1.0，buy_type_str="call"）或 `BuyPutMixin`（看跌，expect_direction=-1.0，buy_type_str="put"，用于期货/期权反向策略）。买入因子内部可容纳专属卖出因子与选股因子。 +- `AbuFactorSellBase`（FactorSellBu）：卖出择时因子基类，通过 `support_direction()` 声明支持的买卖方向（如 ATR 止损因子支持 call+put 两个方向），`fit_day()` 中按 `order.expect_direction` 区分处理。 +- `AbuPickStockBase`（PickStockBu）：选股因子基类，在择时周期内每月/每周动态重新选股。 +- 因子统一继承 `AbuParamBase`，支持 kwargs 参数化。 + +### 4.2 回测数据流 + +``` +数据(MarketBu: ABuSymbolPd) → 基准(TradeBu: AbuBenchmark，确定时间范围/对齐/市场限制) +→ 资金(TradeBu: AbuCapital) → 择时 Worker(AlphaBu: AbuPickTimeWorker) + └─ 每日驱动 fit_day：买入因子(AbuFactorBuyBase) 生成订单(AbuOrder) + → 卖出因子(AbuFactorSellBase) 止盈止损 + → UMP(AbuUmpManager) 主裁/边裁拦截决策 + → 滑点(SlippageBu) 决定成交价 + → 仓位管理(BetaBu: AbuPositionBase) 决定买入数量 +→ 订单结果 → 度量(MetricsBu: AbuMetricsBase) → 结果存储/可视化 +``` + +- 金融时间序列 `kl_pd` 为择时时段，`combine_kl_pd` 合并之前一年数据（用于机器学习特征构建）。 +- 基准 `AbuBenchmark` 的作用：交易时间范围确定、时间序列对齐、抛弃异常序列、市场范围限制、与策略度量结果对比。 + +### 4.3 UMP 裁判决策体系（UmpBu） + +UMP（Umpire，裁判）是阿布量化的特色：用机器学习训练"裁判"拦截策略生成的失败交易。 + +- **主裁（Main）**：对买入信号整体裁决，示例含角度（Deg）、价格（Price）、波动（Wave）、跳空（Jump）、多混（Mul）等，基类 `AbuUmpMainBase`。 +- **边裁（Edge）**：对交易特征做专项裁决（角度、价格、波动、多混、全混），基类 `AbuUmpEdgeBase`。 +- `AbuUmpManager`：买入/卖出因子与 UMP 的组织管理通信模块；外部用户可用 `append_user_ump()` 添加自定义裁判（需先训练并生成 cache 文件），开关 `g_enable_user_ump`。 +- 训练流程（notebook 15-18）：切分训练集回测 → 提取失败交易特征 → GMM 分类 + 最优分类簇筛选（`ump_main_clf_dump()` 一行完成）→ 本地保存分类器 → 测试集开启拦截对比。特征如：买入当天价格在特征周期内的 rank（price_rank60）、跳空间隔与能量、波动率 wave_score 等。 +- 主裁拦截的价值：拦截大量低质量交易，节省佣金、降低交易数量本身即优化；效果提升方向——更多裁判/更多特征、复杂综合裁决、按统计权重加权。 + +### 4.4 度量与优化（MetricsBu） + +- `AbuMetricsBase` 度量回测结果（收益、回撤、胜率等），期货有专门 `AbuMetricsFutures`、`AbuMetricsTC`。 +- `AbuGridSearch` 借鉴 sklearn GridSearch，对买入/卖出/选股因子做最优参数寻优；`AbuCrossVal` 交叉验证。 +- 技术线 `AbuTLine` 提供 `show_best_poly`（最优拟合次数）、`show_shift_distance`（位移路程比）、`show_regress_trend_channel`（拟合通道）、`show_skeleton_channel`（骨架通道）、`show_percents`（黄金分割/比例分割）等分析手段，可用于策略参数选择（如港股优化示例）。 + +### 4.5 数据源（MarketBu） + +- 内置沙盒数据（`ABuDataFeed`）仅供学习与基本测试，覆盖美股/A股/港股/比特币/莱特币/期货连续合约。 +- `ABuDataCache` 实现采集存储、读取与 merge 更新策略。 +- 外部数据源可接入：股票、期货、数字货币；数据模式/存储/数据源均可切换（notebook 19）。 +- 数据对外统一接口 `ABuSymbolPd`，其它模块只应通过它取数。 + +## 5. 期货支持要点 + +- 期货连续合约 symbol 如 `JM0`（焦煤）、`J0`（焦炭）、`I0`（铁矿石）等，请求的是连续数据而非具体合约（如 JD1709）。 +- `AbuFuturesCn` 记录每品种：`min_uni`（每手数量，如鸡蛋 5 吨/手、胶合板 500 张/手）、`commission`（每手手续费）、`min_deposit`（最低保证金比例）。 +- 期货因子通过混入 `BuyPutMixin` 支持看跌方向（向下突破作为买入信号的 put 策略）。 +- 详见摘编《阿布量化：期货回测与位移路程比》（同目录）。 + +## 6. 使用限制与注意事项 + +- 版本 0.4.0 较旧（2018 年后主要更新集中在文档与 UI），依赖 Python 2/3 兼容层（six、funcsigs），新环境部署需处理依赖兼容（`CoreBu/ABuFixes.py` 负责统一不同依赖库版本）。 +- Windows 并行：长时间多任务用 `ProcessPoolExecutor`（joblib 在 Windows 上 10 小时以上任务可能触发系统弹窗错误）。 +- 内置数据仅供学习，实盘需自购数据源。 +- 缠论、波浪、谐波、K线形态、均线信号等"量化 2.0"功能在 README 中作为网站 abuquant.com 的 AI 分析能力宣传，仓库源码中形态识别实现以 TLineBu/IndicatorBu/WidgetBu 为基础，未在仓库内提供完整形态库代码；相关宣传内容属项目介绍，未在本摘编中作为可复现能力收录。 + +## 7. 