A股量化，单策略真的不够用了：我开源了一个双策略自动切换框架

一、为什么做单策略量化的人，最后都沉默了

做 A 股量化有个很真实的困境：

• 趋势策略在 2020 年白马行情里赚麻了，到了 2023 年震荡市，回撤 30% 起步。
• 均值回归策略在震荡市里高抛低吸很爽，遇到 2024 年 9 月底那种逼空行情，直接空仓踏空。

单策略的本质是押注市场永远配合你。但 A 股的市场风格切换，比变脸还快。

所以我一直在想：能不能让程序自己判断"现在是什么市"，然后自动切换策略？

二、Dual-Strategy Quant 的设计思路

这个项目的核心就三层：

1. 行情雷达（Market Radar）

不是看大盘涨跌，而是给市场环境打分（0-100）：

评分映射：

• 70-100分：动量趋势策略（抓主升浪）
• 40-69分：均值回归策略（高抛低吸）
• 0-39分：空仓或轻仓（保命）

2. 双策略独立运行

• 策略一：均值回归— 布林带+量能确认，震荡市高胜率（55-65%）
• 策略二：多因子动量— 价格动量+趋势强度+成交量确认，趋势市高盈亏比（2:1~3:1）

两条策略逻辑完全独立，互不干扰。

3. 因子引擎（Factor Engine）

这是基础设施，提供：

• 100+ 技术指标（MA, RSI, MACD, KDJ, BOLL, ATR...）
• 类 SQL 的因子表达式：close < BOLL(close, 20, 2)[2]
• 逐日回测 + 参数网格扫描

三、一个 YAML 就能跑回测

不需要写 Python，配个 YAML 就能自定义策略：

name: "我的RSI策略"
capital: 100000
start_date: "20260101"
select_buy:
- "RSI(close, 14) < 30"
- "volume > TS_MEAN(volume, 5) * 1.5"
buy_at_least_count: 2
select_sell:
- "RSI(close, 14) > 70"
sell_at_least_count: 1
order_by_signal: "RETURNS(close, 5)"
order_by_topK: 5
hold_days_max: 10
loss_stop_pct: -5.0

然后一行命令：

python scripts/run_strategy.py --config config/my_strategy.yaml

四、技术栈与项目结构

• Python 3.8+，依赖极简（akshare + pandas + numpy + pyyaml）
• 数据源支持 akShare + 东方财富，带 SQLite 本地缓存和降级策略
• 自动过滤科创板、创业板、北交所、ST 股

dual-strategy-quant/
├── config/ # YAML 策略配置
├── src/
│ ├── factors/ # 因子引擎（核心）
│ ├── strategies/ # 双策略封装
│ ├── radar/ # 行情雷达
│ ├── backtest/ # 回测引擎 + 报告
│ └── database.py # SQLite 缓存
├── scripts/
│ ├── run_strategy.py # 回测入口
│ └── run_param_scan.py # 参数网格扫描

五、免责声明（重要）

⚠️本项目仅供学习研究，不构成任何投资建议。股市有风险，投资需谨慎。

回测不等于实盘，任何框架都无法预测黑天鹅。

六、为什么开源

做这个框架花了不少业余时间，但一个人的思路总有盲区。

我想把它开源出来，看看社区里有没有同样在做 A 股量化的朋友，一起完善：

• 行情雷达的评分权重是否合理？
• 双策略切换的阈值是否需要动态调整？
• 能不能加入更多数据源（如 tushare、jqdata）？

如果你也在做 A 股量化，或者对因子引擎的设计感兴趣，欢迎来仓库交流。

👉 https://github.com/chenhe81/dual-strategy-quant