跳转至
EasyQuant

教程导读（Tutorials）

本系列从零基础到实盘部署，涵盖趋势跟踪、均值回归、行业轮动和多因子选股等方向。英文标题「Tutorials」仅作导航标识，正文以中文为主。

阅读格式

自 Tutorial 00 起，每篇教程文首带有 「本篇导览」 表格，便于你快速判断目标、预计用时与前置教程；正文仍保留原有目录与深度讲解。

第一次使用请先阅读：Tutorial 00 — 环境与第一次运行（Python 3.10+、pip install .、运行 examples/03_run_backtest.py、打开 HTML 报告）。文档中心： doc/README.md（用户手册、API 索引、FAQ、报告指标详解）。

目录结构

tutorials/
├── prerequisites/          ← 前置知识（按需阅读）
│   ├── README.md           ← 前置知识总览
│   ├── python_basics.md    ← Python 语法、pandas/numpy、虚拟环境
│   ├── technical_concepts.md  ← 均线、RSI、MACD、布林带、ATR、KDJ 等
│   └── ashare_knowledge.md ← A 股代码规则、T+1、涨跌停、指数、手续费
├── 00_environment_and_first_run.md   ← 安装、首跑回测（必读）
├── 01_quant_basics.md      ← 量化基础概念、策略要素、常见错误
├── 02_first_strategy.md    ← 编写双均线策略
├── 03_backtesting.md       ← 解读回测报告与指标
├── 04_strategy_optimization.md  ← 参数调优、组合优化、归因分析
├── 05_live_trading.md      ← 模拟盘到实盘部署
├── 06_rsi_mean_reversion.md  ← RSI 均值回归策略
├── 07_sector_rotation.md   ← 行业轮动策略
├── 08_multi_factor.md      ← 多因子选股
├── 09_combined_strategy.md ← 综合策略（全天候 Alpha）
└── 10_agent_optimization.md  ← 策略参数优化与审计

前置知识（按需阅读）

如果你在以下任一领域没有基础，建议先阅读对应的前置文件，再从 Tutorial 00 开始：

文件 内容 适合谁
Python 基础与环境配置 语法速查、pandas/numpy 核心用法、虚拟环境 没有写过 Python
技术分析基础概念 OHLCV、均线、RSI、MACD、布林带、ATR、KDJ、ADX、支撑阻力 没接触过技术指标
A 股市场基础知识 股票代码、T+1、涨跌停、主要指数、ST 股、手续费与税、基本面数据 没有 A 股投资经验

→ 前置知识完整索引：prerequisites/README.md

新手首日打卡（建议按顺序）

  1. 安装并验证： 
    # PyPI 安装（推荐）
pip install easyquant-eqlib
# 或从源码安装（仓库根目录）
# pip install .
python -c "from eqlib import *; print('eqlib OK')"
  2. 跑第一份完整报告： 
    python examples/03_run_backtest.py
  3. 打开 reports/*.html 看指标卡片、回撤曲线、交易记录。
  4. 需要离线快速验证时，先跑本地数据示例（可选）： 
    python examples/19_local_data_backtest.py --download-all
python examples/19_local_data_backtest.py
  5. 做最小功能验证（可选）： 
    python examples/01_fetch_data.py
pip install -e ".[dev]"
python -m pytest tests/

完成后继续阅读 Tutorial 01 与 Tutorial 02。

教程列表

前置知识（可选，按需阅读）

文件 内容摘要 预计阅读
Python 基础与环境配置 变量、函数、pandas/numpy 核心操作、虚拟环境 20 min
技术分析基础概念 OHLCV、MA / RSI / MACD / 布林带 / ATR / KDJ / ADX、支撑阻力 25 min
A 股市场基础知识 股票代码格式、T+1、涨跌停、常用指数、ST 股、手续费与税 20 min

环境与入门

# 教程 主题 预计阅读
00 环境与第一次运行 Python 版本、安装、首跑回测、打开报告 10 min
01 什么是量化交易策略 量化交易基础、策略要素、常见错误 15 min
02 写第一个策略 编写双均线策略、运行回测 20 min
03 回测验证 解读报告、风险指标、组合回测 20 min
04 策略优化与改进 参数调优、组合优化、归因分析 20 min
05 模拟盘到实盘 模拟盘验证、PTrade/QMT 导出部署 15 min

