gaaiyun/joinquant-skill

JoinQuant Skill

Generiere quantitative Strategie-Codes, die ohne Änderungen auf der JoinQuant-Plattform laufen.

Wann dieser Skill verwendet wird

Ja:

• Aktien-Backtest / Paper Trading / Live Trading auf JoinQuant (聚宽)
• ETF-Rotation, Multi-Faktor-Aktienauswahl, Momentum, Mean-Reversion-Strategien
• Futures (期货) Strategien auf JoinQuant
• Margin-Handel (融资融券) Strategien
• Code-Review / Lint für Strategien, um halluzinierte APIs und Future-Funktions-Verstöße zu erkennen
• Übersetzung einer Strategieidee in JoinQuant-API-Aufrufe

Nein:

• Lokale Datenanalyse ohne JoinQuant (nutze stattdessen jqdatasdk direkt oder pandas/numpy)
• Strategie-Backtesting auf anderen Plattformen (vectorbt, backtrader, vn.py – nutze diese Skills)
• Reines Training von Machine-Learning-Modellen (keine JoinQuant-spezifische API erforderlich)
• Live-Trading über andere Broker-APIs als JoinQuant-Simulated-Trading (CTP, Interactive Brokers, etc. benötigen andere Skills)

Standardmodus

Die meisten Benutzeranfragen fallen in eines von drei Mustern. Erkenne das Muster zuerst, dann leite weiter:

Muster	Auslöser	Aktion
Schnellcode	„Schreib mir eine X-Strategie“ / „Implementiere Y mit JuQuant“	Vorlage auswählen, benutzerspezifische Teile einfügen, sofort einfügbaren Code zurückgeben
API-Frage	„Was bedeutet der fq-Parameter von get_price in JuQuant?“ / „Welche Optionen gibt es bei set_option?“	Passende references/XX-*.md laden und basierend darauf antworten
Code-Review	„Überprüf mal meinen JuQuant-Code“ / Einfügen von vorhandenem Code	Gedanklich strategy_lint.py dagegen laufen lassen (oder tatsächlich aufrufen), halluzinierte APIs und fehlende Schutzmechanismen aufzeigen

Progressive Offenlegung: 14 API-Kategorien

Lade NICHT alle Referenzen auf einmal (insgesamt 294 KB, würde Kontext verbrennen). Musterabgleich der Benutzeranfrage und nur die relevante Kategorie-Datei laden:

Kategorie	Referenzdatei	Ausgelöst durch Schlüsselwörter
Strategieeinstellungen	references/01-strategy-setup.md	initialize, set_benchmark, set_option, set_order_cost, set_slippage, run_daily, run_weekly, run_monthly
Datenerfassung	references/02-data-getters.md	get_price, attribute_history, history, get_current_data, get_fundamentals, get_money_flow, get_concept, get_industry
jqlib Faktorbibliothek	references/03-jqlib.md	alpha101, alpha191, technical_analysis, jqfactor
Datenverarbeitung	references/04-data-processing.md	get_factor_values, calc_factor_history, neutralize, winsorize, standardlize
Portfolio-Optimierung	references/05-portfolio-optimization.md	optimizer, max_sharpe, min_variance, target_return, mean_variance
Handelsfunktionen	references/06-trading.md	order, order_value, order_target, order_target_value, cancel_order, get_open_orders
Objekte	references/07-objects.md	Order, Position, Portfolio, OrderCost, OrderStyle, MarketOrderStyle, LimitOrderStyle
Sonstige Funktionen	references/08-misc-functions.md	record, log, write_file, send_message
Multi-Portfolio	references/09-multi-portfolio.md	set_subportfolios, SubPortfolioConfig, transfer_cash
Tick-Level	references/10-tick-strategy.md	tick, get_ticks, every_tick
Margin-Handel	references/11-margin-trading.md	margincash_open, margincash_close, marginsec_open, marginsec_close, set_margin_rate
Futures	references/12-futures.md	get_dominant_future, futures, set_future_commission
Attributionsanalyse	references/13-attribution-analysis.md	brinson, factor analysis, attribution
Engine-Mechanismus	references/14-strategy-engine.md	撮合, 复权, 滑点, 税费, 风险指标, alpha, beta, sharpe, max drawdown

Falls der Benutzer einen Funktionsnamen erwähnt, der in keiner Schlüsselwortliste steht, verwende scripts/api_search.py <Schlüsselwort>, um ihn in allen Referenzen zu finden.

Vorlagen

5 produktionsreife Vorlagen in templates/:

Vorlage	Wann verwenden
01-basic-single-stock.py	Erstanwender, Einzelaktie, einfacher GD-Crossover. Das „Hello World“ von JoinQuant.
02-multi-factor.py	Multi-Faktor-Aktienauswahl (KGV / Marktkapitalisierung / Momentum), monatlicher Rebalance. Die häufigste „echte“ Strategiestruktur.
03-etf-rotation.py	ETF-Rotation nach Momentum-Ranking. Beliebt bei Privatanlegern.
04-momentum-stock.py	Querschnittsmomentum auf Aktienuniversum, wöchentlicher Rebalance.
05-mean-reversion.py	Bollinger / RSI Mean-Reversion. Volatilitätsbewusst.

