cfdaily
affcfa0c72
**主要调整：** 1. 重命名将军工作区目录： - data-engineering → zhaoyun-data (赵云数据工程） - risk-management → guanyu-risk (关羽风控管理) - platform → jiangwei-platform (姜维平台) - technical-strategy → zhangfei-technical (张飞技术策略) 2. 创建新目录： - archive/ (归档目录） - simayi-quality/ (司马懿质量保证) - pangtong-value/ (庞统价值投资) 3. 移动内容： - value-investing → pangtong-value/research (庞统价值投资) - running_data → zhaoyun-data/data (运行数据) - 文件任务管理系统文档 → archive/file-task-system 4. 清理文件： - 删除所有日志文件 - 删除agent脚本 - 删除knowledge-base (使用统一知识库) 5. 创建标准结构： - 各将军目录下创建research/, scripts/, reports/, references/子目录 6. 更新.gitignore： - 排除日志文件和临时文件 **依据：** management/workflow-rules.md **制定：** 庞统（凤雏） **审核：** 诸葛亮
7.2 KiB
7.2 KiB
A股量化技术策略研究 - 调研大纲
调研负责人：张飞
开始时间：2026-03-21
预计完成：2026-04-18
🎯 调研目标
- 评估技术分析在A股量化交易中的有效性
- 识别具体可行的技术策略方向和算法方案
- 评估各种技术策略的预期收益、风险、交易成本
- 制定详细的研究、实现、优化计划
📋 调研大纲
第一部分：研究背景和文献综述
1.1 技术分析流派概述
- 道氏理论
- 波浪理论
- 江恩理论
- 趋势跟踪流派
- 均值回归流派
- 市场微观结构流派
1.2 技术分析有效性辩论
- 有效市场假说（EMH）
- 行为金融学对技术分析的支持
- A股市场特殊性：散户比例高，技术分析更有效？
- 实证研究现状：学术界vs实践界
1.3 A股市场特性对技术分析的影响
- T+1制度影响
- 涨跌停板限制影响
- 散户比例高影响
- 资金推动型特征
- 政策干预影响
第二部分：技术因子有效性研究
2.1 趋势跟踪因子
移动平均线系列
- 简单移动平均线（SMA）
- 指数移动平均线（EMA）
- 加权移动平均线（WMA）
- 双均线金叉死叉策略
- 多均线组合策略
- 均线背离信号
MACD系列
- 标准MACD（12, 26, 9）
- DIFF线趋势判断
- DEA线平滑
- MACD柱状图背离
- MACD金叉死叉
- 参数敏感性分析
布林带（Bollinger Bands）
- 中轨趋势方向
- 上下轨突破
- 带宽收缩扩张
- 均值回归 vs 趋势跟踪
- 布林带突破策略
动量因子
- 价格动量（N日收益率）
- 动量因子分层
- 动量效应持续性
- 动量反转效应
2.2 均值回归因子
RSI（相对强弱指数）
- RSI区间划分（超买超卖）
- RSI背离
- RSI区间震荡策略
- 参数（14/9/12）选择
随机指标KDJ
- K线D线J线
- 超买超卖信号
- 金叉死叉信号
乖离率BIAS
- 价格偏离均线程度
- 乖离率均值回归
- 不同周期乖离率组合
2.3 波动率因子
ATR（平均真实波幅）
- 波动率测量
- 仓位调整应用
- 止损幅度设置
- 波动率过滤
历史波动率
- 波动率聚类现象
- 波动率 regimes 切换
- 低波动率vs高波动率策略差异
波动率 breaks
- 波动率突变点
- 趋势启动信号
- 风险重新定价
2.4 成交量因子
OBV（能量潮）
- 成交量跟随价格
- 量价背离
- 资金流向判断
VWAP（成交量加权平均价）
- 日内VWAP策略
- 偏离回归
- 算法交易应用
成交量突破
- 放量突破
- 缩量回调
- 量价配合确认
2.5 多因子组合
- 因子相关性分析
- 因子正交化处理
- 因子权重优化
- 动态因子选择
第三部分：算法交易策略研究
3.1 趋势跟踪策略
双均线策略
- 逻辑原理
- 参数优化
- 进出场规则
- 风险管理
- 预期收益风险
趋势跟踪系统
- 唐奇安通道突破
- 海龟交易法则
- 多重时间框架趋势跟踪
- A股适应性改进
3.2 均值回归策略
RSI均值回归