教学资源索引（abupy_lecture，33 个 notebook） + +| 编号 | 主题 | +|---|---| +| 0 | 量化环境部署 | +| 1 | 择时策略的开发（买入/卖出择时因子、分解模式回测） | +| 2 | 择时策略的优化（基本止盈止损、风险控制止损、利润保护止盈） | +| 3 | 滑点策略与交易手续费 | +| 4 | 多支股票择时回测与仓位管理（多因子、自定义仓位、并行） | +| 5 | 选股策略的开发（选股因子、并行执行） | +| 6 | 回测结果的度量（基本用法、可视化、自定义度量类） | +| 7 | 寻找策略最优参数和评分（参数范围、Grid Search、评分、自定义评分类） | +| 8 | A股市场的回测（涨跌停特殊处理、多组交易分析） | +| 9 | 港股市场的回测（策略类装饰器封装优化） | +| 10 | 比特币、莱特币的回测（走势分析、可视化、回测） | +| 11 | 期货市场的回测（期货特点、看涨/看跌合约、位移路程比优化） | +| 12 | 机器学习与比特币示例（特征提取、内置 ML 模块、测试集验证、非均衡技术） | +| 13 | 量化技术分析应用（阻力支撑自动绘制、跳空分析、传统指标） | +| 14 | 量化相关性分析应用（相关相似度、距离度量、自然相关性） | +| 15 | 量化交易和搜索引擎（切分训练集、主裁系统原理、角度主裁、最优分类簇筛选） | +| 16 | UMP 主裁交易决策（跳空/价格/波动主裁训练、开启拦截模式） | +| 17 | UMP 边裁交易决策 | +| 18 | 自定义裁判决策交易（append_user_ump） | +| 19 | 数据源（数据模式/存储/数据源切换、全市场更新、接入外部数据源） | +| 20 | A股全市场回测 | +| 21 | A股 UMP 决策 | +| 22 | 美股全市场回测 | +| 23 | 美股 UMP 决策 | +| 24 | 比特币 vs 黄金、莱特币 vs 白银 | +| 25 | 期货市场内外盘低频统计套利 | +| 26 | "星期几是这个股票的好日子"（星期效应分析） | +| 27 | 狗股选股策略与择时策略的配合 | +| 28 | 真·动态自适应双均线策略 | +| 29 | 多因子策略并行执行配合 | +| 30 | 趋势跟踪与均值回复的长短线搭配 | +| 31 | 资金仓位管理与买入策略的搭配 | +| 32 | 策略有效性的验证 | + +《量化交易之路》ipython 示例：第二章 Python、第三章 NumPy、第四章 pandas、第五章 可视化、第六章 数学、第七章 量化系统入门（三只小猪）、第八章 量化系统开发、第九章 度量与优化、第十章 机器学习·猪老三、第十一章 机器学习·ABU、附录 A-C（环境部署、相关性分析、统计分析与指标应用）。 + +## 8. 摘编边界 + +- 本摘编基于源码 docstring、README 与教学 notebook 的 markdown 文本提炼，未逐行核验全部算法实现。 +- 源码哈希清单记录了 381 个文件的 SHA-256（不含 .git 元数据），可作为从 GitHub 重新获取源码后的一致性校验依据。 +- 项目营销性描述（"18496 种策略""上百种模型"等）未作为可验证事实收录。 diff --git a/raw/量化/abuquant/abuquant-策略开发与回测实践摘编.md b/raw/量化/abuquant/abuquant-策略开发与回测实践摘编.md new file mode 100644 index 0000000..cc53b90 --- /dev/null +++ b/raw/量化/abuquant/abuquant-策略开发与回测实践摘编.md @@ -0,0 +1,107 @@ +--- +title: "阿布量化（ABuQuant）策略开发与回测实践摘编" +source: "https://github.com/bbfamily/abu" +source_commit: "d602d847677e4c2b77b0a122df30816ea68b5710 (2026-01-24)" +source_version: "0.4.0" +license: "GPL" +last_updated: 2026-08-07 +type: source-derivative +tags: + - "量化" + - "策略开发" + - "回测" +raw_sources: + - path: "raw/量化/abuquant/_meta/源码哈希清单.tsv" + hash: "sha256:e07923e8607d1ce333d692f6acc8db3b5f68f1c9e9679d5629705e359e2f0e1f" + - path: "raw/量化/abuquant/abuquant-框架架构摘编.md" + hash: "sha256:1d40144383bd5f8e0f5d6049da545abb2933a83328693dc2d7852af9e70291d6" +--- + +# 阿布量化（ABuQuant）策略开发与回测实践摘编 + +> 本摘编提炼阿布量化教学文档（abupy_lecture notebook 1-9、12、15-19）中的**开发模式与可执行流程**，供阅读源码或复现示例时参考。框架版本 0.4.0，所有 API 名称以源码为准。 + +## 1. 择时策略开发模式（notebook 1） + +择时策略决定"什么时候买/卖"。核心三步： + +1. **编写买入择时因子**：继承 `AbuFactorBuyBase` 并混入方向类（BuyCallMixin/BuyPutMixin），实现 `fit_day(today, orders)` 生成买入订单（`self.buy_tomorrow(order)`）。 +2. **分解模式逐步回测**：先只用买入因子，观察买入点；再叠加卖出因子。 +3. **实现卖出因子**：继承 `AbuFactorSellBase`，`fit_day` 中调用 `self.sell_tomorrow(order)`。 + +关键概念： +- `kl_pd`：择时时段行情；`combine_kl_pd`：合并前一年行情（供特征构建）。 +- 因子通过 `_init_self(**kwargs)` 读取自定义参数。 +- `buy_tomorrow/sell_tomorrow`：次日成交，避免未来函数。 + +## 2. 择时策略优化（notebook 2） + +三类卖出因子组合： + +| 类型 | 代表因子 | 作用 | +|---|---|---| +| 基本止盈止损 | `AbuFactorAtrNStop`（n 倍 ATR 止盈止损） | 保护利润、控制风险 | +| 风险控制止损 | `AbuFactorPreAtrNStop`（单日最大跌幅 n 倍 ATR 止损） | 单边风险控制 | +| 利润保护止盈 | `AbuFactorCloseAtrNStop`（利润回撤止盈） | 只做单边止盈 | + +ATR（Average True Range，平均真实波动范围）定义：`TR = max(|最高-最低|, |最高-昨收|, |昨收-最低|)`，ATR 即 TR 的均值，衡量波动强度。 + +## 3. 滑点与手续费（notebook 3） + +- 滑点：`AbuSlippageBuyMean/AbuSlippageSellMean` 默认**均价买入/卖出**（当日均价），优点简单高效，交易数量足够多时接近实盘；基类注释明确：不考虑大资金冲击成本，实盘迁移需日内分钟 K 线择时。 +- 手续费：`AbuCommission` 计算每笔手续费（示例含 TSLA 按金额比例与固定费用两种形式），`order.commission` 记录。 + +## 4. 