Beim Generieren von Code: Beginne mit einer Vorlage, modifiziere, schreibe nicht von Grund auf. Gründe:

1. Vorlagen enthalten bereits den notwendigen Code-Boilerplate (set_benchmark, set_option, set_order_cost, set_slippage)
2. Vorlagen haben korrektes Timing (run_daily / run_weekly mit korrektem Zeitargument)
3. Vorlagen vermeiden Future-Funktions-Fallstricke (zählbasierte statt datumsbasierte Auswahl)

Lint-Werkzeug

Bevor generierter Code an den Benutzer zurückgegeben wird, führe gedanklich (oder tatsächlich) strategy_lint.py aus:

python scripts/strategy_lint.py <user_strategy.py>

Kritische Prüfungen:

• ❌ Halluzinierte API-Aufrufe (z. B. jqdata.get_stock_data() existiert nicht)
• ❌ Future-Funktion: Verwendung von nicht-zählbasiertem get_price oder attribute_history mit fest codierten zukünftigen Daten
• ❌ Fehlendes set_option('use_real_price', True) (zwingend erforderlich für genaues Backtesting)
• ❌ Fehlendes set_order_cost(...) und set_slippage(...)
• ❌ Order-Ausführung in before_trading_start / after_trading_end (verboten, wird abgelehnt)
• ❌ Verwendung veralteter APIs (update_universe etc.)
• ⚠️ Empfehle g.-Globale Variablen für den Zustand über Bars hinweg anstelle von Modul-Globals
• ⚠️ Empfehle cluster-bewusste Positionsgrößen für hochkorrelierte Vermögenswerte

Dinge, die beim Generieren erhalten bleiben müssen

Wenn du eine Strategie berätst, verliere niemals:

• Immer use_real_price=True setzen. Traditionelle vorbereinigte Preise haben einen Future-Funktions-Bias. Dies ist nicht verhandelbar.
• set_order_cost und set_slippage sind Pflicht. Ohne diese ist der Backtest unrealistisch und führt den Benutzer in die Irre.
• Das run_daily-Zeitargument ist wichtig. 'open' läuft um 09:30 Uhr, 'every_bar' läuft für jeden Balken (minütlich oder täglich). Die falsche Wahl führt zu falschem Ausführungs-Timing.
• g. ist der einzige sichere globale Zustand. Modul-Globals können in einigen JoinQuant-Umgebungen über Läufe hinweg verlaufen.
• order_value > order für Kapitalmanagement. Die manuelle Berechnung der Aktienanzahl ist anfällig für Aktiensplits.
• order_target_value für Rebalancing, berechne niemals manuell „aktueller Wert - Zielwert“.
• Installiere nichts mit pip install innerhalb von JoinQuant. Die Plattform ist sandboxed; nur ihre vorinstallierten Bibliotheken funktionieren.

Arbeitsablauf

Eine typische End-to-End-Strategiesitzung:

1. Benutzer beschreibt Idee in natürlicher Sprache
2. KI: passende Vorlage auswählen (z. B. 03-etf-rotation.py)
3. KI: 2-3 klärende Fragen stellen:
   - Aktienuniversum (Indexbestandteile / benutzerdefinierte Liste)
   - Rebalancing-Häufigkeit (täglich / wöchentlich / monatlich)
   - Risikokontrolle (Stop-Loss / Positionsobergrenze / Branchenneutralität)
4. KI: Strategiecode generieren, Vorlage modifizieren
5. KI: Gedanklich (oder tatsächlich) linten – Probleme beheben
6. Benutzer: In JoinQuant Online-Editor einfügen, auf „编译运行“ klicken
7. Bei Fehlern: relevante references/XX-*.md erneut laden, beheben
8. Benutzer: Backtest-Kurve überprüfen, iterieren

Für hochriskante (Live-Trading) Strategien zusätzlich:

• Referenziere references/14-strategy-engine.md für Slippage, Kommission, Risikometriken
• Referenziere references/11-margin-trading.md falls Hebelwirkung involviert
• Diskutiere Modellrisiko explizit (Overfitting, Regimewechsel, Transaktionskostenrealismus)

Dateien

Datei	Rolle
README.md	Projekt-Einführung
WORKFLOW.md	End-to-End-Strategieentwicklung (✅ vollständig)
INSTALL_CN.md	Chinesische Installationsanleitung (✅ vollständig)
api文档/api.txt	Originale 294 KB API-Dokumentation (rohes Backup)
references/01-14-*.md	14 progressive Offenlegungs-Kategorie-Dateien (✅ alle vollständig)
templates/01-05-*.py	5 Produktionsvorlagen (✅ vollständig)
scripts/strategy_lint.py	Lint-Werkzeug – Hybrid aus Blacklist/Whitelist (✅ betriebsbereit)
scripts/strategy_scaffold.py	Gerüst aus Beschreibung generieren (✅ betriebsbereit)
scripts/api_search.py	API nach Schlüsselwort durchsuchen (✅ betriebsbereit)
examples/case-mean-reversion/	End-to-End-Fall: RSI Mean-Reversion (✅)
examples/case-etf-rotation/	End-to-End-Fall: ETF monatliche Rotation (✅)
examples/bad-strategy-for-lint-test.py	Negativ-Testbeispiel für Lint-Regression (✅)
factors/	(v2) Barra-artige Faktorbibliothek, 7 Kategorien
factor_lab/	(v2) Einzelfaktor-IC / Gruppierung / Zerfallsanalyse
research_importer/	(v2) Makler-Forschung PDF → JoinQuant-Code
jqskill_mcp/	(v2) MCP-Server, der alle Skill-Fähigkeiten bereitstellt
tests/	pytest (50+ Tests bestanden nach v2)

Dieser Skill ist Version 0.5.0 (Stand 2026-04-19). Alle 14 Referenzen + 5 Vorlagen + 3 Skripte + 13 Tests + WORKFLOW + 2 Beispiele vollständig.