Skip to content

量化研究 ​

在插件中实现量化逻辑,通过 Task 执行并保留证据,再用一致的口径评估改动。AxonX 提供统一契约与运行环境,研究算法和数据要求由插件定义。参考工作流适配 Microsoft Qlib 的 Alpha158 基线,其他方法也可以通过插件接入。

选择研究步骤 ​

目标从这里开始完成结果
让 Agent 实现研究目标Skill 与研究 Prompt明确假设、基线、控制条件与工具
运行 Alpha158 基线Tushare 数据 → Alpha158 研究流程成功的 ETL → Train → Predict → Portfolio → Backtest 记录
开发或优化插件开发与运行指南 → 插件管理实现、注册、安装并发现 Task
检查执行产物结果解读 → 回测口径检查特征、模型、预测与组合账本
评估研究改动策略比较 → 实验设计对齐口径、控制变量与独立确认
复现已有案例Alpha158 改进实验设定、指标、命令与 Task/Run 来源

从基线逐层扩展 ​

Alpha158提供 158 个价量特征、LightGBM、因子分析与 TopN 回测。Qlib Factor扩展 ETL 与训练,提供 13 个可选特征;训练默认仍使用 158 个基线特征。Qlib Strategy复用预测,增加最短持有期、排名保留与换仓数量限制。

参数、算法与产物定义由插件 README 维护。提交前查询所选服务的实际 Task Schema,核对上游兼容性;产物字段见研究产物契约。

执行与结论 ​

源码修改、服务安装与 Task 提交分别完成。每次保留代码版本、数据快照、窗口、参数、成本和实际 Task ID 与 metadata started_at。等待上游成功后再提交下游;血缘记录不会自动调度整张 DAG。因子分析从 ETL 独立分支,不是训练的前置条件。

Task 成功说明执行完成。算法改进需要可比设定、候选选择记录与独立确认。Alpha158 案例展示三组固定配置的结果,同时保留数据不完整、参数差异和未独立确认的限制。

Agent-native quant research.