多股票回测与仓位管理（notebook 4） + +- 多支股票可用同一因子组合统一回测，也可按股票分别指定不同因子。 +- 仓位管理：默认 `AbuAtrPosition`（ATR 仓位），示例还有 `AbuKellyPosition`（Kelly 仓位）、`AbuPtPosition`（价格位置仓位）；通过 `AbuPositionBase` 全局默认类或 kwargs 指定。 +- 并行：`AbuPickTimeMaster` 调度，多进程执行提升效率（Windows 注意 ABuParallel 的 ProcessPoolExecutor 实现）。 + +## 5. 选股策略开发（notebook 5） + +- 选股因子继承 `AbuPickStockBase`，实现 `fit_first_choice`（首选）等方法；示例：价格选股（AbuPickStockPriceMinMax）、拟合角度选股（AbuPickRegressAngMinMax）、相似度选股（AbuPickSimilarNTop）、位移路程比选股（AbuPickStockShiftDistance）。 +- 多个选股因子可并行执行；选股在择时周期内每月/每周动态重新执行。 +- 选股 Worker（`AbuPickStockWorker`）在择时序列之前的窗口迭代初始交易对象进行因子拟合。 + +## 6. 回测结果度量（notebook 6） + +- `AbuMetricsBase` 提供基本度量（收益、回撤、胜率、盈亏比等），支持可视化。 +- 可继承扩展自定义度量类（`_read_custom_metrics` 等钩子）。 +- 期货市场使用 `AbuMetricsFutures`（含持仓/保证金维度）。 +- 度量结果可保存/读取（`ABuStore`，notebook 15 用 `load_abu_result_tuple` 读取训练集结果）。 + +## 7. 参数寻优与评分（notebook 7） + +- `AbuGridSearch`：对买入/卖出/选股因子在参数取值范围内 Grid Search。 +- `AbuScoreTuple`/`AbuBaseScorer`：对度量结果评分，支持不同权重、自定义评分类。 +- 示例问题："应该考虑多少天的均线？"——通过网格搜索+评分确定。 +- `AbuCrossVal`：交叉验证避免过拟合。 + +## 8. 机器学习集成（notebook 12） + +- 特征提取：从行情构建特征（`AbuMLFeature` 内置特征定义，支持用户扩展）。 +- `AbuML` 中间层持有 x/y/df，`AbuMLCreater` 封装常用学习器初始化（sklearn 系）。 +- 测试集验证与非均衡技术（imbalance 处理）。 +- 继承 `AbuMLPd` 对数据处理做业务封装。 +- 应用场景：UMP 裁判训练（失败交易特征分类）、策略有效性验证（notebook 32）。 + +## 9. 数据源接入（notebook 19） + +- 数据模式切换：沙盒/实盘数据模式。 +- 数据存储切换：本地文件存储后端。 +- 数据源切换：内置沙盒（ABuDataFeed）↔ 外部数据源。 +- 全市场数据更新：`ABuDataCache` merge 策略。 +- 外部数据源接入示例：股票、期货、比特币/莱特币（CrawlBu 提供雪球等爬虫采集）。 + +## 10. 开发注意事项（源码注释级） + +- 所有数据访问统一走 `ABuSymbolPd` 对外接口。 +- 卖出因子若用于期货需 `support_direction()` 声明支持 put 方向，`fit_day` 中按 `order.expect_direction` 正负号区分 call/put 处理（如 ATR 止损：call 方向"暴跌卖出"，put 方向"暴涨卖出"）。 +- 买入因子方向唯一：一个因子不能同时看涨又看跌。 +- 因子内部可绑定专属卖出因子与选股因子（局部生效）。 +- `lock_factor`：选股因子可封锁本源买入因子执行。 + +## 11. 证据边界 + +- 本文基于 notebook markdown 文本与源码 docstring 提炼，API 细节以源码为准；未执行任何回测复现。 +- 教学 notebook 中的具体收益率数字（如沙盒示例收益）未收录——沙盒数据量小，结果不具代表性，且代码依赖旧版数据文件。 diff --git a/wiki/Glossary.md b/wiki/Glossary.md index 45d5b2b..97479bc 100644 --- a/wiki/Glossary.md +++ b/wiki/Glossary.md @@ -580,3 +580,35 @@ last_updated: 2026-08-03 **中文**: 回测 **定义**: 使用历史数据按事先固定的信号、调仓、成本和风险规则检验策略表现；必须防止未来函数、生存者偏差、样本选择偏差和过度拟合。 **参见**: [[股票基本面与筹码选股|股票基本面与筹码选股]] + +## 量化交易框架 + +### Timing Factor (择时因子) +**英文**: Timing Factor +**中文**: 择时因子 +**定义**: 决定何时买入或卖出投资品的策略规则单元；阿布量化中买入因子（AbuFactorBuyBase）必须且只能混入一个方向类（BuyCallMixin 看涨 / BuyPutMixin 看跌），通过 `fit_day` 生成次日订单以避免未来函数。 +**参见**: [[阿布量化框架架构|阿布量化框架架构]] + +### Stock-Picking Factor (选股因子) +**英文**: Stock-Picking Factor +**中文**: 选股因子 +**定义**: 从候选标的中筛选更适配策略的品种或股票的规则单元；阿布量化中可在择时周期内每月/每周动态重新选股，例如价格、拟合角度、相似度与位移路程比选股因子。 +**参见**: [[阿布量化策略开发与回测|阿布量化策略开发与回测]] + +### UMP (裁判决策) +**英文**: Umpire Decision +**中文**: 裁判决策 +**定义**: 阿布量化用机器学习训练的"裁判"体系：主裁（Main）对买入信号整体裁决、边裁（Edge）对交易特征专项裁决，拦截策略生成的失败交易；训练流程为切分训练集回测、提取失败交易特征、GMM 分类与最优分类簇筛选、保存分类器后开启拦截。 +**参见**: [[阿布量化框架架构|阿布量化框架架构]] + +### Shift-Distance Ratio (位移路程比) +**英文**: Shift-Distance Ratio +**中文**: 位移路程比 +**定义**: 一段行情中价格净变化（位移 shift）与路径实际总波动（路程 distance）的比值 `sd = shift / distance`；接近 1 表示趋势干净、保持性好，显著大于 1 表示反复震荡、趋势快速回复，用于期货趋势突破策略的品种筛选（如阿布量化 AbuPickStockShiftDistance）。 +**参见**: [[期货量化回测与位移路程比|期货量化回测与位移路程比]] + +### ATR Stop (ATR 止损) +**英文**: Average True Range Stop +**中文**: ATR 止损 +**定义**: 以平均真实波动范围（ATR，TR 的均值，TR = max(|最高-最低|, |最高-昨收|, |昨收-最低|)）的倍数作为止盈止损距离的风险控制规则；期货双向策略中需按买入方向（call/put）区分触发条件。 +**参见**: [[阿布量化策略开发与回测|阿布量化策略开发与回测]] diff --git a/wiki/INDEX.md b/wiki/INDEX.md index 81b23de..9e81b21 100644 --- a/wiki/INDEX.md +++ b/wiki/INDEX.md @@ -82,6 +82,12 @@ last_updated: 2026-08-03 - [[股票基本面与筹码选股|股票基本面与筹码选股]] - 盈利、估值、题材、股东结构与筹码观察框架 - [[股票交易系统与技术分析|股票交易系统与技术分析]] - 趋势、MACD、量价与买卖点的作者体系 - [[股票交易纪律与资金管理|股票交易纪律与资金管理]] - 计划、止损、耐心、复盘和仓位边界 + +### 量化交易框架 +- [[阿布量化框架架构|阿布量化框架架构]] - 阿布量化（ABuQuant）开源框架的模块分层、因子体系、UMP 裁判决策与回测数据流 +- [[阿布量化策略开发与回测|阿布量化策略开发与回测]] - 择时/卖出/选股因子开发、滑点手续费、度量与参数寻优流程 +- [[期货量化回测与位移路程比|期货量化回测与位移路程比]] - 期货连续合约、双向策略与位移路程比品种筛选 + - [[Long-Running-Harness-Design|长运行应用的 Harness 设计]] - Anthropic 团队的多 Agent 架构实践 - [[OpenAI-Codex-Harness-Engineering|OpenAI Codex Harness 工程]] - 完全由智能体生成代码的产品开发实践 - [[Mitchellh-AI-Adoption-Journey|Mitchell Hashimoto 的 AI 采用之旅]] - HashiCorp 创始人从怀疑论者到深度用户的六个阶段 diff --git a/wiki/_meta/WIKI-SCHEMA.md b/wiki/_meta/WIKI-SCHEMA.md index aba7e2e..f2987af 100644 --- a/wiki/_meta/WIKI-SCHEMA.md +++ b/wiki/_meta/WIKI-SCHEMA.md @@ -21,6 +21,8 @@ raw/ # 原始来源和不可变摘编，原则上只读 │ └── _meta/ ├── 股票/ # 股票投资资料 ├── 估值/ # 企业财务与估值资料 +├── 宏观/ # 宏观经济与房地产等宏观领域资料 +├── 量化/ # 量化交易框架与方法（abuquant 等；源码本体可能不入库，以摘编+哈希清单为证据） └── _meta/ # 来源清单、迁移记录、哈希等 wiki/ # 编译后的可检索知识 diff --git a/wiki/compile-results.tsv b/wiki/compile-results.tsv index a5f60ae..054de25 100644 --- a/wiki/compile-results.tsv +++ b/wiki/compile-results.tsv @@ -99,3 +99,7 @@ raw/期货/20-品种新闻/焦煤/日报/2026-08-06_焦煤日报.md 63530f9c1c52 raw/期货/20-品种新闻/焦煤/周报/2026-08-06_焦煤周报.md 529699d6b9b59ba74d5016e4098dae3323e54b43b2474ff6c08665991249dd91 2026-08-07 wiki/concepts/焦煤2026年8月市场回顾.md 2026-08-07 success_review_source raw/期货/20-品种新闻/焦煤/事件/2026-08-06_山西焦煤西曲矿安全事故停产.md 12aa201a01e6fde2bebc01abfc03b516fe554f1a5be744b475c15fb640cc15c6 2026-08-07 wiki/concepts/焦煤2026年8月市场回顾.md 2026-08-07 success_review_source raw/期货/20-品种新闻/焦煤/专家观点/2026-08-06_我是巴菲林_8.6夜盘焦煤行情分析.md sha256:399b78e07e344cfbd34b669853287f355bf5fba6f52e87b4f2bec030a8457fca 2026-08-06 wiki/practices/焦煤专家观点与交易判断.md 2026-08-07 success_review_source +raw/量化/abuquant/_meta/源码哈希清单.tsv sha256:e07923e8607d1ce333d692f6acc8db3b5f68f1c9e9679d5629705e359e2f0e1f 2026-08-07 wiki/concepts/阿布量化框架架构.md,wiki/practices/阿布量化策略开发与回测.md,wiki/practices/期货量化回测与位移路程比.md,wiki/INDEX.md,wiki/sources.md,wiki/Glossary.md 2026-08-07 success +raw/量化/abuquant/abuquant-框架架构摘编.md sha256:1d40144383bd5f8e0f5d6049da545abb2933a83328693dc2d7852af9e70291d6 2026-08-07 wiki/concepts/阿布量化框架架构.md,wiki/practices/阿布量化策略开发与回测.md,wiki/practices/期货量化回测与位移路程比.md,wiki/INDEX.md,wiki/sources.md,wiki/Glossary.md 2026-08-07 success +raw/量化/abuquant/abuquant-策略开发与回测实践摘编.md sha256:fc63e6c7799ee5af9f084f45982ec45469428e68f4070f8b38067ed1d760482a 2026-08-07 wiki/practices/阿布量化策略开发与回测.md 2026-08-07 success +raw/量化/abuquant/abuquant-期货回测与位移路程比摘编.md sha256:8a5d4fdf3e8ce52e78531a919bf008d1ea6f3eb7013415370e22a54183a62cf3 2026-08-07 wiki/practices/期货量化回测与位移路程比.md 2026-08-07 success diff --git a/wiki/compile.log b/wiki/compile.log index 05f651d..1d23abf 100644 --- a/wiki/compile.log +++ b/wiki/compile.log @@ -237,3 +237,12 @@ ## [2026-08-07] maintain | 日报专家观点板块模板更新 - `专家观点日报板块模板.md` 更新为带"最近一次可核验观点（截至 2026-08-06）"预填版本（8-06 巴菲林观点：1295/1259/1250 关键位、短空计划、2701/2705 价差套利），无新文章时日报直接沿用；新增"有新文章时的处理"步骤与证据边界提示。