A-Share Quant Report Reproducer

适用场景

当用户希望复现一篇A股量化/金工研报时使用本技能。目标是把“研报文字”转成“可回测策略”：

1. 拆解研报逻辑
2. 生成可计算的alpha表达式
3. 选择合适的A股回测平台或MCP
4. 根据研报和用户要求，确定下载多少只股票做回测
5. 输出回测结果、图表、偏差说明

你必须收集的输入

如果用户没有明确给出，先补齐以下信息再执行：

• report_input：研报URL / PDF / 文本摘要
• max_download_stocks：最多下载多少只股票用于回测（必须询问或给出默认值）
• universe_preference：全A / 沪深300 / 中证500 / 中证1000 / 行业池 / 跟随研报
• rebalance_freq：日 / 周 / 月
• holding_count：持有前N只股票，或分组回测
• backtest_platform：自动选择 / Qlib / RQAlphaPlus / JoinQuant / FinQ4Cn-MCP / QMT-MCP
• cost_assumption：双边费率、滑点，若用户没给则使用A股日频保守默认值

默认值：

• max_download_stocks = 1000
• universe_preference = 跟随研报
• rebalance_freq = 周
• holding_count = 20
• backtest_platform = 自动选择
• cost_assumption = 手续费万3，冲击/滑点单边15bp（可根据平台能力调整）

核心原则

1. 先尊重研报，再尊重用户的下载上限

数据集选择顺序严格如下：

1. 如果研报明确写了股票池（如沪深300、中证500、全A、某行业），优先按研报股票池。
2. 如果用户又指定了 max_download_stocks，则在研报股票池约束内截取可交易性最强的前K只股票。
3. 如果研报没有写股票池，则根据研报逻辑自动匹配股票池，再应用 max_download_stocks。
4. 如果用户明确要求“就下载N只股票回测”，把 N 视为硬上限。

2. 数据集匹配规则

按以下逻辑选择数据集：

• 研报是大盘增强/核心资产/宽基增强：优先沪深300；若用户指定下载数量，则取流动性最好的前K只。
• 研报是中盘/成长增强：优先中证500。
• 研报是小盘/弹性/高换手：优先中证1000，但要提示冲击成本更高。
• 研报是全市场多因子/横截面选股：优先“流动性过滤后的全A”，并按 max_download_stocks 下载前K只。
• 研报是行业轮动/行业内选股：使用相关行业成分股，必要时按行业均衡方式截取。
• 研报是事件驱动/财报因子：股票池应先满足事件或财务披露可得性，再应用K只上限。

3. 股票下载数量的解释

max_download_stocks 的语义是“参与回测的数据集最大股票数量”，不是最终持仓数。

• 下载股票数：用于计算因子、排序和生成候选池。
• 持仓数：由 holding_count 控制。
• 一般应满足：max_download_stocks >= holding_count * 5。
• 如果用户设置不合理（例如下载20只却想持仓20只），要明确提示样本太窄，建议扩大到至少1000只以上；若受研报原始股票池限制，则需解释无法达到1000只的原因。

4. 平台路由规则

• 用户强调开源研究/本地复现：优先 Qlib。
• 用户强调A股制度细节、分钟级/真实撮合约束：优先 RQAlphaPlus。
• 用户强调快速在线回测：优先 JoinQuant。
• 用户强调 MCP / skill 化接入 / AI工作流：优先 FinQ4Cn-MCP。
• 用户已有 QMT/XTQuant/Windows实盘环境：优先 QMT-MCP。
• 如果没有明确偏好，先给出自动选择理由，再执行。

执行步骤

Step 1：拆解研报

从研报中提取：

• 研究对象：选股 / 择时 / 行业轮动 / 事件驱动 / 风险模型
• 因子来源：量价 / 基本面 / 分析师预期 / 另类数据
• 信号逻辑：反转 / 动量 / 估值修复 / 资金行为 / 拥挤度 / 风险补偿
• 组合构建：top N / 分层 / 中性化 / 权重约束 / 调仓周期
• 回测设定：样本区间、基准、成本、剔除规则

Step 2：把文字逻辑转成alpha表达式

优先输出一个最小可运行表达式，再输出一个增强版表达式。 表达式应尽量使用以下组件：

• 收益率：ret_1, ret_5, ret_20
• 成交量/换手：volume, turnover, adv20
• 波动率：std(ret_1, 20)
• 排序：rank(x)
• 时序统计：ts_mean, ts_std, ts_rank
• 中性化：neutralize(x, industry), neutralize(x, log_mktcap)

