量化交易工程（全天候 + ETF 轮动 + T+0）

基于 MiniQMT（xtquant）接口的量化交易工程，支持全天候策略、ETF 轮动策略和 T+0 日内策略， 提供历史回测、HTML 报告生成和定时调仓/信号提醒。MiniQMT 为唯一数据源。

---

工程结构

quant/
├── config.yaml              # 核心配置（资产、策略、通知等）
├── requirements.txt         # Python 依赖
├── position.json            # 全天候持仓文件（可替换为实际持仓）
├── rotation_position.json   # ETF 轮动持仓文件（可不存在，默认空持仓）
├── run_backtest.py          # 统一回测入口（按 active_strategy 分发）
├── run_monitor.py           # 统一监控入口（按 active_strategy 分发）
├── data_fetcher.py          # 数据获取（xtquant / MiniQMT）
├── strategy.py              # 全天候策略类
├── backtest.py              # 全天候回测引擎（含命令行入口）
├── report_generator.py      # HTML 报告生成
├── rebalance_reminder.py    # 全天候调仓提醒脚本
├── etf_rotation_strategy.py # ETF 轮动策略类（多因子评分）
├── etf_rotation_backtest.py # ETF 轮动回测引擎
├── etf_rotation_monitor.py  # ETF 轮动调仓监控
├── etf_param_optimizer.py   # ETF 轮动参数网格搜索与可视化
├── t0_backtest.py           # T+0 策略回测引擎（OHLC 日线模拟）
├── t0_monitor.py            # T+0 策略盘中实时监控（tick 驱动）
├── smoke_test.py            # 全系统冒烟测试（11 条用例）
├── output/                  # 回测报告输出目录（自动创建）
└── logs/                    # 日志目录（自动创建）

---

快速开始

1. 环境准备

# 建议使用 Python 3.9+
pip install -r requirements.txt

xtquant 安装（必须，MiniQMT 为唯一数据源）：

xtquant 随 MiniQMT/QMT 客户端附带，通常在客户端安装目录下：

# 方式一：从客户端目录安装
pip install "C:\国金QMT交易端模拟\bin\pythonlib\xtquant"

# 方式二：若迅投提供 pip 源
pip install xtquant

2. 修改配置文件

编辑 config.yaml，重点关注以下几项：

# 当前激活的策略：all_weather | etf_rotation | t0_strategy
active_strategy: "all_weather"

# MiniQMT 连接配置
miniqmt:
  path: "C:/国金QMT交易端模拟/userdata_mini"   # 改为实际路径
  account: "your_account_id"                    # 改为实际账号
  enable_realtime: false                         # 改为 true 启用实时行情

# 回测参数
backtest:
  start_date: "2020-01-01"
  end_date:   "2025-12-31"
  initial_capital: 1000000

# 调仓频率：daily / monthly / quarterly / weekly
strategy:
  rebalance_freq: "monthly"

3. 策略切换

通过 config.yaml 中的 active_strategy 字段切换策略：

active_strategy: "all_weather"    # 全天候策略
# active_strategy: "etf_rotation"  # ETF 轮动策略
# active_strategy: "t0_strategy"   # T+0 日内策略

统一入口脚本会读取该字段并自动分发到对应策略模块。

4. 运行回测

推荐：使用统一入口

# 使用 config.yaml 中的 active_strategy
python run_backtest.py

# 覆盖日期和资金
python run_backtest.py --start 2022-01-01 --end 2024-12-31 --capital 500000

# 仅输出指标，不生成报告
python run_backtest.py --no-report

也可直接使用各策略脚本

# 全天候回测
python backtest.py
python backtest.py --start 2022-01-01 --end 2024-12-31 --capital 500000
python backtest.py --no-report

# ETF 轮动回测
python etf_rotation_backtest.py
python etf_rotation_backtest.py --start 2021-01-01 --capital 500000

# T+0 策略回测
python t0_backtest.py
python t0_backtest.py --start 2023-01-01 --end 2024-12-31
python t0_backtest.py --no-report

