---
title: "个人 A 股量化系统机构级 60 分 Baseline 技术选型设计：从聚宽研究到 QMT 实盘（2026-07-22）"
canonical: "https://gomars.fun/pages/4/"
updated: "2026-07-23T09:14:40Z"
---

# 个人 A 股量化系统机构级 60 分 Baseline 技术选型设计：从聚宽研究到 QMT 实盘（2026-07-22）

> 本文把[LEAN 60 行骨架](https://gomars.fun/pages/3/)继续向前推进：不再只解释模块，而是为一个**个人、A 股、日频、先聚宽回测与模拟、后迁移 QMT 实盘、预计持续演进 3—5 年**的系统，做一套可以验收的 Baseline 技术选型。

需求来自这次[完整讨论](https://chatgpt.com/share/6a60a8bb-2d0c-83ea-8e86-3bb781d1090c?ogimg=plain)。资料与交易规则核验日为 **2026-07-22**。

> [!warning] 使用边界
> “机构级 60 分”描述的是**研究与生产链条的完整度**，不是收益率，不表示已获得机构数据、私有 Alpha、席位、低延迟基础设施或风控审批，也不构成投资建议。纸面设计只有在每一项验收证据出现后才真正得分。

## 一页结论

最合适的答案不是挑一个“最强平台”，而是建立一个小而完整的组合栈：

| 角色 | V1.0 选型 | 为什么 |
| --- | --- | --- |
| 架构语言 | LEAN 式稳定接口 | 把预测、目标仓位、订单、成交明确分开；以后替换模型或券商时不重写全系统 |
| 数据底座 | 授权的聚宽/JQData 数据适配器 + Parquet + DuckDB | 当前 A 股适配最好，同时避免策略永久锁死在平台内部 |
| 研究与模型 | Qlib 工作流 + LightGBM 主模型 + Ridge 线性挑战者 | 适合中等规模表格因子；训练、记录和组合实验链成熟；保留简单模型作为过拟合警报 |
| 标的池 | 按当时成分还原的中证 500 + 可交易性过滤 | 在横截面宽度、流动性和个人执行难度之间取中间值 |
| 风险 | 行业 + 透明风格因子模型，协方差收缩，特异风险 | 比“只看止损”完整，也比直接购买或复制商业 Barra 更可审计 |
| 成本 | 日期版本化显性费率 + 半价差 + 参与率/波动冲击 | 成本同时进入回测、优化与成交后校准，不再用一个固定滑点掩盖容量问题 |
| 组合 | CVXPY 连续受约束优化 + 取整/离散 repair | 显式权衡 Alpha、风险、换手与成本；持股数、最低佣金和交易单位不伪装成连续凸约束 |
| 执行 | QMT/XtTrader 适配器 + Guarded TWAP/POV 状态机 | 日频不需要追求微秒，但必须正确处理异步回报、部分成交、撤单重报和对账 |
| 评估与追踪 | Qlib Records + 自有账本 + 本地 MLflow + Git/data manifest | 一次结果能追溯到代码、配置、数据、模型、订单和成交 |
| 当前平台分工 | 本地为事实源；聚宽做独立回测/模拟；QMT 做实盘 | 研究、验证和实盘各用其所长，业务核心不依赖平台专有回调 |

可以把它浓缩成一句话：

> **LEAN 定合约，Qlib 做研究，聚宽做第二引擎验证，QMT 做真实订单；本地的版本化数据、组合决策和账本才是系统事实源。**

V1.0 的目标设计分约为 **66/100**。它刚好高于 60，而不是假装达到 90：数据供应仍非双源，成本冲击主要靠代理变量，风险模型尚未经过多年实盘校准，执行也没有交易所级逐笔队列模型。

## 一、先把“60 分”定义清楚

### 1. 60 分不是平均分，而是“分数 + 硬门”

系统总分由七个维度加权，但必须同时通过十道硬门。这样不能靠一个漂亮的回测 Sharpe 抵消数据泄漏，也不能靠代码整洁抵消实盘无法对账。

| 评分维度 | 权重 | 60 分层级应有的证据 |
| --- | ---: | --- |
| 数据与时点正确性 | 15% | PIT 数据、成分股历史、退市样本、公司行动、字段可用时间、版本与质量报告 |
| 研究与样本外验证 | 15% | 时间顺序切分、标签重叠 purge/embargo、walk-forward、成本后结果、多市场状态 |
| 风险与组合构建 | 15% | 预测与仓位分离，相关性/暴露/流动性进入优化，约束可解释且有不可行降级 |
| 成本与执行现实性 | 15% | 日期化费率、价差/冲击、成交量约束、部分成交、撤改、异步回报 |
| 工程与可复现性 | 15% | 代码/配置/数据/环境/模型版本齐全，同一输入可重放同一决策 |
| 运行、对账与监控 | 15% | 决策—订单—成交三账、日终券商对账、告警、断线恢复、kill switch |
| 合规与平台迁移 | 10% | 程序化交易报告已确认；核心逻辑与聚宽/QMT API 解耦；规则按日期版本化 |

定义为：

```text
总分 = Σ（维度得分 × 权重占比），且 Σ权重占比 = 1

达到 Baseline 60 ⇔ 总分 ≥ 60
                    且 G1…G10 全部通过
```

十道硬门如下：

| Gate | 不可妥协的验收条件 | 失败意味着什么 |
| --- | --- | --- |
| G1 数据时点 | 任意一次预测都能回答“当时实际知道什么”；财报按公告可得时间进入 | 有未来函数，整份回测作废 |
| G2 样本外 | 禁止随机打乱时间；有隔离的验证、测试和向前滚动评估 | 只有拟合，没有证据 |
| G3 A 股现实 | 停复牌、涨跌幅制度、交易单位、T+1 可卖量、费用与公司行动按证券和日期处理 | 回测订单在现实中不存在 |
| G4 稳定合约 | `Forecast → Target → Order → Fill` 是不同对象并落盘 | 无法定位误差来自哪一层 |
| G5 事前风险 | 仓位生成前检查集中度、行业/风格暴露、波动、流动性和换手 | “止损”无法替代组合风控 |
| G6 订单状态 | 支持提交、确认、部分成交、全成、撤单中、已撤、拒单与未知状态 | 实盘仓位会漂移 |
| G7 可复现 | 每个 run 绑定 Git commit、环境锁、配置 hash、数据快照与随机种子 | 结果无法复核 |
| G8 对账与停机 | 每日与券商资产/持仓/订单/成交对账；异常时能阻止新单 | 小故障可以累积成资金事故 |
| G9 双引擎一致性 | 同一信号/目标在本地与聚宽的差异有解释；QMT 影子运行通过 | 迁移风险未知 |
| G10 合规 | 已向实际券商确认报告、权限、频率和软件信息要求，并完成“先报告、后交易” | 不得上线实盘 |

### 2. 每一层的 0—90 分语义

| 层级 | 含义 |
| ---: | --- |
| 0 | 缺失 |
| 20 | Notebook/Demo 能跑；大量理想化假设 |
| 40 | 回测可用；尚不能可靠模拟或实盘 |
| 60 | 职责、输入、输出、失败模式和验收测试齐全，并已有连续模拟/影子运行证据；系统级通过后才有资格进入受控小资金 canary |
| 80 | 多数据源、压力测试、自动恢复、持续监控和实盘校准较成熟 |
| 90+ | 机构私有数据、容量与成交模型、治理、权限、审计和生产基础设施长期验证 |

因此，本文所说的“机构级”准确含义是：**采用机构常见的完整责任链与控制思想，但用个人能维护的复杂度实现其 60 分版本。**

### 3. 本文的固定边界

V1.0 先主动放弃一些问题，否则工程面会无限膨胀：

- 市场：沪深 A 股，暂不含港股、美股、期权、期货和跨境资产。
- 账户：个人现金股票账户，长仓，不融资融券。
- 频率：日频生成 Alpha，默认周度再平衡；日内数据只服务可交易性、成本和执行。
- 目标：相对中证 500 的成本后超额收益，不把最高绝对收益当唯一目标。
- 平台：当前在聚宽回测与模拟；本地保存研究事实；未来以实际券商可用的 QMT/XtQuant 接口实盘。
- 非目标：高频、盘口预测、做市、深度学习端到端下单、分布式微服务、Kubernetes。

如果将来改做分钟高频、期权组合或多券商交易，本设计的接口仍可保留，但执行、风控和数据模型必须升级，不能把本文参数原样平移。

## 二、目标架构：研究平面与交易平面分开

LEAN 官方的 [Algorithm Framework](https://www.quantconnect.com/docs/v2/writing-algorithms/algorithm-framework/overview) 把 Universe、Alpha、Portfolio Construction、Risk Management 和 Execution 分开。本文保留这套责任边界，但加上现实系统不可缺少的数据、成本、账本、监控与反馈。

![个人 A 股量化 Baseline：研究、交易与证据反馈闭环](https://gomars.fun/pages/assets/4613ec0cdf67f38a-bdb5f3b54d/a0f9b440ec377691.png)

可编辑源图：[个人 A 股量化 Baseline：研究、交易与证据反馈闭环](https://gomars.fun/pages/assets/4613ec0cdf67f38a-bdb5f3b54d/cebf2a7c6004711a.excalidraw.md)

核心不是目录名，而是九种稳定对象：

| 对象 | 最少字段 | 生产含义 |
| --- | --- | --- |
| `SecurityMaster` | 内部 ID、交易所代码、上市/退市日、板块、交易单位、规则版本 | 证券身份与规则不能靠字符串猜 |
| `UniverseSnapshot` | `as_of`、成员、纳入/排除原因、数据版本 | 标的池可重放，杜绝当前成分回填历史 |
| `FeatureSnapshot` | `instrument`、`event_time`、`available_time`、值、版本 | 区分事件发生与研究者可得时间 |
| `AlphaForecast` | 标的、生成时点、持有期、分数/预期超额、置信度、模型版本 | 只表达预测，不偷偷决定股数 |
| `RiskForecast` | 暴露矩阵、因子协方差、特异风险、流动性、场景 | 描述一起跌、暴露过大和难退出的风险 |
| `CostForecast` | 方向、数量、显性费率、价差、冲击、置信区间 | 成本是数量的函数，不是一条常数 |
| `TargetPortfolio` | 决策时点、目标权重/数量、约束状态、优化器状态 | 想持有什么，与如何成交分离 |
| `ExecutionPlan` | 父单、子单节奏、限价边界、参与率、截止时间、退出政策 | 把目标差额翻译成可控的执行意图 |
| `OrderEvent/Fill` | client ID、broker ID、状态、成交量价费、事件时间 | 券商回报是事实，必须可幂等重放 |

