Open Quant Strategies

面向实践的开放量化策略合集：以清晰、可复现的代码呈现策略思想与实现路径，帮助读者从代码层面快速理解“策略如何实现”和“策略为何有效”。

项目宗旨

• 用最少必要、结构清晰的实现展示常见量化策略，强调可读性与可复现性
• 以统一工程结构帮助快速定位：数据处理 → 信号构建 → 组合与权重 → 风险与约束 → 回测评估
• 支持横向对比不同策略的信号生成与风险控制，以更好地理解各策略的优劣与适用场景

你将获得

• 策略思想的简明阐释：核心假设、信号逻辑、预期收益结构与典型风险点
• 从数据到回测的完整实现路径，便于快速上手、修改与延展
• 模块化设计与统一命名，便于跨策略复用与对比

策略分类

完整分类维护于 strategies/readme.md，当前分为以下九类：

• 理论策略：以经典金融理论或解析模型为基础的实现与验证
• 时间序列策略：基于单资产的时序信号（趋势、动量、均值回归等）
• 跨资产横截面策略：围绕多资产的横截面因子与排序/分组方法
• 统计套利策略：配对交易、协整、残差回归与多维中性化框架
• 全球宏观策略：宏观指标与主题驱动的资产配置与对冲思路
• 市场微观结构策略：订单流、盘口、交易成本与执行相关的信号与规则
• 机器学习 Alpha 策略：用机器学习抽取特征、生成信号并评估泛化能力
• 深度学习架构策略：以深度网络建模序列/图/表征的信号生成方案
• 替代数据策略：新闻、舆情、文本、图像、ESG、IoT 等非常规数据源

如何阅读一个策略

• 先看“假设与思想”：该策略依赖的市场行为假设与预期收益来源是什么
• 看“数据与特征”：用到哪些数据、如何清洗与构造关键特征
• 看“信号构建”：指标/打分/分类回归等方法如何转化为可交易信号
• 看“组合与权重”：仓位分配、风险中性化、约束与再平衡规则
• 看“回测与评估”：样本内/外划分、频率设定、交易成本与稳健性分析

项目结构与约定

• strategies/：按类别组织的策略实现与示例，分类说明见 strategies/readme.md
• pic/OQS.png：项目图标
• 约定：统一的模块划分与函数命名，尽量维持最小而明确的依赖与示例

受众与使用方式

• 研究者与从业者：快速理解策略思想与代码实现，便于验证与对比
• 学习者：跟随模块路径阅读与改动代码，观察对结果的影响以加深理解

如需新增策略或完善现有实现，建议遵循上述模块顺序与命名约定，以保持工程一致性并提升可读性。