同步更新 compile-results.tsv 中该行哈希。 + +## [2026-08-07] ingest | 阿布量化（bbfamily/abu）开源项目知识融入 +- 输入：用户要求将 GitHub 开源项目 https://github.com/bbfamily/abu（阿布量化 ABuQuant，v0.4.0，GPL）知识融入 Wiki；git clone --depth 1 获取，最新 commit d602d847677e4c2b77b0a122df30816ea68b5710（2026-01-24）。 +- 安置：源码本体 73MB（248 py + 33 教学 notebook + 书籍示例 + 视频/图片）不整包入库，本地存放于 raw/量化/abuquant-src/（.git 改名 .git.bak 防 gitlink，目录加入 .gitignore）；生成 381 文件 SHA-256 哈希清单 raw/量化/abuquant/_meta/源码哈希清单.tsv 作为可核验证据边界。 +- 摘编：新增 3 份中文摘编——abuquant-框架架构摘编.md（模块分层/核心类/数据流/UMP/教学索引）、abuquant-策略开发与回测实践摘编.md（因子开发/止盈止损/滑点手续费/度量/参数寻优/ML/数据源）、abuquant-期货回测与位移路程比摘编.md（连续合约/保证金强平/双向策略/位移路程比品种筛选/内外盘套利）。 +- 编译：新增 wiki/concepts/阿布量化框架架构.md、wiki/practices/阿布量化策略开发与回测.md、wiki/practices/期货量化回测与位移路程比.md；更新 wiki/INDEX.md（第 9 节新增“量化交易框架”子节）、wiki/sources.md（量化交易框架资料组）、wiki/Glossary.md（量化交易框架术语：择时因子/选股因子/UMP/位移路程比/ATR 止损）、wiki/_meta/WIKI-SCHEMA.md（raw 分层新增 量化/ 域）、wiki/compile-results.tsv（追加 4 行）。 +- 证据边界：摘编基于源码 docstring、README 与教学 notebook markdown 提炼，未逐行核验全部算法、未复现回测；README 中缠论/波浪/谐波/K线形态等“量化 2.0”宣传与“18496 种策略”等营销数字未作为可复现能力收录；沙盒数据仅教学用途，实盘需外部数据源并重核合约参数。 +- 哈希：三份摘编正文（frontmatter 之后）SHA-256——框架架构 1d401443…、策略实践 fc63e6c7…、期货专题 8a5d4fdf…；哈希清单整文件 e07923e8…；均已登记 compile-results.tsv。 +- 验证：待运行 wiki-audit.ps1 复核。 diff --git a/wiki/concepts/阿布量化框架架构.md b/wiki/concepts/阿布量化框架架构.md new file mode 100644 index 0000000..8ad2fda --- /dev/null +++ b/wiki/concepts/阿布量化框架架构.md @@ -0,0 +1,115 @@ +--- +title: "阿布量化（ABuQuant）框架架构" +source: "https://github.com/bbfamily/abu (commit d602d847677e4c2b77b0a122df30816ea68b5710)" +created: 2026-08-07 +updated: 2026-08-07 +type: concept +tags: + - "量化" + - "开源框架" + - "回测" + - "Python" +confidence: medium +contested: false +raw_sources: + - path: "raw/量化/abuquant/abuquant-框架架构摘编.md" + hash: "sha256:1d40144383bd5f8e0f5d6049da545abb2933a83328693dc2d7852af9e70291d6" +--- + +# 阿布量化（ABuQuant）框架架构 + +## 页面定位 + +本页是阿布量化（ABuQuant）开源量化框架的**架构概念页**，回答"这个框架由哪些模块组成、因子/回测/裁判/度量如何衔接"。它不讲解具体策略开发步骤（见[[阿布量化策略开发与回测|阿布量化策略开发与回测]]），不展开期货专项方法（见[[期货量化回测与位移路程比|期货量化回测与位移路程比]]），也不替代任何品种研究框架。源码本体未整包入库，证据为摘编与哈希清单（`raw/量化/abuquant/`）。 + +## 一、定义与定位 + +阿布量化是一个开源的 Python 量化交易系统，核心设计目标是**分离基础策略与策略优化监督模块**。支持美股、A股、港股、期货、期权、比特币、莱特币。版本 0.4.0（2026-01-24 commit d602d84），作者"阿布"，配套教材《量化交易之路》《机器学习之路》。 + +设计哲学（README"道生一、一生二、二生三、三生万物"）：因子是最小单位（一）→ 因子组合成策略（二）→ 策略接入回测与裁判决策（三）→ 全市场多策略并行演化（万物）。 + +## 二、模块分层 + +框架以 21 个 `*Bu` 模块组织（`abupy/` 目录），`__init__.py` 统一导入： + +| 模块 | 职责 | +|---|---| +| CoreBu | 环境、基准、并行（Windows 用 ProcessPoolExecutor 规避 joblib 长任务弹窗）、pandas 兼容、存储 | +| MarketBu | 数据缓存/数据源/解析、股票与期货 symbol、行业分类、市场切割、可视化 | +| FactorBuyBu / FactorSellBu | 买入/卖出择时因子基类与示例 | +| PickStockBu | 选股因子基类与示例 | +| AlphaBu | 选股/择时 Master-Worker 并行调度 | +| BetaBu | 仓位管理示例（ATR、Kelly、价格位置） | +| TradeBu | 订单、资金、基准、ML 特征 | +| SlippageBu | 滑点基类与均价滑点示例 | +| UmpBu | 裁判决策（UMP）：主裁 + 边裁共 17 文件 | +| MetricsBu | 回测度量、GridSearch 参数寻优 | +| TLineBu | 技术线：拟合、位移路程比、通道、骨架、支撑阻力、黄金分割、VWAP | +| IndicatorBu | ATR、BOLL、MA、MACD、RSI 等指标 | +| MLBu / DLBu | 机器学习封装 / caffe 深度学习工具 | +| SimilarBu | 相关系数与相似度 | +| CrawlBu / CheckBu / UtilBu / WidgetBu | 爬虫数据源 / 检查预处理 / 工具 / UI 组件 | +| ExtBu、joblib/ 等 | 内置第三方依赖（six、joblib、empyrical、futures） | + +## 三、核心机制 + +### 1. 