稳定边界建议固定成：

```python
alpha.predict(feature_snapshot) -> AlphaForecast
risk.estimate(market_snapshot, positions) -> RiskForecast
cost.estimate(trade_list, market_snapshot) -> CostForecast
portfolio.build(alpha, risk, cost, current_positions) -> TargetPortfolio
pretrade.check(target, broker_snapshot, rules) -> PreTradeDecision
execution.plan(decision, market_snapshot) -> ExecutionPlan
broker.submit(plan) -> stream[OrderEvent]
ledger.reconcile(order_events, broker_snapshot) -> ReconciliationReport
```

聚宽、Qlib 和 QMT 只能实现这些接口，不能反过来侵入领域对象。平台切换时替换 adapter；Alpha、风险、组合与验收逻辑保持不动。

## 三、总框架候选：为什么不选一个“大一统平台”

| 候选 | 优点 | 主要缺口 | 复杂度 | 生产成熟度 | 当前适配 / 学习 ROI | 结论 |
| --- | --- | --- | --- | --- | --- | --- |
| 聚宽全包 | A 股数据、API、回测、模拟接近当前习惯 | 平台锁定；本地实验、实盘订单语义与券商状态难成为统一事实源 | 低 | 中 | 很高 / 高 | 保留为验证环境，不作内核 |
| Microsoft Qlib 全包 | 数据处理、模型训练、记录与 A 股示例完整；[论文](https://arxiv.org/abs/2009.11189)与[源码](https://github.com/microsoft/qlib)公开 | 默认策略与执行不是 QMT 生产 OMS；公开样例数据不应当作生产源 | 中 | 研究高、交易低 | 高 / 很高 | 选作研究工作流，不包办实盘 |
| QuantConnect LEAN | 五层接口、事件、现实模型与订单生命周期成熟 | 中国本地数据、规则和 QMT 接入成本较高 | 高 | 高 | 中 / 很高 | 选其架构思想，不把整引擎搬进 V1 |
| vn.py / NautilusTrader 类事件引擎 | 事件驱动、网关、订单状态适合交易工程学习 | 日频 A 股横截面研究和当前 QMT 路线仍需大量适配 | 中高 | 中高 | 中 / 中高 | 80 分阶段参考，不作 V1 主干 |
| 小型本地 Python 内核 + 适配器 | 接口、数据和账本完全受控，最容易跨聚宽/QMT | 自己必须承担测试、状态、监控和文档 | 中 | 取决于实现 | 很高 / 很高 | **V1 主干；只自建薄层，复用成熟库** |

最终不是“全自研”。自建的仅是对个人系统最有长期价值的部分：**领域对象、平台 adapter、约束配置、决策账本和验收测试**；矩阵运算、模型、求解器、存储和追踪全部复用成熟项目。

## 四、数据与证券主数据层

**职责**：回答“在时点 $t$，系统对证券 $i$ 真正知道什么、能否交易、适用什么规则”。

- 输入：行情、财务与公司行动、指数成分、证券状态、交易日历、交易规则、数据商元数据。
- 输出：`SecurityMaster`、不可变原始分区、PIT 标准表、数据质量报告和 `data_version`。
- 60 分失败模式：当前指数成分回填历史、使用修订后财报、只保存后复权价、退市证券消失、不同平台代码混用、规则硬编码。

### 候选比较

| 候选 | 优点 | 缺点 / 风险 | 复杂度 | 生产成熟度 | 当前适配 / 学习 ROI | 决策 |
| --- | --- | --- | --- | --- | --- | --- |
| 只用聚宽平台内数据 | 上手最快，A 股字段和回测环境统一 | 被平台对象与权限绑定；难做独立数据快照和 QMT 重放 | 低 | 中 | 很高 / 中 | 仅做交叉验证 |
| 聚宽/JQData 授权源 + 本地标准层 | 延续当前数据经验，又能固定 PIT 快照与跨平台代码 | 需处理授权范围、增量更新、字段语义和质量测试 | 中 | 中高 | **很高 / 很高** | **V1 Baseline** |
| Qlib 示例/公开数据 | 快速跑通官方 workflow | [Qlib 仓库](https://github.com/microsoft/qlib)明确提醒公开数据可能不完善；不适合作为资金决策事实源 | 低 | 低 | 中 / 高 | 只做 smoke test |
| Wind / Choice 等商业数据 | 财务、公司行动、行业与一致预期覆盖较强 | 费用、许可和供应商绑定；个人阶段投入较大 | 中 | 高 | 中 / 中 | 80 分升级 |
| 自抓交易所/网站并拼接 | 可控、费用低 | 复权、修订、历史状态和长期运维成本被严重低估 | 很高 | 低至中 | 低 / 中 | 不作主源 |

聚宽的[入门指南](https://www.joinquant.com/help/api/guide)适合完成回测—模拟闭环；[JQData 文档](https://www.joinquant.com/help/api/doc?id=9845&name=JQDatadoc)适合本地访问。但“API 能返回数据”不等于 PIT 正确。聚宽技术支持说明 `set_option("avoid_future_data", True)` 需要显式开启且默认关闭（[未来数据说明](https://www.joinquant.com/community/post/detailMobile?postId=23804)），股票数据页也对全证券与历史指数成分的未来函数风险作了提示（[股票数据说明](https://www.joinquant.com/help/data/stock?f=home&m=footer)）；V1 仍要自己做字段可用时间测试。数据能否落本地、保存多久和用于何处，应以账户实际授权条款为准。

### V1.0 实现

```text
data/
├── raw/provider=jq/table=bars/trade_date=YYYY-MM-DD/*.parquet
├── raw/provider=jq/table=fundamentals/announce_date=YYYY-MM-DD/*.parquet
├── canonical/bars/...
├── canonical/fundamentals_pit/...
├── canonical/security_master/...
├── canonical/index_membership_pit/...
├── canonical/trading_rules/...
├── snapshots/<data_version>/manifest.json
└── quality/<run_date>/report.json
```

选 **Parquet + DuckDB**，原因不是它们“更量化”，而是个人单机上列式分区、SQL 审计和 Python 互操作足够强，又没有数据库服务运维负担。Qlib 只读取 canonical view，不拥有原始数据。

必须保留以下语义：

1. 原始价、复权因子和公司行动分开保存，禁止只存一条会随查询日变化的后复权序列。
2. 每条基本面记录同时保存 `period_end`、`announce_time`、`available_time` 和供应商抓取版本；模型按 `available_time` 连接。
3. 指数成分、ST/风险警示、停复牌、上市退市和证券板块均为带生效区间的慢变表。
4. 交易日历、交易单位、涨跌幅与有效申报规则按**市场、板块、证券、日期**取值，不散落在策略 `if` 中。
5. 每次实验锁定 `data_version = hash(manifest + schema + source partitions)`；供应商历史修订后旧实验仍能重放。
6. 每日质量门检查重复键、缺口、极值、价格关系、成交额一致性、复权跳变、成分数量和供应商延迟；失败时不产生新目标仓位。

上海、深圳交易规则在 2026 年又有修订，整体自 2026-07-06 起施行（[上交所规则](https://www.sse.com.cn/lawandrules/sselawsrules2025/trade/universal/c/c_20260424_10816492.shtml)、[深交所规则](https://www.szse.cn/lawrules/rule/allrules/bussiness/t20260424_620190.html)）；上交所页面同时单列了暂缓实施条文。规则表因此不仅要保存 `effective_from/effective_to`，还要保存 `active/deferred` 状态，不能把“已发布”直接等同于“所有条款均已执行”。

### 数据层验收

- 任抽 30 个历史决策日，可以还原当日指数成员、证券状态、财报可得值和规则。
- 在数据表中人为注入未来公告，PIT join 测试必须拒绝它。
- 代码不改、固定 `data_version` 重跑，特征 hash 和目标权重在数值容差内相同。
- 退市、长期停牌、代码变更、分红送转和跨年费率至少各有一个回归测试样本。

## 五、Universe 层：先决定“研究谁”，再判断“今天能不能动”

**职责**：在每个 `as_of` 生成可研究集合，同时把“可持有、可开仓、可卖出”拆成不同状态。

- 输入：PIT 指数成分、Security Master、成交额/停牌/风险警示/上市年龄、现有持仓。
- 输出：`UniverseSnapshot`，包括成员、状态与逐项原因码。

### 候选比较

| 候选 | 优点 | 缺点 / 风险 | 复杂度 | 成熟度 | 当前适配 / 学习 ROI | 决策 |
| --- | --- | --- | --- | --- | --- | --- |
| 固定股票清单 | 最容易复现 | 生存者偏差、容量与风格集中严重 | 低 | 低 | 低 / 低 | 拒绝 |
| 用今天的指数成分回测历史 | 写法简单 | 直接泄漏未来成分；回测无效 | 低 | 低 | 低 / 低 | 硬门拒绝 |
| PIT 中证 300 | 流动性最好、成本较易控制 | 横截面较窄，大盘风格集中 | 低中 | 高 | 高 / 高 | 挑战者 |
| PIT 中证 500 + 可交易性 | 宽度、流动性与个人维护成本平衡 | 仍有成分调整和中盘风格偏置 | 中 | 高 | **很高 / 很高** | **V1 Baseline** |
| 中证 1000 / 全 A 流动性池 | Alpha 空间更宽 | 微盘、涨跌停、冲击与数据质量难度明显上升 | 中高 | 中 | 中 / 高 | 80 分升级 |