如果研报逻辑无法完全量化，先给出“代理表达式”，并明确说明替代关系。

Step 3：决定数据集与下载规模

使用 dataset-selection-rules.md 的规则，输出：

• 原始候选池
• 过滤规则
• 最终下载股票数量
• 选择理由
• 可能引入的偏差（如存续偏差、流动性偏差）

Step 4：选择回测平台

必须说明为什么选择该平台，并指出备选平台：

• 平台名称
• 是否适合A股
• 是否支持因子研究
• 是否支持MCP或自动化接入
• 是否能处理用户要求的数据下载规模

Step 5：运行回测

回测时务必区分：

• 候选股票池数量
• 最终持仓股票数量
• 调仓频率
• 成本参数
• 基准指数/ETF

Step 6：结果展示

输出必须采用多因子模型常见回测展示范式，至少包含：

1. 研报逻辑拆解
2. 数据集选择说明（含下载多少只股票）
3. alpha表达式与因子预处理说明
4. 回测配置
5. 因子诊断：覆盖率、缺失率、去极值/标准化/中性化说明
6. 因子有效性：IC均值、RankIC均值、ICIR、月度IC胜率、分层单调性
7. 组合表现：多空组合、多头组合、超额收益、累计净值、年化收益、Sharpe、最大回撤、年化波动、换手率、胜率
8. 稳定性分析：分年收益、分阶段表现、风格/行业暴露摘要
9. 与研报不一致的原因
10. 下一步优化建议
11. 自动展示回测过程中生成的全部关键图片

输出格式

严格按以下结构输出：

1. 研报逻辑树

• 策略类型
• 核心假设
• 因子来源
• 组合构建方式

2. 数据集方案

• 研报原始股票池
• 用户要求下载上限
• 最终下载股票数
• 数据过滤规则
• 最终回测股票池说明

3. Alpha表达式

先给最小可运行版，再给增强版。

4. 回测平台选择

• 主平台
• 备选平台
• 选择理由

5. 回测结果

• 因子诊断表
• IC/RankIC汇总表
• 分组收益表
• 多头/多空/基准/超额指标表
• 分年收益表
• 关键图片展示（必须内联展示）

6. 图片展示要求

• 在回测执行完成后，自动按顺序展示全部关键图片，而不是只给文件路径。
• 至少展示：因子分层收益图、累计净值图、超额收益图、回撤图、IC时间序列图、月度IC热力图、换手率或持仓分布图。
• 如果生成了更多诊断图（如行业暴露图、风格暴露图、收益归因图），也应一并展示。
• 每张图下方用一句话解释图的含义与结论。

7. 复现偏差说明

• 数据口径差异
• 股票池差异
• 成本和成交约束差异
• 研报未披露细节带来的误差

8. 下一步优化

至少给3条可执行优化建议。

特别约束

• 如果用户给了研报，就不要直接套通用alpha，必须优先复原研报逻辑。
• 如果用户只给主题、不给研报全文，可以先做“近似复现”，但必须说明不是严格复现。
• 如果用户要求“下载多少只股票”，这个值必须出现在最终报告中，不能只体现在代码或配置里。
• 如果回测平台或MCP不支持全部交易细节，要明确告知能力边界。
• 如果数据集太小导致结果不稳，要明确建议扩大 max_download_stocks；默认目标是至少1000只股票，除非研报股票池本身不足1000只。
• 回测报告不是只输出文字摘要，必须尽量以表格+图片形式完成展示。
• 如果回测过程中生成了图片，最终回复中必须逐张展示关键图片，不能只给本地路径或附件说明。

示例触发语句

• 复现这篇A股金工研报，并至少下载1000只股票做回测
• 根据这篇研报自动选择股票池，最多下载1200只股票
• 用Qlib复现这篇研报，若股票池足够则下载不少于1000只股票
• 帮我把研报拆成alpha表达式，并用MCP回测，下载前1500只流动性最好的A股

请始终把“研报逻辑 -> 数据集规模 -> alpha表达式 -> 回测平台 -> 回测结果”串成一个完整闭环，而不是只做摘要或只给公式。