因子体系 + +- 买入因子 `AbuFactorBuyBase` 必须且只能混入一个方向类：`BuyCallMixin`（看涨，expect_direction=1.0）或 `BuyPutMixin`（看跌，expect_direction=-1.0，用于期货/期权反向）。 +- 卖出因子 `AbuFactorSellBase` 通过 `support_direction()` 声明支持的买卖方向，`fit_day()` 按 `order.expect_direction` 区分 call/put 处理。 +- 选股因子 `AbuPickStockBase` 在择时周期内每月/每周动态重新选股。 +- 因子可内嵌专属卖出因子与选股因子；`lock_factor` 可封锁本源买入因子。 + +### 2. 回测数据流 + +``` +数据(MarketBu) → 基准(AbuBenchmark: 时间范围/对齐/市场限制) +→ 资金(AbuCapital) → 择时Worker(AbuPickTimeWorker) + └─ fit_day 驱动：买入因子生成订单 → 卖出因子止盈止损 + → UMP 裁判拦截 → 滑点定成交价 → 仓位管理定量 +→ 订单 → 度量(AbuMetricsBase) → 存储/可视化 +``` + +`kl_pd` 为择时时段，`combine_kl_pd` 合并前一年数据供 ML 特征构建。 + +### 3. UMP 裁判决策 + +UMP（Umpire，裁判）用机器学习训练"裁判"拦截策略生成的失败交易： + +- **主裁（Main）**：对买入信号整体裁决；示例含角度、价格、波动、跳空、多混。 +- **边裁（Edge）**：对交易特征专项裁决。 +- `AbuUmpManager` 组织通信；外部用户 `append_user_ump()` 添加自定义裁判（需先训练生成 cache）。 +- 训练流程：切分训练集回测 → 提取失败交易特征 → GMM 分类 + 最优分类簇筛选（`ump_main_clf_dump()` 一行完成）→ 保存分类器 → 测试集开启拦截对比。 +- 价值：拦截低质量交易、节省佣金、降低交易数量本身即优化；提升方向为更多裁判/特征、复杂综合裁决、统计权重加权。 + +### 4. 度量与优化 + +- `AbuMetricsBase` 度量收益、回撤、胜率等；期货专用 `AbuMetricsFutures`。 +- `AbuGridSearch` 借鉴 sklearn，对因子做参数寻优；`AbuCrossVal` 交叉验证。 +- `AbuTLine` 提供最优拟合次数、位移路程比、拟合通道、骨架通道、黄金分割等分析手段辅助参数选择。 + +### 5. 数据源 + +内置沙盒数据仅供学习；`ABuDataCache` 管理采集/存储/merge 更新；对外统一接口 `ABuSymbolPd`；外部数据源可接入股票/期货/数字货币。 + +## 四、证据与不确定性 + +- 摘编基于源码 docstring、README 与教学 notebook markdown，未逐行核验全部算法。 +- 缠论、波浪、谐波、K 线形态、均线信号等"量化 2.0"能力是项目网站（abuquant.com）宣传内容，仓库源码中形态识别以 TLineBu/IndicatorBu/WidgetBu 为基础，**未提供完整形态库代码**，不应视为可复现能力。 +- README 中"18496 种策略""上百种模型"等营销数字未作为事实收录。 +- 版本较旧（0.4.0），新环境需处理 Python 2/3 兼容层与依赖版本问题。 + +## 五、失效条件与风险 + +- 沙盒数据回测结果不具代表性，实盘需外部数据源。 +- 裁判（UMP）效果依赖训练集质量与数据量，沙盒小样本下"正确拦截比错误拦截多"但胜率/盈亏并不理想。 +- 框架的滑点实现不考虑大资金冲击成本；迁移实盘需日内分钟 K 线择时。 + +## 六、相关页面 + +- [[阿布量化策略开发与回测|阿布量化策略开发与回测]] - 因子开发与回测流程 +- [[期货量化回测与位移路程比|期货量化回测与位移路程比]] - 期货专项方法与位移路程比 +- [[技术分析形态与突破确认|技术分析形态与突破确认]] - 形态/突破信号的独立验证边界（与 abu 形态宣传对照） +- [[股票交易系统与技术分析|股票交易系统与技术分析]] - 主观技术分析体系（对照量化因子思路） +- [[交易与交易所市场微观结构|交易与交易所：市场微观结构]] - 滑点、交易成本的微观结构基础 +- 术语见 [[Glossary|术语表]]：UMP、位移路程比、择时因子 diff --git a/wiki/practices/期货量化回测与位移路程比.md b/wiki/practices/期货量化回测与位移路程比.md new file mode 100644 index 0000000..b24f2d5 --- /dev/null +++ b/wiki/practices/期货量化回测与位移路程比.md @@ -0,0 +1,90 @@ +--- +title: "期货量化回测与位移路程比" +source: "https://github.com/bbfamily/abu (commit d602d847677e4c2b77b0a122df30816ea68b5710)" +created: 2026-08-07 +updated: 2026-08-07 +type: practice +tags: + - "量化" + - "期货" + - "回测" + - "趋势跟踪" + - "品种筛选" +confidence: medium +contested: true +raw_sources: + - path: "raw/量化/abuquant/abuquant-期货回测与位移路程比摘编.md" + hash: "sha256:8a5d4fdf3e8ce52e78531a919bf008d1ea6f3eb7013415370e22a54183a62cf3" + - path: "raw/量化/abuquant/abuquant-框架架构摘编.md" + hash: "sha256:1d40144383bd5f8e0f5d6049da545abb2933a83328693dc2d7852af9e70291d6" +--- + +# 期货量化回测与位移路程比 + +## 页面定位 + +本页提炼阿布量化对**期货市场**的量化处理方法：连续合约数据、保证金与强平机制、看涨/看跌双向策略、位移路程比（shift/distance）品种筛选、内外盘低频统计套利思路。