### V1.0 规则

以**当时有效的中证 500 成分**作为 benchmark-native 初始池，默认：

- 新股观察期先设为 120 个交易日；这是待验证的保守起点，不是市场真理。
- 风险警示证券、已知退市整理状态禁止新开仓；退出服从真实可卖性。
- 用过去 20 日中位成交额和停牌比例做流动性门；阈值由计划资金和容量测试反推，不先拍一个绝对金额。
- 当日停牌、触及价格限制或无有效报价时标为 `frozen`，不能因为“不合格”就在回测里假装卖掉。
- 昨日买入数量进入 `unsettled_buy`，当日不得卖出；系统使用券商返回的 `available_to_sell`，不自行乐观推算。
- 现有持仓即使不再允许开仓，也必须继续出现在优化问题中，直到真实退出完成。

建议状态机：

```text
researchable ──┬── openable
               ├── hold_only
               ├── sell_only
               └── frozen
```

这比一个布尔字段 `tradable=True/False` 多一点代码，却能消除大量“回测能卖、实盘卖不掉”的错误。

## 六、特征、Alpha 与验证层

**职责**：用决策时点以前的信息，为固定持有期输出横截面预期超额收益或排序；它不决定仓位。

- 输入：PIT 特征快照、标签定义、训练窗口、Universe 快照。
- 输出：`AlphaForecast(score, expected_excess_return, horizon, uncertainty, model_version)`。
- 60 分失败模式：随机交叉验证、预处理全样本拟合、标签与交易时点错位、只报告最优回测、模型升级没有挑战者。

### 候选比较

| 候选 | 优点 | 缺点 / 风险 | 复杂度 | 生产成熟度 | 当前适配 / 学习 ROI | 决策 |
| --- | --- | --- | --- | --- | --- | --- |
| 单均线/单规则 | 透明，适合验证数据—下单链路 | 信息维度太少，无法验证横截面研究与组合体系 | 低 | 中 | 低 / 中 | 只作管线 smoke test |
| OLS / Ridge / Elastic Net | 快、稳定、可解释，能暴露泄漏和过拟合 | 难表达非线性与交互 | 低 | 高 | 很高 / 很高 | **强制挑战者** |
| LightGBM | 表格因子、缺失与非线性交互适配；训练快；Qlib 有成熟 [Alpha158 配置](https://github.com/microsoft/qlib/blob/main/examples/benchmarks/LightGBM/workflow_config_lightgbm_Alpha158.yaml) | 仍会过拟合；分数未天然校准为预期收益 | 中 | 高 | **很高 / 很高** | **V1 主模型** |
| XGBoost / CatBoost | 同属成熟 GBDT，可做模型多样性 | V1 同时维护三套树模型收益有限，调参空间扩大 | 中 | 高 | 高 / 高 | 二级挑战者 |
| LSTM / Transformer / GNN / RL | 能表示序列、关系或策略决策 | 有效样本、非平稳、泄漏、可解释、推理与监控成本都更高 | 高至很高 | 场景依赖 | 低 / 中 | 先拒绝，80 分后再立项 |

Qlib 的[官方 benchmark](https://github.com/microsoft/qlib/tree/main/examples/benchmarks)同时列出线性、GBDT 和多种深度模型；它最有价值的结论不是“某模型永远第一”，而是提供统一工作流去做可比实验。LightGBM 的原始设计强调高效梯度提升（[项目与论文入口](https://www.microsoft.com/en-us/research/project/lightgbm/)），很适合做个人 A 股结构化因子的第一个非线性 Baseline，但不保证产生超额收益。

### V1.0 特征与标签

先使用 5 类、约 80—160 个透明特征，而不是一次堆数千个表达式：

1. 动量与反转：5/20/60/120 日收益、近期反转、距高点等。
2. 波动与下行风险：不同窗口 realized vol、下行波动、跳空、偏度代理。
3. 流动性与交易活跃：换手、成交额、Amihud 类价格冲击代理、量价背离。
4. 估值与质量：按真实公告时点接入的估值、盈利质量、成长、杠杆和现金流。
5. 市场与行业相对量：相对行业/基准的动量、Beta、残差收益与拥挤度代理。

价格量特征可复用 Alpha158 的组织方式；财务因子必须额外遵守公告时点。每天横截面处理按以下顺序执行，并且所有需要拟合的参数只在训练集学习：

```text
原始 PIT 值
→ 缺失原因标记
→ 温莎化/稳健截尾
→ 行业内或全市场标准化
→ 可选的行业、规模中性化
→ 缺失填补 + missing indicator
→ FeatureSnapshot
```

基准标签先定义为：在 $T$ 日收盘数据完整到达后产生预测，以固定执行窗口的 $T+1$ VWAP 为起点、同一窗口的 $T+6$ VWAP 为终点，计算 5 个持有区间的个股收益，再减同期中证 500 收益。研究标签使用固定、事先声明的 VWAP 代理；模拟/实盘绩效再用真实成交替换。不能用 $T$ 日收盘价生成信号后又假设自己在同一收盘价满额成交。

构造 $T$ 日样本时，不能用事后看到的 $T+1$ 停牌、封板或成交量反过来筛掉股票。若 $T+1$ 没有可执行 VWAP，记录 `label_status=non_executable/censored`，在样本覆盖和执行机会成本里单列；不能静默删除后只训练“第二天恰好能成交”的幸存样本。$T+1$ 盘前实际可交易状态只属于 PreTrade/Execution 层。

### V1.0 验证协议

普通随机 CV 不适合有时间顺序的数据，scikit-learn 的 [TimeSeriesSplit 文档](https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.TimeSeriesSplit.html)也明确指出普通交叉验证会出现“用未来训练、在过去评估”的问题。本系统再向前一步处理横截面标签重叠：

- 初始研究窗：滚动 4 年训练、1 年验证，随后 3—6 个月纯样本外；每月重训，周度出分。
- 在相邻集合之间 purge 至少一个标签持有期，并保留 embargo；禁止重叠未来收益跨越边界。
- 预处理器、特征选择、模型和分数—收益校准器全部只在训练/验证区间拟合。
- 超参数先在少量预注册网格中选择；测试期只打开一次，之后进入新的向前窗口。
- 同时保留 Ridge、LightGBM 与无 Alpha 的 benchmark；LightGBM 只有在**多段样本外、成本后、稳定性和风险暴露**上整体胜过 Ridge，才获得生产资格。
- 用 IC、RankIC、ICIR、分层收益、衰减、换手和按行业/规模分组稳定性评估预测；不用单一 Sharpe 选模型。
- 对标签、特征滞后、成分股历史、复权和费用分别做刻意破坏测试，确保测试能抓到泄漏。

模型最终输出不是“买入前 50 名”，而是一个带版本与持有期的预测。是否买、买多少，由风险和成本共同决定。

## 七、风险模型与风险管理层

**职责**：风险模型在交易前描述组合可能怎样一起亏；风险管理根据这些估计修改或拒绝目标。两者都不是“跌到某价卖出”的同义词。

- 输入：持仓、候选权重、行业与风格暴露、协方差、特异风险、流动性、市场状态。
- 输出：`RiskForecast`、约束与限额、压力测试、`RiskDecision`。
- 60 分失败模式：只设单股止损、只看历史波动、直接使用高维样本协方差、停牌仓位在风险报告里消失。

### 候选比较

| 候选 | 优点 | 缺点 / 风险 | 复杂度 | 生产成熟度 | 当前适配 / 学习 ROI | 决策 |
| --- | --- | --- | --- | --- | --- | --- |
| 单股止损/组合回撤线 | 易懂，适合作为事后保护 | 不描述集中度、相关性、Beta、流动性与隔夜跳空 | 低 | 低至中 | 中 / 低 | 只能作最后保险丝 |
| 历史波动 + 样本协方差 | 实现直接 | 股票数接近或超过样本数时病态、优化权重极不稳定 | 低中 | 中 | 中 / 高 | 仅作对照 |
| Ledoit–Wolf 收缩协方差 | 数值稳定、实现成熟 | 仍难直接解释行业和风格风险 | 中 | 高 | 高 / 高 | 协方差挑战者 |
| 行业 + 风格因子模型，协方差收缩 | 可解释、可设暴露约束、适合横截面股票组合 | 因子定义、收益估计和特异风险要自己验证 | 中高 | 高 | **很高 / 很高** | **V1 Baseline** |
| 商业 Barra/供应商风险模型 | 数据、分类与生产流程成熟 | 昂贵、许可限制、内部逻辑与个人策略未必透明 | 中 | 很高 | 低 / 中 | 80—90 分升级 |

Ledoit 与 Wolf 对组合问题的核心提醒是：高维样本协方差往往不适合直接优化，收缩能改善估计稳定性（[论文入口](https://ledoit.net/honey_abstract.htm)、[scikit-learn 实现](https://scikit-learn.org/stable/modules/generated/sklearn.covariance.LedoitWolf.html)）。MSCI 的[权益因子模型说明](https://www.msci.com/documents/10199/248121/MSCI-Equity-Factor-Models.pdf)则体现了行业、风格与特异风险的机构化表达。V1 借用思想，不复制商业模型名称或参数。

### V1.0 透明因子风险模型

对股票收益使用：

\[
r_t = B_{t-1}^{avail} f_t + \epsilon_t, \qquad
\Sigma_{T+1\mid T} = B_T^{avail} F_T (B_T^{avail})^\top + D_T
\]

- $B_{t-1}^{avail}$：在收益 $r_t$ 发生前已经可得的行业与风格暴露；不能拿 $t$ 日收盘后才知道的数据解释同一天收益。
- $B_T^{avail}$：决策时点 $T$ 已经可得的行业 one-hot、规模、市场 Beta、动量、波动、流动性、价值/杠杆等少量透明风格暴露。
- $f_t$：用稳健加权横截面回归估计的因子收益；行业哑变量与截距需固定基准或施加和为零约束，避免不可识别。
- $F_T$：截至 $T$ 的因子收益 EWMA 协方差，再做收缩与特征值下限处理。
- $D_T$：截至 $T$ 的个股残差方差稳健估计，设样本不足和极低方差 floor。
- $\Sigma_{T+1\mid T}$：交给组合优化器的事前股票协方差预测。

