|
A compact JoinQuant toolkit for A-share research. 围绕估值分析、多资产相关性与事件驱动策略，使用 Python 和聚宽将研究想法转化为可检查的代码、图表与数据输出。
|
|
GitHub 主页 · 量化研究作品集 · 项目概览 · 运行方式
本仓库保存的是学习与研究原型。它强调代码可读、规则可检查和结果边界透明，不把历史回测包装成收益承诺。
| 项目 | 研究内容 | 已实现功能 | 状态 |
|---|---|---|---|
| 首板低开策略 | 昨日涨停标的的次日开盘区间筛选 | 两组可调开盘区间、相对位置约束、定时退出与持仓风险处理 | 策略原型 |
| PE / PB / 股价可视化 | 估值水平与股价走势的联合观察 | 批量双轴图、周/月频重采样、滚动中位数、均值 ± 1σ、逐标的 CSV | 分析工具 |
| 多股票相关度工具 | 多标的收益率相关性分析 | 全区间 Pearson 矩阵、多窗口末期滚动相关、热力图与可选 CSV | 分析工具 |
- 将交易假设拆解为可调整、可检查的规则。
- 对齐共同交易日，显式处理缺失值、无穷值和样本窗口。
- 同时保留图形展示与数据导出，方便后续复核。
- 区分策略代码、分析工具和经过验证的研究结论。
- 在展示结果时同步说明数据平台、费用、滑点与成交假设。
面向聚宽 Research 的批量估值观察工具。脚本优先使用连续财务数据接口，失败时回退到逐日查询，并将估值与股价对齐到共同日期。
- 多标的网格排版与双坐标轴展示；
- 日频、周频、月频重采样；
- 可选滚动中位数平滑；
- PE / PB 均值 ± 1σ 区间；
- 每只股票独立导出 CSV，汇总导出作为代码中的可选扩展。
入口：中文说明 · English README · 源代码
基于复权收盘价计算简单收益率或对数收益率，对齐共同有效交易日后输出：
- 全区间 Pearson 相关矩阵；
- 30 / 60 / 120 日等多窗口的末期滚动相关矩阵；
- 相关性热力图；
- 可选 UTF-8 CSV 导出。
聚宽策略原型：从昨日收盘涨停标的出发，构造两组不同开盘区间的候选池，并加入相对位置、定时退出与持仓风险规则。
- 开盘后生成两个候选池并等权分配可用现金；
- 11:25 对已盈利且未涨停的持仓止盈；
- 14:30 清理未涨停的可卖持仓；
- 对昨日一字跌停或相对成本亏损超过 4% 的持仓执行风险处理。
入口：中文说明 · English README · 策略代码
这些脚本主要面向 JoinQuant Research / 策略环境。jqdata、get_price、get_fundamentals、run_daily 等接口依赖聚宽平台，不能把普通本地 Python 环境直接视为等价执行环境。
- 进入目标子项目并阅读对应 README。
- 将 Python 脚本上传或粘贴到聚宽 Research / 策略编辑器。
- 修改股票池、日期、窗口或开盘区间等参数。
- 先进行小样本检查，再运行完整研究或回测。
- 保存平台版本、参数、费用与滑点设置，保证结果可以复核。
各子项目的 requirements.txt 只列出通用 Python 数据与绘图库；核心行情和财务接口仍由聚宽提供。
.
├── PB PE可视化/
│ ├── pe_measure.py
│ ├── README_zh.md
│ └── examples/output_sample.png
├── first-board-low-open/
│ ├── strategy_fb_low_open.py
│ ├── README_zh.md
│ └── examples/1755969126499.jpg
├── 相关度工具/
│ ├── jq_corr_tool.py
│ ├── README.md
│ └── examples/example_usage.py
├── assets/
│ └── github-avatar-manga-bw-v2.jpg
└── README.md
当前首页不统一展示收益率、胜率或回撤数字。策略表现只有在样本区间、基准、手续费、滑点、停牌与涨跌停成交约束等口径明确后才具有可比性；未经统一复核的截图不作为结论。
- 聚宽数据与接口行为可能随平台版本变化。
- 日频数据无法证明盘中触发顺序、排队位置或真实可成交量。
- 相关性会随样本区间和市场状态变化，不代表稳定因果关系。
- 估值均值与标准差只用于历史描述，不自动等价于高估或低估信号。
- 当前仓库尚未包含正式许可证文件，代码使用权以 GitHub 默认版权规则为准。
本仓库仅用于学习、研究和代码交流，不构成投资建议、交易邀约或收益承诺。历史数据、示例图与回测结果不能代表未来表现。
Maintained by @zhan820 · Independent quantitative research