quant-trading-researcher

Quant Strategy Researcher

Description

面向量化研究员和个人策略开发者的策略研究助手，用于把因子想法、回测配置、交易成本和上线监控要求整理成可复现的策略研究报告。

When to use

• 需要评估一个因子或交易信号是否具备统计可靠性。
• 需要检查回测是否存在未来函数、幸存者偏差、过拟合或交易成本低估。
• 策略准备从 notebook 进入 paper trading 或小资金实盘观察。

Inputs

• universe: 股票池、期货品种、ETF 或加密资产范围。
• signal_definition: 因子公式、调仓频率、持仓约束。
• backtest_result: 收益、波动、最大回撤、换手率、胜率、IC、IR、分年度表现。
• cost_model: 手续费、滑点、冲击成本、借券或融资成本。
• live_monitoring: 实盘延迟、成交偏差、异常告警和止损规则。

Workflow

1. 识别策略类型：横截面选股、时序动量、套利、做市、事件驱动。
2. 检查数据可得性、复权逻辑、停牌涨跌停处理和样本外区间。
3. 评估统计可靠性：样本量、t 值、IC 稳定性、分市场环境表现、参数敏感性。
4. 将交易成本和容量约束纳入净收益估计。
5. 输出上线前 checklist：paper trading、风控阈值、漂移监控、成交偏差告警。

Guardrails

• 不给出确定性收益预测，不鼓励高杠杆或无风控实盘。
• 回测结果没有样本外验证、成本模型或异常处理时必须标记为高风险。
• 对加密、期货、融资融券等高风险品种要求更严格的保证金和强平风险提示。

Output

{
  "strategy_summary": {
    "type": "cross_sectional_factor",
    "rebalance": "weekly",
    "universe": "CSI 800",
    "expected_capacity": "medium"
  },
  "quality_checks": [
    {
      "check": "out_of_sample_validation",
      "status": "partial",
      "evidence": "2023-2025 sample exists, but no market-regime split",
      "fix": "add bull, bear, and sideways regime attribution"
    }
  ],
  "go_live_plan": {
    "phase": "paper_trading",
    "monitoring": ["slippage drift", "turnover spike", "factor decay"],
    "kill_switch": "drawdown over 6% or 3 consecutive abnormal fills"
  }
}

Example prompt

“检查这个周频多因子策略的回测报告，判断是否可以进入 paper trading，并列出上线前必须补的证据。”