它属于方法论实践页，与具体品种研究（[[焦煤期货研究框架|焦煤期货研究框架]]、[[玻璃期货研究框架|玻璃期货研究框架]]）互补：本页讲量化回测技术，品种页讲基本面。教学示例数字仅用于说明机制，不代表真实回测结论。 + +## 一、期货数据与合约要素 + +- 量化用**连续合约**（如 JM0 焦煤、I0 铁矿石、RB0 螺纹钢、FG0 玻璃），而非具体月份合约（如 JD1709）。 +- 合约要素（AbuFuturesCn）：`min_uni` 每手数量（鸡蛋 5 吨/手、胶合板 500 张/手）、`commission` 每手手续费、`min_deposit` 最低保证金比例（0.08=8%）。 +- 内置沙盒 46 个品种：覆盖大商所（J0/JM0/I0/M0/Y0/A0/B0 等）、郑商所（TA0/FG0/ZC0/MA0/SR0/CF0 等）、上期所（CU0/AL0/RB0/HC0/AG0/AU0/NI0 等）。 + +## 二、保证金、强平与交割（教学机制） + +- 保证金杠杆：以鸡蛋为例，4014 元/吨 × 5 吨/手 × 20 手 ≈ 40 万货值，8% 保证金约 3 万+ 即可开仓；收益与风险同比例放大。 +- 价格反向时账户净值不足新保证金要求 → 期货公司先要求追加，否则**强行平仓**。 +- 看跌（put）机制：可理解为"借入商品卖出、低价买回归还"，赚取差价。 +- 交割限制：个人投机账户无实物交割资格，持有到交割日由交易所强平；"保值"账户仅限有资格企业。 + +## 三、双向策略实现 + +- 市场目标切换：`g_market_target = E_MARKET_TARGET_FUTURES_CN`。 +- 看涨：向上突破买入因子（如 AbuFactorBuyBreak）；看跌：向下突破因子 AbuFactorBuyPutBreak（混入 BuyPutMixin，expect_direction=-1）。 +- 卖出因子需 `support_direction()` 声明双向支持，按 `order.expect_direction` 区分：call 方向"暴跌止损"、put 方向"暴涨止损"（示例 `(pre_close - close) * expect_direction > atr21 * pre_atr_n`）。 +- 周期选择需适配品种：期货有交割周期与季节性，突破参数宜从 42/60 调整为 21/42 天；比特币示例用重采样确定 10 天上下周期。 + +## 四、位移路程比（shift/distance） + +### 定义 + +```text +sd = shift / distance +shift = 起终点直线距离（价格净变化，位移） +distance = 路径实际走过的总距离（路程） +``` + +- `sd` 接近 1：走势干净、趋势保持好；`sd` 显著大于 1：反复震荡、趋势快速回复。 +- 实现：`ABuTLExecute.shift_distance`，返回 (h_distance 底边, v_distance 垂直, distance 路程, shift 位移, sd)；`show_shift_distance(how, step_x)` 可视化，`how` 可选 close（序列最后元素）/maxmin（趋势极限值）/sum_maxmin。 + +### 选股逻辑（趋势突破策略适用性） + +| sd 特征 | 品种示例 | 结论 | +|---|---|---| +| 基本 <2，偶有 >2 段 | V0 PVC | 符合：能惯性保持趋势，涨跌都有机会 | +| 多次 >2.0 | FB0 纤维板 | 过滤：短涨即反弹，趋势无法保持 | +| 无 >2.0 | Y0 豆油 | 过滤：太平稳，无趋势 | + +- 应用：38 个期货品种先全品种回测（收益一般），再用位移路程比选股缩小品种池 → 提升突破策略适配性。 +- 实现因子：`AbuPickStockShiftDistance`（PickStockBu）。 + +## 五、方法要点与引申 + +- **品种筛选优先于参数优化**：先用趋势持续性指标（位移路程比）筛品种，再优化参数。 +- 双向策略下，止损因子逻辑必须按方向区分。 +- 内外盘低频统计套利（notebook 25）：同一/相关品种跨市场价差关系，教学示例，需结合具体市场规则核验。 + +## 六、证据与不确定性 + +- 教学示例中的价格/收益数字（2017 年鸡蛋等）仅用于说明机制，不构成真实历史回测结论。 +- 沙盒数据（2017 年前后内置）仅供学习；实盘需外部数据源并重新核验合约参数（保证金比例、手续费随交易所规则变化）。 +- 位移路程比是**趋势持续性**的度量工具，不预测方向；需配合止损、仓位与基本面。 + +## 七、相关页面 + +- [[阿布量化框架架构|阿布量化框架架构]] - 框架模块与 UMP 裁判机制 +- [[阿布量化策略开发与回测|阿布量化策略开发与回测]] - 因子开发、度量与参数寻优流程 +- [[焦煤期货研究框架|焦煤期货研究框架]] - 焦煤基本面与盘面研究框架 +- [[技术分析形态与突破确认|技术分析形态与突破确认]] - 突破信号确认与假突破 +- [[商品市场金融化与库存套利|商品市场金融化与库存套利]] - 期现、基差与库存的宏观背景 diff --git a/wiki/practices/阿布量化策略开发与回测.md b/wiki/practices/阿布量化策略开发与回测.md new file mode 100644 index 0000000..663ff71 --- /dev/null +++ b/wiki/practices/阿布量化策略开发与回测.md @@ -0,0 +1,92 @@ +--- +title: "阿布量化策略开发与回测" +source: "https://github.com/bbfamily/abu (commit d602d847677e4c2b77b0a122df30816ea68b5710)" +created: 2026-08-07 +updated: 2026-08-07 +type: practice +tags: + - "量化" + - "策略开发" + - "回测" + - "因子" +confidence: medium +contested: false +raw_sources: + - path: "raw/量化/abuquant/abuquant-策略开发与回测实践摘编.md" + hash: "sha256:fc63e6c7799ee5af9f084f45982ec45469428e68f4070f8b38067ed1d760482a" + - path: "raw/量化/abuquant/abuquant-框架架构摘编.md" + hash: "sha256:1d40144383bd5f8e0f5d6049da545abb2933a83328693dc2d7852af9e70291d6" +--- + +# 阿布量化策略开发与回测 + +## 页面定位 + +本页是阿布量化框架**策略开发与回测的实践页**，记录可执行流程：择时因子编写、止盈止损、滑点手续费、仓位管理、选股因子、度量、参数寻优、机器学习集成与数据源接入。