我的落地建议顺序
你可以按这个顺序做，最稳：

先加 mom5/mom10 预警

再加 rank_drop 预警

再加 peak_drawdown 退出

最后再决定是否加入资金流过滤器

前 3 步基本都属于低复杂度、低过拟合风险增强。



已思考 18s
Quant System V210 Lowfreq Enhanced
· python




"""


# ============================================================
# 十一、参数稳健性检查（避免过拟合）
# ============================================================

def run_parameter_sanity_suite(data: Dict[str, Any]) -> pd.DataFrame:
    """
    不是做密集网格搜索，而是做小范围稳健性检查。
    目标：验证改动方向是否稳，而不是找最佳点。
    """
    global REBALANCE_DAYS, MIN_HOLD_DAYS, HOLD_BUFFER_RANK, BUY_BUFFER_RANK

    configs = [
        {"REBALANCE_DAYS": 8,  "MIN_HOLD_DAYS": 4, "HOLD_BUFFER_RANK": 9,  "BUY_BUFFER_RANK": 5},
        {"REBALANCE_DAYS": 10, "MIN_HOLD_DAYS": 5, "HOLD_BUFFER_RANK": 10, "BUY_BUFFER_RANK": 6},
        {"REBALANCE_DAYS": 12, "MIN_HOLD_DAYS": 6, "HOLD_BUFFER_RANK": 11, "BUY_BUFFER_RANK": 7},
    ]

    old_values = (REBALANCE_DAYS, MIN_HOLD_DAYS, HOLD_BUFFER_RANK, BUY_BUFFER_RANK)
    rows = []
    for cfg in configs:
        REBALANCE_DAYS = cfg["REBALANCE_DAYS"]
        MIN_HOLD_DAYS = cfg["MIN_HOLD_DAYS"]
        HOLD_BUFFER_RANK = cfg["HOLD_BUFFER_RANK"]
        BUY_BUFFER_RANK = cfg["BUY_BUFFER_RANK"]
        r = run_backtest(data, name=str(cfg))
        rows.append({**cfg, "return": r["return"], "drawdown": r["drawdown"], "ret_dd": r["return"] / max(r["drawdown"], 1e-6)})

    REBALANCE_DAYS, MIN_HOLD_DAYS, HOLD_BUFFER_RANK, BUY_BUFFER_RANK = old_values
    return pd.DataFrame(rows)


# ============================================================
# 十二、主程序
# ============================================================

def main():
    print("=" * 70)
    print("量化交易系统 v2.10 - 低频次日执行增强版")
    print("=" * 70)

    data = load_data(open_path=None)  # 若有开盘价文件，传入 open_path='stock_open.csv'
    print(f"股票: {len(data['stocks'])}只, 交易日: {len(data['dates'])}天")

    result = run_backtest(data)

    trades_df = pd.DataFrame(result["trades"])
    daily_df = pd.DataFrame(result["daily"])

    if len(trades_df) > 0:
        trades_df.to_excel("回测v2.10-交易明细.xlsx", index=False)
    if len(daily_df) > 0:
        daily_df.to_excel("回测v2.10-每日详情.xlsx", index=False)

    print("\n✅ 回测完成")


if __name__ == "__main__":
    main()

我已经按你刚才的诉求，把完整的 v2.10 低频增强版代码放到右侧代码文档里了，核心是基于你原来的四层架构重写，而不是另起炉灶。你原版确实是 Regime / Alpha / Portfolio / Execution 四层结构，主参数里有 REBALANCE_DAYS=20、HOLD_BUFFER_RANK=15、BUY_BUFFER_RANK=8、MIN_HOLD_DAYS=10，并且回测是“当日出信号、当日执行”，这些正是这次重点修正的地方。

这版架构我给你改成了下面这个思路：

1. RegimeEngine：大势层基本保留

继续负责市场评分、状态识别、仓位映射。

保留你原来“升级确认、降级确认、仓位日变动限制”的思路。
量化系统 v2.0 完整源码

2. AlphaEngine：选股层做了“提前识别增强”

保留 mom20 / mom60 / turnover / volatility 主骨架。
量化系统 v2.0 完整源码

新增 mom5 / mom10 / downside_vol / peak_drawdown

新增预警分 warn_score

新增“高位追涨抑制”，避免 mom20 和 mom60 都过热时的新开仓

3. PortfolioConstructor：组合层仍然简单

继续等权 / 牛市集中权重

不靠复杂优化器，尽量降低拟合风险

4. ExecutionEngine：这是改动最大的地方

显式加入 T+1 执行

支持 next_open / next_close

加入滑点、买卖费率

把执行拆成两段：

当天收盘后生成信号与订单

次日成交

加入日频个股风控，而不是只在调仓日处理

这版代码里最关键的新参数，我已经直接写进去了：

EXECUTION_LAG_DAYS = 1

REBALANCE_DAYS = 10

MIN_HOLD_DAYS = 5

HOLD_BUFFER_RANK = 10

BUY_BUFFER_RANK = 6

MOM5_WARN = -2.0

MOM10_WARN = -4.0

PEAK_DD_WARN = 0.05

PEAK_DD_EXIT = 0.08

RANK_WARN = 10

RANK_EXIT = 15

RANK_DROP_WARN = 5

这些参数都故意保持圆整、少量、低自由度，目的就是让它更适合你这种低频实盘，同时尽量不走向过拟合。

另外我还加了一个很重要的模块：

run_parameter_sanity_suite()

不是做密集网格搜索

只是做少量稳健性扰动检查

看策略是不是在一小圈参数变化下仍然稳定

这个比“找最优参数”更适合你现在的目标，因为你现在更关心的是：
提高收益 / 降低回撤 / 不要拟合。

你接下来最值得先做的，不是继续加因子，而是先用这版代码验证三件事：

改成 T+1 之后，历史收益和回撤变化多大

杰瑞股份这类“高位强趋势后转弱”的票，退出是否明显更早

参数在 8/10/12 天调仓、4/5/6 天最短持有下，表现是否保持稳定

下一步最合适的是你把这版先跑一遍，然后把：
总收益、最大回撤、交易次数、以及杰瑞股份那段交易明细
贴给我，我再帮你做第二轮“删不必要参数、保留有效预警”的精简。


来源








选择文件未选择任何文件选择文件未选择任何文件
ChatGPT 也可能会犯错。请核查重要信息。