Qlib 的 `EnhancedIndexingStrategy` 已展示风险暴露、因子协方差、特异风险、blacklist 与不可交易持仓如何进入增强指数优化（[策略文档](https://github.com/microsoft/qlib/blob/main/docs/component/strategy.rst)、[实现源码](https://github.com/microsoft/qlib/blob/main/qlib/contrib/strategy/signal_strategy.py)）。V1 可先用它做研究参照，生产内核保留自有 `RiskForecast` 格式。

风险约束分三类：

1. **组合构建前**：单股、行业相对 benchmark、市场 Beta、风格暴露、预测波动、跟踪误差、换手、ADV 容量、持仓数和现金缓冲。
2. **交易前**：目标是否超限、可卖量、价格/行情新鲜度、重复订单、预计现金、单日成交与申报频率。
3. **运行中**：数据停止、券商断线、订单拒绝激增、成交价偏离、持仓对账差异、组合日损失/回撤状态。

压力测试至少覆盖：市场单日下跌、最大行业冲击、波动率翻倍、相关性向 1 收敛、交易成本 2 倍、预期成交只有 50%、若干大持仓连续不可卖。压力场景的结果是减仓、延后交易或停机规则，而不是报告里的一张装饰图。

### 风险层验收

- 把两个高度相关股票同时放大，组合风险必须明显高于分散持仓。
- 因子数据缺失或协方差非正定时，系统使用保守 fallback 并告警，不能静默输出 NaN 权重。
- 停牌持仓以冻结权重进入总风险；无法交易不等于没有风险。
- 所有硬限额在优化前、优化后和下单前各检查一次；三次使用同一规则版本。
- 止损仅保留为极端保护，不参与“风险模型已经完成”的评分。

## 八、费用、滑点与容量层

**职责**：估计从当前持仓走到目标持仓所需付出的显性费用、价差、冲击和机会成本，并在交易后用真实成交校准。

- 输入：方向、计划数量、报价/分钟量价、ADV、波动、费率版本、券商佣金、执行窗口。
- 输出：逐股票、逐订单的 `CostForecast(low, base, high)` 和容量报告。
- 60 分失败模式：零成本、永远固定一个滑点、假设目标数量全部成交、只在绩效报表末尾扣费而不影响权重。

### 候选比较

| 候选 | 优点 | 缺点 / 风险 | 复杂度 | 生产成熟度 | 当前适配 / 学习 ROI | 决策 |
| --- | --- | --- | --- | --- | --- | --- |
| 零成本 | 方便检查代码 | 对可交易性没有任何意义 | 低 | 无 | 无 / 低 | 拒绝 |
| 固定费率 + 固定滑点 | 能跑，参数少 | 不随方向、流动性、规模和波动变化 | 低 | 低至中 | 中 / 中 | smoke test |
| 日期化费率 + 半价差 + 参与率/波动冲击 | 可解释，能进入优化和容量分析 | 冲击系数需真实成交持续校准 | 中 | 高 | **很高 / 很高** | **V1 Baseline** |
| Almgren–Chriss / 多期凸成本模型 | 风险—冲击权衡清楚，可做动态计划 | 参数估计与模型假设要求更高 | 中高 | 高 | 中 / 高 | 80 分升级 |
| 盘口/队列仿真或学习型执行成本 | 对高频限价单更细 | 数据、撮合细节和运维成本远超日频 V1 需求 | 很高 | 场景依赖 | 低 / 中 | 暂拒绝 |

组合决策的成熟表达不是“先求权重、最后再扣手续费”。Boyd 等人的[多期交易优化](https://stanford.edu/~boyd/papers/cvx_portfolio.html)把预期收益、风险、交易成本、持有成本和约束放进同一个问题；Almgren–Chriss 则系统讨论执行风险与市场冲击的权衡（[论文 DOI](https://doi.org/10.21314/JOR.2001.041)）。V1 使用其思想的简化、可校准版本。

### V1.0 成本函数

对计划交易 $q_i$ 估计：

\[
C_i(q_i)=C_i^{fee}(q_i)
+\frac{1}{2}spread_i\cdot |notional_i|
+\eta_i\,\sigma_i\sqrt{\frac{|q_i|}{ADV_i}}\cdot|notional_i|
\]

其中：

- `fee`：印花税、经手/监管/过户等费用和券商佣金/最低佣金，全部按日期与账户配置。
- `spread`：优先用可得的盘口或分钟数据估计；没有可靠报价时使用保守高低价代理，并标记较低置信度。
- `impact`：以波动和参与率为主的平方根代理。它不是自然定律，$\eta_i$ 必须用实盘成交拟合并做 0.5×/1×/2× 压力测试。

需要区分“账本里的真实费用”与“凸优化器里的成本代理”。单笔最低佣金在零交易与非零交易之间存在离散跳变，不能在纯连续凸问题里被精确表达。V1 的连续优化器只使用比例税费、价差、凸冲击和换手惩罚，并设置最小交易金额；取整后删除不覆盖最低佣金的碎单，执行 repair，再用账户真实最低佣金重算现金、回测与 TCA。若以后必须联合决定“是否交易”并精确计入每笔最低佣金，应升级为混合整数问题，而不是继续把它称为纯凸优化。

财政部规定证券交易印花税自 2023-08-28 起减半征收（[官方公告](https://www.mof.gov.cn/jrttts/202308/t20230828_3904235.htm)）；交易所收费项目也有各自的现行标准（[上交所收费指引](https://www.sse.com.cn/lawandrules/sselawsrules2025/charge/c/c_20250610_10781461.shtml)、[深交所收费页](https://www.szse.cn/marketServices/deal/payFees/)）。这些链接用于核验，不应把今天的数字永久写死在代码里。券商佣金和最低收费以实际账户交割单反推。

V1 初始容量政策：

- 优化器同时看单笔参与率、组合一天总成交额、单只股票清仓天数和全组合容量。
- 先把 `order / ADV ≤ 5%` 作为保守研究上限，并测试 1%、3%、5% 三档；上线阈值必须由分钟量和真实成交重新校准。
- 如果策略只有在零成本或极小资金下成立，结论应是“无当前容量”，不是继续调模型。
- 回测输出低/基准/高三条成本后净值；选型看最差合理情形是否仍可接受。

### 成本层验收

- 买卖方向、最低佣金和日期切换有单元测试，并能与实际交割单逐项对上。
- 将计划交易放大 10 倍，单位成本和成交时间不得保持不变。
- 组合优化前的预测成本与成交后的 implementation shortfall 可逐订单关联。
- 无分钟/盘口数据时明确降低置信度并提高冲击假设，不能悄悄回退到零滑点。

## 九、组合构建层：把 Alpha、风险和成本真正放在一起

**职责**：把预测转换成满足风险、成本、容量与真实持仓约束的目标组合。

- 输入：`AlphaForecast`、`RiskForecast`、`CostForecast`、当前持仓与可交易边界。
- 输出：`TargetPortfolio`、预计风险/成本、约束余量、优化诊断和不可行原因。
- 60 分失败模式：Alpha 排名直接等于仓位、优化器报错就静默等权、停牌股从归一化分母消失、求出小数股后粗暴取整导致越界。

### 候选比较

| 候选 | 优点 | 缺点 / 风险 | 复杂度 | 生产成熟度 | 当前适配 / 学习 ROI | 决策 |
| --- | --- | --- | --- | --- | --- | --- |
| 等权 | 透明、稳健、参数极少 | 忽略预测强弱、相关性、风险、成本和容量 | 低 | 高（作为朴素规则） | 中 / 高 | 必备 benchmark，不作最终 Baseline |
| Top-k / TopkDrop | Qlib 样例成熟，换手逻辑直观 | 风险和成本通常没有在权重生成中被完整联合处理 | 低中 | 中 | 高 / 很高 | 研究挑战者 |
| 分数比例 / softmax | 保留预测强弱 | 对分数尺度敏感，仍不处理协方差和约束 | 低 | 中 | 中 / 中 | 不选 |
| 风险平价 | 不依赖 Alpha 尺度，资产配置中有价值 | 股票横截面 Alpha 目标被弱化；行业与风格仍需约束 | 中 | 高 | 中 / 高 | Beta 层候选，不作本层主模型 |
| 成本感知的受约束凸优化 | 风险、Alpha、换手、冻结仓位和容量统一；诊断可审计 | 需要校准参数、稳定风险模型和不可行处理 | 中高 | 高 | **很高 / 很高** | **V1 Baseline** |

### V1.0 优化问题

使用 [CVXPY](https://www.cvxpy.org/) 解一个长仓凸优化问题。这里的 $\widehat C$ 特指上一节的**连续凸成本代理**，不假装精确包含每笔最低佣金。概念形式为：

\[
\max_w\quad
\hat\alpha^\top w
- \frac{\lambda}{2}w^\top\Sigma w
- \gamma\widehat C(w-w_{prev})
- \rho\lVert w-w_{prev}\rVert_1
\]

四项必须先统一量纲：$\hat\alpha$ 是校准后的 5 日预期超额收益，不是原始 LightGBM rank；$\Sigma$ 与同一持有期对齐；$\widehat C$ 以 NAV 比例表示；换手也是权重比例。年化波动和跟踪误差只用于展示/限额换算，不能把日频协方差、5 日 Alpha 和人民币成本未经缩放直接相加。

约束至少包括：

\[
\begin{aligned}
&\sum_i w_i = 1-cashBuffer,\quad w_i\ge0 \\
&w_i\le upper_i \\
&|B_{industry}^\top(w-w_b)|\le \delta_{industry} \\
&|\beta^\top w-\beta_b|\le \delta_\beta \\
&\sqrt{(w-w_b)^\top\Sigma(w-w_b)}\le TE_{max} \\
&\frac{1}{2}\sum_i|w_i-w_{prev,i}|\le turnover_{max} \\
&|tradeNotional_i|\le participation_i\cdot ADV_i
\end{aligned}
\]

另外将真实交易边界转成数量约束：停牌证券数量固定；卖出量不得超过券商可卖量；禁止开仓的证券只能不增仓；风险退出也不能假装穿越涨跌停。权重优化后进行交易单位取整，再用一个小型 repair pass 恢复现金、单股和行业约束。