5. 运行调仓提醒

推荐：使用统一入口

# 测试模式（仅打印，不发送通知）
python run_monitor.py --dry-run

# 强制触发（忽略周期判断）
python run_monitor.py --force --dry-run

# 显示评分排名（ETF 轮动策略有效）
python run_monitor.py --dry-run --show-scores

也可直接使用各策略脚本

# 全天候调仓提醒
python rebalance_reminder.py --dry-run
python rebalance_reminder.py --force --dry-run
python rebalance_reminder.py --position-file my_position.json

# ETF 轮动调仓监控
python etf_rotation_monitor.py --dry-run
python etf_rotation_monitor.py --dry-run --force
python etf_rotation_monitor.py --dry-run --show-scores

# T+0 策略盘中监控
python t0_monitor.py --dry-run
python t0_monitor.py --force --dry-run
python t0_monitor.py --force           # 执行一次扫描 + 发心跳

---

报告与日志命名约定

回测报告（output/ 目录）

策略	文件名格式	示例
全天候	report_YYYYMMDD_HHMMSS.html	report_20260315_120345.html
ETF 轮动	etf_rotation_report_YYYYMMDD_HHMMSS.html	etf_rotation_report_20260315_120345.html
T+0 策略	t0_report_YYYYMMDD_HHMMSS.html	t0_report_20260315_120345.html

调仓记录（logs/ 目录，JSON 格式）

策略	文件名格式	示例
全天候	rebalance_YYYYMMDD.json	rebalance_20260315.json
ETF 轮动	rotation_YYYYMMDD.json	rotation_20260315.json

应用运行日志（logs/ 目录，按大小自动滚动）

脚本	日志文件
backtest.py / run_backtest.py（全天候）	backtest.log
rebalance_reminder.py / run_monitor.py（全天候）	rebalance.log
etf_rotation_backtest.py / run_backtest.py（轮动）	etf_rotation_backtest.log
t0_backtest.py	t0_backtest.log
t0_monitor.py / run_monitor.py（T+0）	t0_monitor.log

---

持仓文件格式

全天候持仓（position.json）

{
  "_total_cash": 50000,
  "518880.SH": 1000,
  "511010.SH": 3000
}

• 键为证券代码（格式：代码.交易所）
• 值为持有股数（整数）
• _total_cash：账户现金（元，可选）
• 以 _ 开头的字段为元数据，自动忽略

ETF 轮动持仓（rotation_position.json）

{
  "_last_rebalance_date": "2026-03-01",
  "_entry_prices": {"159915.SZ": 2.135},
  "_entry_dates": {"159915.SZ": "2026-03-01"},
  "159915.SZ": 10000
}

• _last_rebalance_date：最后一次调仓日期，用于周期判断
• _entry_prices：各持仓建仓均价，用于止损判断
• _entry_dates：各持仓建仓日期，用于最短持仓天数判断
• 文件不存在时默认为空持仓，自动初始化

---

通知配置

在 config.yaml 的 notification 部分配置。以钉钉为例：

notification:
  channels: ["dingtalk"]
  dingtalk:
    enabled: true
    webhook_url: "https://oapi.dingtalk.com/robot/send?access_token=YOUR_TOKEN"
    secret: "YOUR_SECRET"      # 若开启加签则填写，否则留空

邮件（QQ 邮箱示例）：

notification:
  channels: ["email"]
  email:
    enabled: true
    smtp_host: "smtp.qq.com"
    smtp_port: 465
    use_ssl: true
    username: "your@qq.com"
    password: "your_smtp_authorization_code"   # 授权码，非登录密码
    from_addr: "your@qq.com"
    to_addrs: ["recipient@example.com"]

---

定时调度配置

Windows 任务计划程序

新建任务，操作设置为：

程序：C:\Python\python.exe
参数：C:\Users\zhanghang\OneDrive\Python\quant\run_monitor.py
起始于：C:\Users\zhanghang\OneDrive\Python\quant