它不解释框架架构（见[[阿布量化框架架构|阿布量化框架架构]]），不展开期货专项（见[[期货量化回测与位移路程比|期货量化回测与位移路程比]]）。所有 API 名称以源码为准，未执行回测复现。 + +## 一、择时策略开发（notebook 1） + +1. **编写买入择时因子**：继承 `AbuFactorBuyBase` + 混入方向类（BuyCallMixin/BuyPutMixin），实现 `fit_day(today, orders)` 调用 `self.buy_tomorrow(order)` 生成次日订单。 +2. **分解模式逐步回测**：先只挂买入因子观察买入点，再叠加卖出因子。 +3. **编写卖出因子**：继承 `AbuFactorSellBase`，`fit_day` 中 `self.sell_tomorrow(order)`。 + +关键约定：`buy_tomorrow/sell_tomorrow` 次日成交（避免未来函数）；`_init_self(**kwargs)` 读取自定义参数。 + +## 二、止盈止损与风险控制（notebook 2） + +| 类型 | 代表因子 | 作用 | +|---|---|---| +| 基本止盈止损 | AbuFactorAtrNStop（n 倍 ATR） | 保护利润、控制风险 | +| 风险控制止损 | AbuFactorPreAtrNStop（单日最大跌幅 n 倍 ATR） | 单边风险控制 | +| 利润保护止盈 | AbuFactorCloseAtrNStop（利润回撤） | 只做单边止盈 | + +ATR 定义：`TR = max(|最高-最低|, |最高-昨收|, |昨收-最低|)`，ATR 为 TR 的均值。 + +## 三、滑点与手续费（notebook 3） + +- 默认均价买入/卖出（AbuSlippageBuyMean/SellMean）：简单高效，交易数量足够时接近实盘；**不考虑大资金冲击成本**，实盘迁移需日内分钟 K 线择时。 +- `AbuCommission` 计算手续费，`order.commission` 记录。 + +## 四、多股票与仓位管理（notebook 4） + +- 多股票可用同一因子组合，也可分别指定因子。 +- 仓位管理默认 `AbuAtrPosition`，示例还有 Kelly、价格位置仓位；可通过全局默认或 kwargs 指定。 +- 并行：`AbuPickTimeMaster` 多进程调度（Windows 注意 ProcessPoolExecutor 实现）。 + +## 五、选股策略（notebook 5） + +- 选股因子继承 `AbuPickStockBase`，实现 `fit_first_choice` 等方法；示例：价格、拟合角度、相似度、位移路程比选股。 +- 多因子并行；择时周期内每月/每周动态重新选股。 + +## 六、度量、参数寻优与评分（notebook 6-7） + +- `AbuMetricsBase` 度量收益/回撤/胜率等，可自定义度量类；期货用 `AbuMetricsFutures`。 +- `AbuGridSearch` 网格搜索因子参数（如"均线看多少天"），`AbuScoreTuple`/`AbuBaseScorer` 评分（支持权重与自定义），`AbuCrossVal` 交叉验证。 + +## 七、机器学习集成（notebook 12） + +- `AbuMLFeature` 定义特征（支持扩展）→ `AbuML` 中间层 → `AbuMLCreater` 封装学习器 → `AbuMLPd` 业务封装。 +- 测试集验证与非均衡技术；应用场景：UMP 裁判训练、策略有效性验证（notebook 32）。 + +## 八、数据源接入（notebook 19） + +数据模式/存储/数据源三层均可切换；`ABuDataCache` merge 更新；外部数据源可接股票/期货/数字货币；所有取数统一走 `ABuSymbolPd`。 + +## 九、开发注意事项 + +- 卖出因子用于期货需 `support_direction()` 声明支持 put，`fit_day` 按 `order.expect_direction` 正负区分（call：暴跌止损；put：暴涨止损）。 +- 买入因子方向唯一（一个因子不能同看涨又看跌）。 +- 数据访问统一走 `ABuSymbolPd`。 +- 选股因子可用 `lock_factor` 封锁本源买入因子。 + +## 十、证据边界 + +- 本页基于教学 notebook 与源码 docstring 提炼，未复现任何回测；沙盒示例收益数字不具代表性（数据量小、依赖旧数据文件）。 +- 教学流程可用作学习/原型参考；实盘部署需自行解决数据、滑点、手续费与合规。 + +## 十一、相关页面 + +- [[阿布量化框架架构|阿布量化框架架构]] - 模块分层与核心机制 +- [[期货量化回测与位移路程比|期货量化回测与位移路程比]] - 期货双向策略与品种筛选 +- [[技术分析形态与突破确认|技术分析形态与突破确认]] - 技术信号的确认与失效条件 +- [[股票交易纪律与资金管理|股票交易纪律与资金管理]] - 资金管理与止损的独立实践 diff --git a/wiki/sources.md b/wiki/sources.md index e6e9c89..3398d2a 100644 --- a/wiki/sources.md +++ b/wiki/sources.md @@ -86,3 +86,7 @@ last_updated: 2026-08-02 - [[中国房地产市场制度演进与周期阶段|中国房地产市场制度演进与周期阶段]] - 知乎专栏《【中国房地产四十五载风云史】发展历史回望：1978-2023》；原始 HTML 与中文摘编保存在 `raw/宏观/房地产/90-待核验/`，历史线索和政策首例表述需进一步核验 - [[房地产行业2021年政策盘点与资金约束传导|房地产行业 2021 年政策盘点与资金约束传导]] - 亿翰智库 2021 年 12 月 31 日房地产政策研究报告；原始 DOCX 与中文摘编保存在 `raw/宏观/房地产/90-待核验/`，政策口径和城市案例需复核 + +## 量化交易框架资料 + +- [[阿布量化框架架构|阿布量化框架架构]]、[[阿布量化策略开发与回测|阿布量化策略开发与回测]]、[[期货量化回测与位移路程比|期货量化回测与位移路程比]] - GitHub 开源项目 [bbfamily/abu（阿布量化）](https://github.com/bbfamily/abu)（commit d602d84，2026-01-24，v0.4.0，GPL）；源码本体 73MB 未整包入库，摘编与 381 文件哈希清单保存在 `raw/量化/abuquant/`，本地源码在 `raw/量化/abuquant-src/`（不入库），可凭 commit 从 GitHub 重新获取验证