精确持股数、最小非零仓位和“是否产生一笔订单”都是离散决策，也不属于纯连续凸问题。V1 先用**当前/冻结持仓 + Alpha 预筛候选**形成 60/100/150 只候选池，再做连续凸优化；取整后删除尘埃仓位并 repair，把 30—80 只作为目标带和诊断指标，而不是求解器硬约束。若未来必须严格持有恰好 50 只或精确联合最小佣金，应明确升级为混合整数优化。

V1 的初始**研究网格**而非永久参数：

| 参数 | 起始搜索范围 | 目的 |
| --- | --- | --- |
| 候选池规模 | 60 / 100 / 150 | 预筛后进入连续优化；比较宽度、稳定性与计算量 |
| 目标持仓带 | 30—80 | 取整/repair 后的诊断范围，不是凸优化硬约束 |
| 单股上限 | 1%—3% | 防止模型把不稳定分数集中成大仓位 |
| 现金缓冲 | 3%—8%，初始 5% | 吸收费用、价格变化和异步成交 |
| 行业相对偏离 | ±3%—5% | 让超额主要来自选股而非押行业 |
| 单次单边换手 | 10%—20% | 与周频信号、成本和容量共同验证 |
| ADV 上限 | 1% / 3% / 5% 三档 | 输出容量敏感性，不只看一个假设 |

数值最终由风险预算与成本后样本外结果确定。不能先挑让回测最好看的组合，再称它为“风险参数”。

### 不可行和求解失败政策

这是 60 分系统与 Demo 的重要分界：

1. 约束分为绝不放松的硬约束与允许有限 slack 的软约束。
2. 证券规则、可卖量、现金非负、合规黑名单是硬约束。
3. 行业偏离和换手可按预先定义的顺序小幅放松，并完整记录 slack 成本；候选池与目标持仓带在求解器外按已发布配置处理。
4. 求解器超时、非最优或解在容差外时，先尝试上一组已验证参数；仍失败则输出 `NO_TRADE` 或只执行明确的风险降低单。
5. 禁止“优化失败 → 自动等权 → 继续下单”。这会把系统错误伪装成投资决策。

### 为什么不是等权

等权不是坏方法：它应当永久保留为基准，因为稳定、易解释，常常能揭穿复杂模型。但它不能作为这套系统的最终 60 分答案，因为它对“两个高度相关股票是否各买 2%”“预期 Alpha 能否覆盖冲击”“某行业是否已过载”“一只股票是否根本卖不掉”都没有答案。

验收要求：每一个目标权重都能分解为 Alpha 贡献、风险惩罚、成本惩罚和活跃约束；对 Alpha 加微小扰动时，权重不能大幅跳变；rounding 后重新过全部硬约束。

## 十、执行与 OMS 层：目标仓位不等于订单，订单也不等于成交

**职责**：把目标—当前差额转成一组受限父单/子单，维护券商异步状态，最后给账本真实成交。

- 输入：`TargetPortfolio`、实时持仓/现金/可卖量、行情、交易规则、成本与执行窗口。
- 输出：`ExecutionPlan`、订单命令、`OrderEvent`、`Fill`、执行异常和残余目标。
- 60 分失败模式：回测默认瞬间全成；撤单后立即重报却未确认旧单；重启后重复下单；用本地预期仓位覆盖券商事实。

### 候选比较

| 候选 | 优点 | 缺点 / 风险 | 复杂度 | 生产成熟度 | 当前适配 / 学习 ROI | 决策 |
| --- | --- | --- | --- | --- | --- | --- |
| 立即市价/假设全成 | 代码最少 | A 股订单、部分成交、容量、异步和价格限制全部被抹掉 | 低 | 低 | 低 / 低 | 拒绝 |
| 次日开盘一次性订单 | 与日频信号容易对齐 | 开盘波动、冲击和失败集中；大单不稳 | 低 | 中 | 中 / 中 | 仅小单挑战者 |
| 固定 TWAP | 可解释、实现简单 | 不看当时成交量，冷清时段可能过度参与 | 中 | 高 | 高 / 高 | 组成部分 |
| 历史 VWAP | 跟随典型量能曲线 | 当日量能偏离历史时失真；无法保证成交 | 中 | 高 | 高 / 高 | 组成部分 |
| 带限价边界的 TWAP/POV 混合 | 时间节奏、参与率、价格保护和剩余量能统一 | 状态机与参数校准工作较多 | 中高 | 高 | **很高 / 很高** | **V1 Baseline** |
| 盘口最优执行 / RL | 可能适应微观结构 | 逐笔数据、队列建模与安全验证远超日频需求 | 很高 | 场景依赖 | 低 / 低 | 暂拒绝 |

QMT 的 [XtQuant 快速开始](https://dict.thinktrader.net/nativeApi/start_now.html)把行情与交易接口分开；[XtTrader 文档](https://dict.thinktrader.net/nativeApi/xttrader.html)提供委托、撤单、资产/持仓/订单/成交查询，以及断线、委托、成交、撤单错误和异步委托回调。这些接口形态本身就说明：实盘必须是状态机，而不是一行 `order_target_percent`。LEAN 的[实盘订单文档](https://www.quantconnect.com/docs/v2/writing-algorithms/live-trading/trading-and-orders)同样强调实盘订单异步、可部分成交且修改不保证成功。

### V1.0 Guarded TWAP/POV

默认决策—执行时序：

```text
T 日收盘后
  数据完整性通过 → 特征/预测 → 风险/成本 → 目标仓位 → 决策签名

T+1 开盘前
  查询券商资产、持仓、可卖量、未结订单 → 三账预对账 → PreTrade Gate

T+1 09:35 以后
  风险降低单 / 资金受限时的卖单优先
  → 在预定窗口按时间桶与参与率拆分
  → 限价保护、超时撤单、确认后再重报
  → 回调驱动剩余量更新

窗口结束
  按预设残余政策放弃、延后或有限追价；不得为了“完成回测目标”无界追单
  → 日终券商对账 → TCA
```

初版执行器要有以下机制：

1. **父单身份**：`decision_id + instrument + side` 形成幂等 key；同一决策重放不会产生第二个父单。
2. **订单状态机**：`CREATED → SENT → ACKED → PARTIAL → FILLED`，并允许 `CANCEL_PENDING → CANCELED`、`REJECTED`、`UNKNOWN`；只有确认旧单结束才能替换。
3. **数量真相**：剩余量由成交回报累计，不由“已提交量”推断；启动时先从券商拉取未结订单和成交恢复。
4. **价格保护**：限价同时受最新有效报价、可接受滑点、当日规则和策略放弃阈值约束；行情过期时停止新单。
5. **参与率保护**：子单和时间桶成交量不超过预定比例；量能不足时减少而不是假设全成。
6. **现金与 T+1**：买单只使用已确认可用资金；卖单只使用券商 `available_to_sell`；所有费用留缓冲。
7. **节流**：每秒报撤单数、每日总订单、单标的撤改次数和异常拒单率均有上限，且低于券商/交易所允许范围。
8. **Kill switch**：断线、行情陈旧、对账不平、重复回报异常、资产变化超阈值或拒单爆发时，禁止新开仓；是否撤掉已有安全订单由场景配置。

### 回测成交模型必须与执行器同源

至少使用分钟数据做次日执行回放：

- 订单价格被该分钟高低价触及只是成交的必要条件，不是充分条件；仍受可成交方向、成交量和参与率限制。
- 单分钟成交量受 bar volume × participation cap 限制，因此允许部分成交和残单。
- 成交价加入方向相关的价差与冲击，费用由同一个版本化 cost engine 计算。
- 停牌、无有效报价、T+1、价格限制、交易单位、公司行动和未成交残余都真实进入仓位。
- 对一字涨跌停或单边封板，分钟 OHLC/成交量不能证明自己的队列能成交；V1 默认不成交，除非更细数据能证明对手方可成交量，并另做乐观/基准/悲观敏感性。
- 回测记录的是 `OrderEvent` 序列，不只在持仓表里瞬间改一个数字。

回测不可能完整复原队列位置，因此应偏保守，并用聚宽模拟和 QMT 影子盘校准。它的目标是排除明显不可交易策略，不是证明未来一定按模拟价格成交。

## 十一、评价、归因与反馈层

**职责**：判断预测是否有效、组合是否按预期承担风险、执行损失在哪里、实盘是否偏离研究，并把证据反馈到各层。

- 输入：特征/预测、目标仓位、风险/成本预估、订单事件、成交、每日持仓现金、benchmark。
- 输出：研究报告、组合归因、TCA、模型/数据漂移、运行 SLO 与升级/回滚决定。
- 60 分失败模式：只有收益率、只看全样本 Sharpe、隐藏失败订单、每次实验无法追到代码与数据。

### 候选比较

| 候选 | 优点 | 缺点 / 风险 | 复杂度 | 生产成熟度 | 当前适配 / 学习 ROI | 决策 |
| --- | --- | --- | --- | --- | --- | --- |
| 累计收益 + Sharpe | 快速 | 无法区分 Alpha、Beta、成本、风险和执行问题 | 低 | 低 | 低 / 低 | 拒绝 |
| QuantStats/pyfolio 类 tear sheet | 图表丰富，诊断方便 | 主要处理净值结果，不拥有决策—订单—成交链 | 低 | 中 | 中 / 中 | 辅助输出 |
| Qlib `SigAnaRecord` / `PortAnaRecord` | 信号和组合分析接入 workflow，复现实验方便 | 对真实 QMT 订单、成交和对账不够 | 中 | 研究高 | 高 / 很高 | 研究 Baseline |
| 自有事件账本 + TCA + MLflow | 能贯通研究与实盘，所有差异可追溯 | 需要定义 schema、监控与日常纪律 | 中高 | 高 | **很高 / 很高** | **生产 Baseline** |
| 商业 PMS/风险/TCA 平台 | 功能与治理成熟 | 成本和个人系统集成不匹配 | 高 | 很高 | 低 / 低 | 90 分选项 |