- 超买超卖反转
- 趋势过滤
- 仓位管理
布林带均值回归
- 回归中轴线
- 带宽参数
- 波动率调整
3.3 配对交易/统计套利
- 协整检验
- 对冲比例计算
- 开平仓阈值
- 行业中性
3.4 高频做市策略
- 流动性提供
- 双向报价
- 库存风险管理
- A股流动性条件下可行性
3.5 突破策略
- 区间突破
- 放量突破
- 假突破过滤
- 止损设置
第四部分：A股市场微观结构研究
4.1 交易成本分析
- 佣金和印花税
- 冲击成本模型
- 滑点模型
- 最小交易量约束
4.2 流动性分析
- 订单簿特性
- 买卖价差
- 深度分布
- 流动性影响对策略收益的折现
4.3 Tick数据高频特征
- 自相关性
- 波动率聚类
- 跳跃特性
- 微观结构噪声
4.4 T+1制度影响
- 日内交易限制
- 隔夜风险
- 策略频率限制
第五部分：实证研究方案
5.1 数据准备
- 数据来源
- 数据清洗
- 幸存者偏差处理
- 前视偏差检查
5.2 回测框架
- 样本内样本外划分
- 滚动窗口检验
- 参数优化避免过拟合
- 多重检验修正
5.3 绩效评估指标
- 收益率指标：累计收益、年化收益、夏普比率
- 风险指标：最大回撤、波动率、downside deviation
- 交易指标：胜率、盈亏比、交易频率
- 稳健性：样本外表现、参数敏感性
5.4 风险控制
- 单票仓位限制
- 总仓位限制
- 止损规则
- 极端行情应对
第六部分：结论和建议
6.1 研究结论
- 哪些技术因子在A股有效
- 哪些策略值得深入研究
- 预期绩效范围
- 主要风险点
6.2 实施建议
- 推荐研究顺序
- 资源需求
- 时间计划
- 风险控制建议
6.3 下一步工作
- 数据获取
- 代码实现
- 回测验证
- 实盘模拟
🗓️ 时间计划
| 阶段 | 时间 | 交付物 | 状态 |
|---|---|---|---|
| 大纲框架 | 3月21日 | 本文档 | ✅ 完成 |
| 数据和技术准备 | 3月22-24日 | 数据准备报告 | 🔄 进行中 |
| 技术因子研究 | 3月25-4月1日 | 技术因子研究报告 | ⏳ 待开始 |
| 算法策略设计 | 4月2-8日 | 算法策略设计 | ⏳ 待开始 |
| 实证验证 | 4月9-15日 | 实证结果报告 | ⏳ 待开始 |
| 总报告撰写 | 4月16-18日 | 完整调研报告 | ⏳ 待开始 |
📁 目录结构
technical-strategy/
├── 01-reports/ # 报告文档
│ ├── RESEARCH_OUTLINE.md # 本文档 - 调研大纲
│ ├── 01-data-preparation.md # 数据准备报告
│ ├── 02-factor-research.md # 技术因子研究报告
│ ├── 03-strategy-design.md # 算法策略设计
│ ├── 04-empirical-test.md # 实证验证报告
│ └── FINAL_REPORT.md # 最终调研报告
├── 02-algorithms/ # 算法实现
│ ├── high_frequency_signal.py # 高频信号生成 ✅
│ ├── benchmark_test.py # 性能基准测试 ✅
│ ├── factor_calculator.py # 因子计算器
│ ├── strategy_ma.py # 均线策略
│ ├── strategy_macd.py # MACD策略
│ ├── strategy_mean_reversion.py # 均值回归策略
│ └── backtest_engine.py # 回测引擎
├── 03-data/ # 研究数据
│ ├── factor_performance.csv # 因子绩效数据
│ ├── strategy_performance.csv # 策略绩效数据
│ └── raw/ # 原始数据
├── 04-experiments/ # 实验记录
│ ├── experiment-01/ # 实验1记录
│ └── experiment-02/ # 实验2记录
├── 05-references/ # 参考资料
│ ├── papers/ # 研究论文
│ └── code/ # 参考代码
└── README.md # 总说明
🎯 成功标准
- ✅ 识别至少3个有效的技术因子
- ✅ 给出至少2个可实现的完整策略
- ✅ 提供详实的实证数据支持结论
- ✅ 夏普比率 > 1.5 为合格
- ✅ 最大回撤 < 20% 为合格
开始执行 ⚔️