触发器设置为每月第一个工作日早上 9:30。

Linux/macOS cron

# 每月 1 日 09:30 触发
30 9 1 * * /usr/bin/python3 /path/to/quant/run_monitor.py

---

策略说明

全天候（All-Weather）

固定权重资产配置，以风险平价为理念，覆盖四种经济环境（增长/衰退 × 通胀/通缩）：

大类	资产	代码	目标权重
商品	黄金ETF	518880.SH	8.33%
商品	石油基金	160416.SZ	8.33%
商品	豆粕ETF	159985.SZ	8.34%
股票	创业板ETF	159915.SZ	8.33%
股票	纳指ETF	513100.SH	8.33%
股票	日经ETF	513520.SH	8.34%
长债	国债ETF	511010.SH	12.5%
长债	标普500ETF博时	513500.SH	12.5%
短债	短融ETF	511360.SH	25%

调仓规则：

• 固定周期（daily / weekly / monthly / quarterly，默认每月第一个交易日）恢复目标权重
• 可选漂移触发：任一资产偏离目标超过 drift_threshold（默认 5%）时提前触发

ETF 轮动（ETF Rotation）

多因子动态轮动，每期持有评分最高的 1 只 ETF：

候选池（8 只 ETF）：

资产	代码
创业板ETF	159915.SZ
沪深300ETF	510300.SH
纳指ETF	513100.SH
黄金ETF	518880.SH
国债ETF	511010.SH
短融ETF	511360.SH
豆粕ETF	159985.SZ
日经ETF	513520.SH

评分因子：

• 动量（40%）：近期价格涨幅
• 夏普（40%）：近期风险调整收益
• 低波动（20%）：近期波动率（越低越好）

各因子均做百分比排名后加权合成总分，每月调仓一次。

止损规则：持仓下跌超过 8% 且持仓满 3 天时，触发换仓至当期最高分资产。

T+0 日内策略（T+0 Intraday）

针对指定股票池，盘中实时检测先卖后买的日内交易机会，通过飞书机器人推送信号。

信号逻辑（三路卖出 OR + 两路买回 OR）：

卖出信号（任一满足即触发）：

• 路径A：当日涨幅 ≥ sell_threshold（默认 2%），无趋势要求
• 路径B：RSI > rsi_sell_threshold（默认 70）AND 量比 > volume_ratio_threshold（默认 1.8）AND EMA 趋势向上
• 路径C：价格 > 昨收 × (1 + vwap_threshold，默认 1%) AND EMA 趋势向上（昨收近似 VWAP）

买回信号（任一满足即触发）：

• 回落买回：从日内高点回落 ≥ pullback_threshold（默认 0.5%）
• RSI 超卖买回：RSI < rsi_buy_threshold（默认 50）

技术指标（EMA、RSI、量比）在每个交易日开盘前从日线数据计算一次，获取失败时路径B/C自动降级不触发，行为与仅路径A一致。

配置项（config.yaml → t0_strategy）：sell_threshold、pullback_threshold、ema_short、ema_long、rsi_period、rsi_sell_threshold、rsi_buy_threshold、volume_ratio_threshold、volume_ratio_window、vwap_threshold

---

回测报告内容

图表 / 表格	说明
净值曲线	策略净值 vs 沪深300基准
回撤曲线	历史回撤变化
大类权重变化	商品/股票/长债/短债权重历史（全天候）
各资产权重变化	各资产的权重堆叠图
绩效指标	年化收益、最大回撤、夏普/索提诺/卡玛比率等
调仓记录	每次调仓的日期、操作、数量、价格、手续费

---

常见问题

Q：如何在两套策略之间切换？

修改 config.yaml 中的 active_strategy 字段，然后通过统一入口运行：

active_strategy: "etf_rotation"   # 切换到 ETF 轮动

python run_backtest.py    # 自动使用 etf_rotation 策略
python run_monitor.py     # 自动使用 etf_rotation 策略

Q：xtquant 连接失败？

确认：(1) MiniQMT/QMT 客户端正在运行；(2) config.yaml 中 path 和 account 配置正确；(3) enable_realtime: true。

Q：如何修改全天候资产组合？

直接在 config.yaml 的 assets 列表中修改 code、weight、enabled。权重会自动归一化，无需保证总和精确为 1。

Q：如何生成 PDF 报告？

安装 weasyprint 后，在 backtest.py 中调用：

rg.generate_pdf(result, charts, "output/report.pdf")

注意：weasyprint 在 Windows 上依赖 GTK，安装较复杂，建议优先使用 HTML 报告。