Qlib 提供 `SigAnaRecord` 和 `PortAnaRecord` 等记录模板（[官方 API](https://qlib.readthedocs.io/en/latest/reference/api.html)）。[MLflow Tracking](https://mlflow.org/docs/latest/tracking)则能记录参数、代码版本、指标和模型/文件 artifacts，本地运行已经足够个人 V1 使用。二者都不替代真实交易账本：研究记录回答“这个实验是什么”，账本回答“资金实际上发生了什么”。

### 五组必须同时看的指标

| 视角 | 核心指标 | 它回答什么 |
| --- | --- | --- |
| Alpha | IC、RankIC、ICIR、分层单调性、衰减、覆盖率、分行业/规模稳定性 | 预测本身有没有横截面信息 |
| 组合 | 成本前后超额、IR、Sharpe/Sortino、最大回撤、Calmar、跟踪误差、换手、持仓集中度 | 信息是否被稳定地变成组合 |
| 风险 | 行业/风格/Beta 暴露、预测与实现波动、风险贡献、压力损失、限额触发 | 赚的钱是否来自意外押注 |
| 执行 / TCA | arrival shortfall、VWAP/close 偏离、填单率、撤单/拒单率、完成时长、机会成本、参与率 | 纸面 Alpha 在哪里损失 |
| 运行 | 数据延迟/缺口、job 成功率、订单状态未知数、对账差异、恢复时间、告警确认 | 系统是否可靠运转 |

对收盘后决策的策略，TCA 要把隔夜跳空与日内执行分开：隔夜段从 $T$ 收盘到 $T+1$ 首个可执行基准价；implementation shortfall 的 arrival benchmark 使用 PreTrade Gate 通过后的首个有效报价/预先声明的执行窗基准。否则会把无法在夜间成交的价格变化错误归因给执行器。

每次再平衡至少保存四条净值或 P&L 轨迹：

```text
理想 Alpha 组合（无约束、无成本）
→ 加风险/持仓约束后的目标组合
→ 使用回测成交模型后的模拟组合
→ 使用券商真实成交后的实盘组合
```

相邻两条之间的差异分别对应组合约束损失、模拟执行损失和研究—实盘偏差。只有一条最终净值时，任何层都能把错误推给别的层。

### Champion / Challenger 与升级纪律

- Champion 固定运行；Ridge、等权/Top-k、旧风险模型和旧成本模型保持为 challengers。
- 新模型必须在预注册的样本外窗口、成本压力、多随机种子/参数邻域和暴露约束下胜出。
- 不以一次显著性或一个市场状态升级；先 shadow，再小资金 canary，最后逐级放量。
- 模型性能下降时先定位数据、Universe、风险、成本和执行，不默认“重新训练就会好”。
- 每次升级写 decision record：证据、预期改善、风险、回滚条件、负责人和生效时间。

## 十二、工程、运行与合规层

这层不产生 Alpha，却决定研究结果是否能安全变成资金行为。

- 职责：固化接口、版本、运行状态、权限、恢复、审计与平台适配，使研究和交易可以确定性重放。
- 输入：前述所有领域对象、配置、外部事件、部署包和凭据引用。
- 输出：可复现实验、已签名决策、部署 artifact、三本账、监控告警、对账与合规证据。
- 60 分失败模式：Notebook 隐式状态、生产机手改代码、凭据进入仓库、重启重复下单、出错后没有 runbook。

### 工程形态候选

| 候选 | 优点 | 缺点 / 风险 | 复杂度 | 生产成熟度 | 当前适配 / 学习 ROI | 决策 |
| --- | --- | --- | --- | --- | --- | --- |
| Notebook + 平台脚本 | 探索最快 | 隐式状态、难测试、难重放、平台锁定 | 低 | 低 | 中 / 中 | 仅探索 |
| 模块化 Python monorepo | 一人可维护，接口与测试集中，部署简单 | 需要持续守住边界 | 中 | 高 | **很高 / 很高** | **V1 Baseline** |
| 多进程服务 + 消息队列 | 隔离与恢复能力更强 | 调试、部署和状态一致性成本上升 | 高 | 高 | 低 / 中 | 80 分按瓶颈引入 |
| 微服务/Kubernetes | 团队扩展与资源调度强 | 个人日频系统严重过度设计 | 很高 | 很高 | 很低 / 低 | 拒绝 |

### V1.0 仓库布局

```text
quant-os/
├── pyproject.toml              # 锁定 Python 与依赖
├── configs/                    # 经 schema 验证的研究/风险/执行配置
├── src/
│   ├── domain/                 # 九种稳定对象，不导入任何平台 SDK
│   ├── data/                   # provider adapters、PIT、质量与版本
│   ├── universe/
│   ├── features/
│   ├── alpha/
│   ├── risk/
│   ├── cost/
│   ├── portfolio/
│   ├── execution/              # planner、OMS 状态机
│   ├── ledger/                 # 决策/订单/成交/持仓/现金
│   ├── evaluation/
│   └── adapters/
│       ├── qlib_research/
│       ├── joinquant/
│       └── qmt/
├── tests/
│   ├── unit/
│   ├── integration/
│   ├── replay/
│   └── parity/
├── migrations/                # schema 与规则迁移
├── runbooks/                   # 断线、拒单、错账、数据失败处置
└── artifacts/                 # 仅索引；大数据/模型由 manifest 指向
```

V1 不要求为了“像机构”而拆微服务。一个进程内也可以拥有严格接口、事件日志和恢复能力。只有观测到资源隔离、延迟或可靠性瓶颈后才拆服务。

### 三本账与重放

| 账本 | 写入时点 | 真相是什么 |
| --- | --- | --- |
| 决策账 | 目标组合批准后 | 模型在何种数据、风险、成本和约束下想做什么 |
| 订单/成交账 | 每个券商回调到达时 | 实际提交、确认、撤改、拒绝、部分成交和费用 |
| 券商快照账 | 启动前、关键事件后、日终 | 券商认定的资产、持仓、可用量和未结订单 |

三账不得互相覆盖。对账输出差异及解释，只有白名单时间差允许自动清除；未知差异使次日系统进入 `SAFE_MODE`。所有外部事件保留原始 payload 的脱敏 hash 和解析结果，回放相同事件序列应得到相同订单状态。

### 测试金字塔

- 单元：费用日期切换、可卖量、交易单位、复权、PIT join、约束与 rounding。
- 属性测试：现金不为负、持仓数量守恒、成交累计不超过订单、重复事件不重复记账。
- 集成：固定小样本从数据到目标，再通过模拟 broker 产生部分成交/拒单/断线。
- Replay：保存一段 QMT 回调流，在无网络环境重建订单与持仓。
- Parity：本地与聚宽对齐收益口径、信号日、费用、目标权重；差异必须落报告。
- 故障注入：行情过期、数据缺列、回调乱序/重复、撤单超时、求解器失败、进程重启。

### 可观测性与操作

每次 run 至少记录：`run_id`、Git commit、dirty flag、配置 hash、数据版本、模型版本、规则版本、随机种子、依赖锁、启动人、环境和时间。日志使用结构化字段而非拼接长字符串；指标、告警和 runbook 一一对应。

实盘部署保留人工批准点：系统可以自动生成目标和执行计划，但从模拟切换到实盘、放大资金、改变最大申报频率或更换策略版本必须显式批准。密码、token、cookie 和券商凭据只放系统钥匙串/环境注入，不进入 Git、MLflow artifacts 或 OB。

### 合规不是上线后的补丁

证监会《证券市场程序化交易管理规定（试行）》自 2024-10-08 起施行，要求程序化交易投资者报告账户、资金、策略、软件等信息，并确立“先报告、后交易”（[证监会原文](https://www.csrc.gov.cn/csrc/c100028/c7480577/content.shtml)）。沪深交易所实施细则自 2025-07-07 起施行（[上交所](https://www.sse.com.cn/lawandrules/sselawsrules2025/trade/universal/c/c_20250612_10781696.shtml)、[深交所](https://www.szse.cn/lawrules/rule/allrules/bussiness/t20250403_612770.html)）。

因此，个人账户不应把“金额不大”理解为自动豁免。上线前需要向**实际开户券商**书面确认：

1. QMT/MiniQMT/XtQuant 到底开通哪种、模拟与实盘各有哪些 API 和频率限制。
2. 程序化交易报告的字段、入口、审核状态和策略/软件重大变更后的更新义务。
3. 最大报撤频率、每日委托数、异常行为控制和券商侧熔断。
4. 实盘可用行情层级、数据授权、委托类型、回调保证和断线重连行为。
5. 交割单费用、最低佣金、资产/订单/成交查询的最终一致时间。

这五项未确认，系统可以继续回测和模拟，但 G10 不通过，不能标记为实盘 Baseline。

## 十三、V1.0 冻结配置：第一版到底采用什么

前面的候选比较最终收敛为下面这一套。这里的默认值是**第一轮验证起点**，所有变化都通过配置和 decision record，而不是散落在代码里。

```yaml
system:
  market: CN_A_SHARE
  mode: long_only_cash
  research_engine: qlib_local
  validation_engine: joinquant
  live_adapter: qmt_xttrader
  decision_timezone: Asia/Shanghai

data:
  primary_provider: authorized_joinquant_or_jqdata
  canonical_store: parquet_duckdb
  point_in_time: strict
  raw_immutable: true
  version_by_manifest: true

universe:
  benchmark: CSI500
  membership: point_in_time
  ipo_seasoning_days: 120        # 初始研究值
  liquidity_window_days: 20
  states: [openable, hold_only, sell_only, frozen]

alpha:
  champion: lightgbm
  mandatory_challenger: ridge
  features: [momentum, reversal, volatility, liquidity, valuation, quality, relative]
  label: next_executable_5d_excess_return
  rebalance: weekly
  retrain: monthly
  validation: purged_walk_forward

risk:
  model: transparent_industry_style_factor
  covariance: ewma_shrinkage
  specific_risk: robust_residual_with_floor
  stress: [market_shock, industry_shock, vol_2x, corr_up, cost_2x, fill_50pct]

cost:
  fee_schedule: versioned_account_specific
  optimizer_model: continuous_convex_surrogate
  exact_ticket_fees: post_rounding_backtest_and_tca
  min_trade_notional: account_calibrated
  spread_model: quote_or_conservative_proxy
  impact_model: volatility_sqrt_participation
  scenarios: [low, base, high]

portfolio:
  solver: cvxpy_convex
  objective: alpha_minus_risk_minus_cost_minus_turnover
  cash_buffer: 0.05              # 初始研究值
  candidate_count_grid: [60, 100, 150]
  target_holdings_band: [30, 80] # 取整/repair 后的诊断带
  exact_cardinality_constraint: false
  single_name_cap_grid: [0.01, 0.02, 0.03]
  industry_active_cap_grid: [0.03, 0.05]
  one_way_turnover_grid: [0.10, 0.15, 0.20]
  adv_cap_grid: [0.01, 0.03, 0.05]
  solver_failure: no_trade_or_risk_reduction_only

execution:
  algorithm: guarded_twap_pov
  decision_time: T_after_close
  trade_day: T_plus_1
  start_after_open_minutes: 5
  partial_fill: true
  cancel_replace: ack_before_replace
  stale_market_data: block_new_orders
  reconciliation: startup_event_driven_eod

tracking:
  research: qlib_records_and_mlflow_local
  versions: [git_commit, env_lock, config_hash, data_version, model_version, rules_version]
  ledgers: [decision, order_fill, broker_snapshot]
```

