基于 掘金量化（GoldMiner）平台的 A 股量化交易策略。借鉴 7 个顶级量化仓库，独立离线回测零 GM 依赖。
当前版本：V30.5 · UMP裁判系统 + 分层风控 + 真实费用
独立回测：+9.30%（2025-01-01 ~ 2026-05-26，¥25,000 初始资金）
# 独立离线回测 (零 GM SDK 依赖)
python standalone_backtest.py
# 掘金终端回测/仿真
# 在掘金终端 IDE 中打开 main.py
| 区间 | 收益 | 回撤 | 胜率 | 盈利因子 |
|---|---|---|---|---|
| 2024-2025 | -4.53% | -13.4% | 34.8% | 0.73 |
| 2025-2026 | +9.30% | -19.2% | 50.5% | 1.87 |
| 策略 | 交易 | 胜率 | 累计 |
|---|---|---|---|
| MR 均值回归 | 62 | 43.5% | +19.1% |
| VRC 成交量反转 | 14 | 71.4% | +71.7% |
| BK 突破 | 15 | 66.7% | +61.5% |
| RT 反转确认 | 4 | 25.0% | +0.7% |
本地SQLite数据 (C:/lainghua)
↓
standalone_backtest.py (独立回测引擎)
├── local_data_loader.py 数据加载
├── trade_utils.py 交易日历+费用+滑点+通知
├── risk_manager.py 分层风控 (订单/持仓/账户)
├── fusion.py (UMP) 6边裁+主裁决策
├── executor.py 交易执行
├── indicators.py 技术指标+Hurst+ADX+因子处理
├── screener.py 六因子选股
├── sector_config.py 12行业差异化配置
├── stock_pool.py 股票池管理
└── strategy_factory.py dict架构策略工厂
├── strategy_mr.py 均值回归
├── strategy_momentum.py 动量趋势
├── strategy_vrc.py 成交量反转
├── strategy_breakout.py 突破
├── strategy_dividend.py 红利
└── strategy_reversal.py 反转确认
config.py 全局参数
indicators.py 技术指标 (Hurst/ADX/RSRS/K线/因子处理)
stock_pool.py 股票池管理 + 名称映射
sector_config.py 12行业差异化配置
screener.py 六因子选股打分
strategy_factory.py 策略工厂 (dict架构)
strategy_mr.py 均值回归策略
strategy_momentum.py 动量趋势策略
strategy_vrc.py 成交量反转确认
strategy_breakout.py 突破策略
strategy_dividend.py 红利策略
strategy_reversal.py 反转确认策略
executor.py 交易执行引擎
fusion.py UMP裁判系统 (6边裁+主裁)
trade_utils.py 交易日历 + 费用 + 滑点 + 通知
risk_manager.py 分层风控 + 组合风险管理
standalone_backtest.py 独立离线回测 (零GM依赖)
local_data_loader.py SQLite本地数据 + yfinance备用
offline_backtest.py GM终端回测 (历史保留)
visualizer.py tkinter+matplotlib可视化
main.py 掘金终端主程序
trace.py 日志+诊断追踪
push_to_github.py GitHub REST API推送
sentiment_engine.py 舆情爬虫+情绪分析
stats_validator.py 统计验证 (Monte Carlo)
vibe_integration.py Vibe高级指标
| 仓库 | ⭐ | 借鉴 |
|---|---|---|
| vnpy | 40.9k | 分层风控引擎, 策略模板 |
| abu | 17.3k | UMP裁判系统, 仓位管理, 滑点 |
| Qbot | 17.5k | RSRS指标, 多渠通知 |
| QUANTAXIS | 10.6k | Hurst/ADX/CHO 高级指标 |
| Vibe-Trading | 8.7k | 本地数据加载, K线形态 |
| ai_quant_trade | 5.7k | 交易日历, 真实费用 |
| panda_factor | 2.7k | 因子标准化/中性化/IC分析 |
Private — 个人量化研究用途。