### 一次完整再平衡的可执行顺序

1. **数据封版**：确认 $T$ 日所需数据到齐，写 `data_version` 与质量报告。
2. **Universe**：按 $T$ 日状态生成研究、可开、只持、只卖和冻结集合。
3. **预测**：加载已批准 champion，对 `FeatureSnapshot` 出 5 日 Alpha；Ridge 同步出挑战结果但不下单。
4. **风险/成本**：估计风险暴露、协方差、特异风险、三档成本和容量。
5. **组合**：优化目标，取整与 repair，再做独立 post-check；保存 `decision_id`。
6. **发布一致性复核**：在开发/发布 gate 中，用相同 fixture 在本地与聚宽检查规则、费用、信号和目标差异；超过容差则阻断该 `release_id`。实盘日不在线依赖聚宽。
7. **开盘前对账**：QMT 查询资产、持仓、可卖量、未结订单和昨日成交；不平则 `SAFE_MODE`。
8. **PreTrade Gate**：重算现金、目标差额、当日规则、行情新鲜度、限额和申报预算。
9. **执行**：父单拆子单，回调更新状态；先处理必须降低风险的可卖单，再按现金和优先级安排其余交易。
10. **反馈**：窗口结束处理残余；日终对账，生成 P&L、暴露、TCA、异常和 champion 健康报告。

### 平台之间传什么，不传什么

| 边界        | 允许传递                         | 禁止依赖                           |
| --------- | ---------------------------- | ------------------------------ |
| Qlib → 核心 | 带时间、持有期、版本的预测表               | Qlib 内部 dataset/model 对象直接进入交易 |
| 核心 → 聚宽   | Universe、目标权重、费用/成交参数、run ID | 用聚宽隐式全局状态定义策略事实                |
| 核心 → QMT  | 已批准的父单意图、限额和 idempotency key | 把模型代码塞进券商 callback             |
| QMT → 核心  | 原始回报、标准化事件、券商快照              | 用本地预期覆盖券商持仓或订单状态               |

这使“聚宽先跑、以后迁移 QMT”不再等于重写策略。真正需要重写的是平台适配器和少量时序，不是 Alpha、风险、成本与组合定义。

## 十四、这套 V1.0 为什么是 66 分，而不是 40 或 90

### 各层目标成熟度

| 层 | 纸面目标分 | 超过 60 的理由 | 还没到 80 的原因 |
| --- | ---: | --- | --- |
| 数据 / Security Master | 68 | PIT、原始/标准分层、规则版本、快照与质量门齐全 | 单主源，复杂公司行动和历史修订仍需长期校验 |
| Universe | 66 | PIT 成分、流动性、持有/买卖/冻结状态分离 | 尚无动态容量池和多 benchmark 稳定性 |
| Alpha / 验证 | 65 | LightGBM + Ridge、purged walk-forward、成本后多维指标 | 特征与标签仍是公开范式，尚无长期实盘证据 |
| 风险 | 64 | 透明多因子、收缩、特异风险、事前约束和压力测试 | 因子与协方差未用多年实盘/商业模型交叉验证 |
| 成本 / 容量 | 62 | 日期费率、价差、冲击、三档压力并进入优化 | 冲击参数尚无足量真实成交拟合 |
| 组合 | 68 | Alpha—风险—成本联合优化，真实交易边界和失败降级 | 单期、参数不确定性处理仍较基础 |
| 执行 / OMS | 62 | 异步状态、部分成交、幂等、节流、恢复与对账 | 没有精细量能预测、队列/盘口模型和多券商容灾 |
| 评价 / 反馈 | 65 | 预测—目标—成交四轨迹、归因、TCA、champion/challenger | 自动漂移诊断与决策治理仍较轻 |
| 工程 / 运行 / 合规 | 64 | 模块单体、测试、事件账本、runbook、报告 gate | 单机、人工值守、灾备与权限治理有限 |

### 总分计算

| 总评分维度 | 权重 | 目标得分 | 加权贡献 |
| --- | ---: | ---: | ---: |
| 数据与时点正确性 | 15% | 68 | 10.20 |
| 研究与样本外验证 | 15% | 66 | 9.90 |
| 风险与组合构建 | 15% | 67 | 10.05 |
| 成本与执行现实性 | 15% | 62 | 9.30 |
| 工程与可复现性 | 15% | 68 | 10.20 |
| 运行、对账与监控 | 15% | 63 | 9.45 |
| 合规与平台迁移 | 10% | 68 | 6.80 |
| **合计** | **100%** |  | **65.90 ≈ 66** |

> [!important] 分数的正确读法
> 66 是这份设计在全部实现、测试、模拟和券商确认通过后的**目标分**。今天只有文档而没有证据，系统不能自称 66 分；每个 Gate 都应链接到测试报告、模拟记录或券商确认材料。

它不是 40 分，因为已经显式处理了数据时点、相关风险、成本容量、异步订单、对账与合规；它不是 90 分，因为没有私有数据优势、商业风险模型、长期成交数据库、多券商容灾、严格权限治理和多年资金验证。

## 十五、几条关键取舍：明确说“不选什么”

### 1. 不把等权当最终答案

等权保留为永远的 benchmark，但它没有使用预测强度、协方差、行业暴露、容量和交易成本。复杂优化器若长期不能成本后胜过等权，应下线复杂优化器，而不是删除等权对照。

### 2. 不用单均线代表 Alpha 层

单均线可以验证完整管线，也可能在趋势策略中有真实价值，但无法代表跨股票的特征、标签、排序、风险暴露和组合决策。它是测试信号，不是这篇 Baseline 的研究终点。

### 3. 不把止损叫风险系统

止损发生在价格已经移动以后，而且在停牌、跳空、跌停时未必能成交。它不处理相关性、行业集中、Beta、波动、流动性、容量和不可卖风险。V1 保留损失保护线，但把主要风险控制放在仓位生成以前。

### 4. 不假设订单瞬间全部成交

真实 API 是异步的，订单可能拒绝、部分成交、撤单失败或回报乱序。只要回测持仓能在一行代码里瞬间跳到目标，执行层就没有达到 60 分。

### 5. 不只看收益、Sharpe 和最大回撤

相同净值可能来自真正选股、行业押注、不可复制的成交价或数据泄漏。Alpha、风险、成本、执行和运行指标必须同时存在，并能沿 `run_id/decision_id/order_id` 下钻。

### 6. 不在 V1 先上 Transformer、GNN 或 RL

原因不是它们永远无效，而是当前主要误差更可能来自 PIT 数据、有效样本、风险暴露、费用和执行。深模型只有在稳定 Baseline 上作为 challenger，以相同信息集、相同验证协议、相同风险成本比较后才有意义。

### 7. 不追求一个框架包办一切

聚宽最懂当前 A 股研究体验，Qlib 最适合模型 workflow，LEAN 最值得学习架构，QMT 才连接实际券商。让一个框架承担不擅长的全部角色，会把便利变成锁定；稳定数据契约比统一 Logo 更重要。

### 8. 不用“最新”替代“可验证”

V1 优先成熟的树模型、收缩协方差、凸优化和确定性执行。新方法首先进入离线 challenger；只有它在净收益、稳定性、风险、运维和回滚五方面都证明增量价值，才进入生产。

### 9. 不用回测收益抵消代码质量，也不用漂亮架构掩盖无效 Alpha

上线采用双门：研究门要求样本外、成本后有稳定证据；工程门要求状态、测试、重放、对账和合规通过。任何一边失败都不能上线。

## 十六、从 60 到 80：按证据升级，不按功能堆砌

### 分阶段落地

| 阶段 | 目标 | 完成证据 | 禁止事项 |
| --- | --- | --- | --- |
| Phase 0：合同与夹具（1—2 周） | 九种对象、schema、规则表、固定小数据集 | 接口文档；PIT/费用/T+1/部分成交单测 | 先调模型找高收益 |
| Phase 1：研究闭环（3—6 周） | 本地 Qlib + Ridge/LightGBM + 风险/成本/优化 | purged walk-forward 报告；实验可重放；等权/Top-k 对照 | 只保存一条最佳净值 |
| Phase 2：双引擎与模拟（6—12 周） | 本地与聚宽口径对齐，模拟运行 | 差异报告；至少 60 个交易日连续模拟；故障演练 | 发现差异后手工改净值 |
| Phase 3：QMT 影子盘（4—8 周） | 不发真实单，但用实时行情、券商快照和完整状态机 | 至少 20 个交易日；断线/重启/乱序回放；每日零未知账差 | 用模拟回调替代券商验证 |
| Phase 4：小资金 canary | 有人工批准、严格限额的真实成交 | 至少 20 个交易日；真实费用与 TCA；无未解释对账差异 | 初期即满资金、自动放量 |
| Phase 5：受控放量 | 按容量与误差逐级扩大 | 每级预测—实现偏差和回滚审查 | 按回测收益直接决定资金量 |

这些天数是最低工程观察窗，不是统计显著性的保证。跨市场状态的策略有效性仍要靠更长样本与持续实盘证据。

### 各层 60 → 80 升级表

| 层 | 60 分 Baseline | 到 80 分最有价值的升级 | 何时才值得做 |
| --- | --- | --- | --- |
| 数据 | 单主源 PIT + 版本快照 | 第二独立源对账、自动修订差分、字段级 lineage、更多逐笔/公告数据 | 主源错误已成为主要残差 |
| Universe | PIT 中证 500 + 静态容量门 | 资金规模驱动的动态流动性池、多 benchmark、拥挤/退市概率 | CSI500 限制了容量或 Alpha |
| Alpha | LightGBM + Ridge | 稳健 ensemble、预测不确定性、正交新数据、因果/机制验证 | 简单模型已稳定且新数据有独立价值 |
| 风险 | 透明行业风格模型 | 动态相关、流动性/拥挤风险、商业模型交叉验证、模型风险 ensemble | 风险预测误差可被量化定位 |
| 成本 | 代理冲击 + 压力区间 | 用真实成交分层拟合、日内量能预测、多日 liquidation、机会成本模型 | 积累足量不同股票/规模成交 |
| 组合 | 单期凸优化 | 鲁棒/多期优化、参数不确定性、分层风险预算、现金/Beta 联合组合 | 单期决策的短视成本已显著 |
| 执行 | Guarded TWAP/POV | 自适应量能/波动、智能限价、多窗口/多日计划、灾备 broker adapter | TCA 证明执行损失是主要瓶颈 |
| 评价 | 四轨迹 + TCA + MLflow | 自动归因、漂移分型、champion/canary 编排、统计过程控制 | 实验与实盘数量足以自动化 |
| 工程/运维 | 单机模块化 + 三账 | 热备、强权限审计、不可变事件库、异地恢复、多账户隔离 | 资金规模与停机损失值得成本 |

升级原则只有一个：**先修复当前最大且可测的误差源**。如果净收益主要损失在冲击，先改执行；如果模型在不同行业失效，先修 Alpha/Universe；如果每天对账都不稳，暂停所有模型升级。

## 十七、最终验收清单

以下项目全部打勾，才可以把 V1 标记为“达到 60 分”；其中 G10 和实盘权限必须由实际券商确认。

### 数据与研究

- [ ] 历史指数成员、退市股、公司行动和财报公告时点可重放。
- [ ] 原始价/复权因子分离；JoinQuant 与本地价格/收益口径差异有报告。
- [ ] Random CV 已禁用；purge/embargo、walk-forward 和未触碰测试集写入代码。
- [ ] Ridge、等权/Top-k 和 benchmark 全程保留，不只展示 LightGBM 最优结果。
- [ ] 多时期、行业、规模和成本压力下结果无单点依赖。

### 风险、成本与组合

- [ ] 行业/风格暴露、协方差、特异风险和压力测试都有版本。
- [ ] 费率与券商交割单一致；冲击参数输出 low/base/high。
- [ ] Alpha、风险、成本和换手共同进入优化；所有权重可解释。
- [ ] 停牌、T+1、禁止开仓、现金和 ADV 是真实约束，不是事后修饰。
- [ ] 求解不可行、rounding 和模型缺失均有测试过的降级路径。

### 执行、账本与运行

- [ ] 分钟回放支持部分成交、残单、撤改、拒单和价格限制。
- [ ] QMT adapter 支持幂等、重启恢复、乱序/重复回调和未知状态处置。
- [ ] 启动前、运行中和日终三次对账；未知差异自动阻断新开仓。
- [ ] 数据陈旧、断线、拒单激增和超限均触发明确 kill switch/runbook。
- [ ] 每个实盘成交可追到 `run_id → decision_id → parent_order → child_order → fill`。

### 复现、迁移与合规

- [ ] Git、依赖、配置、数据、模型、规则版本和随机种子全记录。
- [ ] 本地/聚宽双引擎差异在约定容差内，且费用和成交假设同源。
- [ ] 聚宽策略不包含无法移植的核心业务逻辑；QMT callback 不包含模型逻辑。
- [ ] 已完成至少 60 个交易日模拟、20 个交易日 QMT 影子盘和故障演练。
- [ ] 已向国金等实际开户券商确认 QMT 权限、模拟/实盘差异、频率限制和程序化交易报告状态。

## 十八、现在只需要冻结的五个个人决策

技术栈可以先按本文实现，但以下五项最终来自你的资金目标，不应由框架替你决定：

| 决策 | 本文默认 | 改变它会影响什么 |
| --- | --- | --- |
| benchmark / 标的池 | PIT 中证 500 | Alpha 标签、风险暴露、持仓数与容量 |
| 资金规模与未来放量目标 | 未填；必须输入 | ADV 门、单股上限、执行窗口和数据投入 |
| 风险预算 | 5% 现金缓冲；其余范围用网格 | 跟踪误差、行业偏离、回撤状态和仓位 |
| 调仓节奏 | 周频目标、次日执行 | 标签期限、换手、容量和执行模型 |
| 券商接口事实 | 待实际确认 QMT/MiniQMT | Adapter、回调、频率、报告与上线日程 |

在这些答案出现前，系统仍能完成研究和模拟；但参数必须标记 `UNCONFIRMED`，不能把通用默认包装成个性化最优值。

## 十九、最终判断

这套 Baseline 的真正价值不在 LightGBM、CVXPY 或 QMT 任一名词，而在四个不可逆的工程习惯：

1. **当时知道的数据**与后来修订的数据分开。
2. **预测、目标、订单、成交**分开。
3. **Alpha、风险、成本、可交易性**在下单前相遇。
4. **研究结论、实盘事实和反馈证据**可以沿版本与账本闭环。

只要这四点成立，未来把 LightGBM 换成 ensemble、把透明风险模型换成商业模型、把聚宽换成本地引擎、把 QMT 换成另一家券商，都属于可控升级。反过来，如果四点没有成立，再复杂的深度模型或更快的柜台只会让错误更快发生。

所以，个人 A 股系统的第一个“机构级 60 分”不应追求像一个缩小版大机构，而应该成为一个**边界清楚、假设可见、失败安全、结果可复核、能够真实迁移**的小系统。这足以作为未来 3—5 年的地基。

## 主要资料

### 架构与开源系统

- [QuantConnect LEAN Algorithm Framework](https://www.quantconnect.com/docs/v2/writing-algorithms/algorithm-framework/overview)
- [LEAN Portfolio Construction 支持模型](https://www.quantconnect.com/docs/v2/writing-algorithms/algorithm-framework/portfolio-construction/supported-models)
- [Qlib 论文](https://arxiv.org/abs/2009.11189)、[Qlib 官方仓库](https://github.com/microsoft/qlib)、[官方 benchmarks](https://github.com/microsoft/qlib/tree/main/examples/benchmarks)
- [Qlib Strategy 文档](https://github.com/microsoft/qlib/blob/main/docs/component/strategy.rst)
- [MLflow Tracking 官方文档](https://mlflow.org/docs/latest/tracking)

### 模型、风险、组合与执行

- [LightGBM 项目与论文入口](https://www.microsoft.com/en-us/research/project/lightgbm/)
- [TimeSeriesSplit 官方文档](https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.TimeSeriesSplit.html)
- [Ledoit–Wolf Shrinkage Portfolio Selection](https://ledoit.net/honey_abstract.htm)
- [MSCI Equity Factor Models](https://www.msci.com/documents/10199/248121/MSCI-Equity-Factor-Models.pdf)
- [Multi-Period Trading via Convex Optimization](https://stanford.edu/~boyd/papers/cvx_portfolio.html)
- [Optimal Execution of Portfolio Transactions / Almgren–Chriss](https://doi.org/10.21314/JOR.2001.041)
- [XtQuant 快速开始](https://dict.thinktrader.net/nativeApi/start_now.html)、[XtTrader API](https://dict.thinktrader.net/nativeApi/xttrader.html)、[XtData API](https://dict.thinktrader.net/nativeApi/xtdata.html)
- [LEAN Live Trading：Trading and Orders](https://www.quantconnect.com/docs/v2/writing-algorithms/live-trading/trading-and-orders)

### A 股平台、规则与费用

- [聚宽入门指南](https://www.joinquant.com/help/api/guide)、[JQData 文档](https://www.joinquant.com/help/api/doc?id=9845&name=JQDatadoc)
- [证监会《证券市场程序化交易管理规定（试行）》](https://www.csrc.gov.cn/csrc/c100028/c7480577/content.shtml)
- [上交所程序化交易实施细则](https://www.sse.com.cn/lawandrules/sselawsrules2025/trade/universal/c/c_20250612_10781696.shtml)、[深交所程序化交易实施细则](https://www.szse.cn/lawrules/rule/allrules/bussiness/t20250403_612770.html)
- [上交所 2026 年交易规则](https://www.sse.com.cn/lawandrules/sselawsrules2025/trade/universal/c/c_20260424_10816492.shtml)、[深交所 2026 年交易规则](https://www.szse.cn/lawrules/rule/allrules/bussiness/t20260424_620190.html)
- [财政部证券交易印花税公告](https://www.mof.gov.cn/jrttts/202308/t20230828_3904235.htm)、[上交所收费指引](https://www.sse.com.cn/lawandrules/sselawsrules2025/charge/c/c_20250610_10781461.shtml)、[深交所收费页](https://www.szse.cn/marketServices/deal/payFees/)

## 与 OB 现有路线的关系

- 架构入口：[quants/foundations/LEAN 60 行量化系统骨架逐行解读：从标的、Alpha 到组合、风控与执行（2026-07-18）](https://gomars.fun/pages/3/)
- 开源代码地图：quants/机构级量化系统最小可运行模板选择指南：Top 5 开源仓库与学习路线（2026-07-15）
- 个人能力坐标：[quants/foundations/个人量化能力全景图与当前坐标：从现金层、Beta 层、Alpha 层到优秀个人、小团队与幻方级机构（2026-07-17）](https://gomars.fun/pages/2/)
- 券商与接口现实：quants/个人量化券商系统选择、问询与开户指南：QMT、PTrade 与极速柜台（2026-07-01）