策略专项教程（按兴趣选读）

# 教程 策略类型 核心技术 预计阅读
06 RSI 均值回归策略 均值回归 RSI、布林带二次确认、止损 20 min
07 行业轮动策略 行业轮动 动量打分、等权调仓、行业 API 20 min
08 多因子选股 因子选股 Z-Score 标准化、因子合成、IC 检验 25 min
09 全天候 Alpha 综合策略 综合策略 多因子+行业轮动+RSI/布林/MACD+ATR止损 30 min
10 策略参数优化与审计 参数化与工具 PARAMS、optimizer.py、审计日志、审查清单 20 min

学习路径

根据你的背景和目标，选择最适合的学习路径：

路径 A：零基础入门（推荐新手）

00 环境与第一次运行 → 01 量化基础 → 02 第一个策略 → 03 回测验证 → 04 策略优化 → 05 实盘部署

适合：第一次接触量化交易，想系统了解整个流程

路径 B：趋势跟踪策略方向

02 第一个策略（双均线）→ 03 回测验证 → 04 策略优化（止损/大盘过滤）→ 07 行业轮动

适合：想做趋势交易，关注动量、均线突破的用户

路径 C：均值回归策略方向

02 第一个策略 → 03 回测验证 → 06 RSI 均值回归 → 04 策略优化

适合：想做震荡行情中的高抛低吸，关注 RSI、布林带的用户

路径 D：选股与组合方向

02 第一个策略 → 03 回测验证 → 08 多因子选股 → 07 行业轮动 → 04 策略优化

适合：想构建多股票组合策略，关注量化选股的用户

路径 E：快速上手实盘

02 第一个策略 → 03 回测验证 → 05 模拟盘到实盘

适合：有一定基础，想尽快把策略部署到 PTrade/QMT 的用户

路径 F：综合策略实战（推荐进阶用户）

06 RSI 均值回归 → 07 行业轮动 → 08 多因子选股 → 09 综合策略

适合：已掌握单一策略，希望将所有技术融合到一个生产级策略的用户

路径 G：参数优化与审计（推荐有一定基础的用户）

02 第一个策略 → 03 回测验证 → 04 策略优化 → 10 参数优化与审计

适合：希望用脚本或自建流程调参、并保留可审计记录的用户

按策略类型查找

策略类型 教程 相关示例
趋势跟踪（双均线） Tutorial 02、Tutorial 04 Example 02、Example 03
均值回归（RSI） Tutorial 06 Example 14、Example 18
均值回归（布林带） Tutorial 06 第 8 节 Example 14
MACD 趋势确认 Tutorial 04 第 3.4 节 Example 15
行业轮动 Tutorial 07 Example 10
多因子选股 Tutorial 08 Example 16、Example 09
综合策略（全天候 Alpha） Tutorial 09 Example 21
网格交易 — Example 17
支撑阻力位 — Example 11、Example 20
组合回测 Tutorial 03 第 8 节 Example 12
参数优化与审计 Tutorial 10 agent/optimizer.py、agent/strategy_template.py
模拟盘 / 实盘 Tutorial 05 Example 05、Example 13

前置要求

  • Python 3.10+（见 Tutorial 00）
  • 已安装 eqlib：pip install easyquant-eqlib（PyPI）或 pip install . / pip install -e .（源码）
  • Python 基础（变量、函数、循环、条件判断） → 没有基础？见 Python 基础与环境配置
  • 技术指标基础（均线、RSI 等） → 没有基础？见 技术分析基础概念
  • A 股市场常识（T+1、涨跌停、股票代码等） → 没有基础？见 A 股市场基础知识

排错与 API 速查： doc/FAQ.md、doc/api_index.md。

与示例的区别

教程 (tutorials/) 示例 (examples/)
形式 Markdown 文档 + 代码片段 可运行的 Python 脚本
目标 系统学习概念和方法 快速参考和复制运行
内容 讲解"为什么"和"怎么做" 展示"具体代码长什么样"

建议：先用教程学习概念，再运行示例加深理解。

实战案例

完成教程后，查看以下真实策略案例：

全天候 Alpha 综合策略（完整生产级案例）

Tutorial 09: 全天候 Alpha 综合策略 — 将所有教程的策略技术融合为一个完整的生产级综合策略，包含多因子选股、行业轮动、 RSI/布林带/MACD/ATR 技术信号、支撑阻力位和生命周期回调，配有完整的回测和模拟盘代码。

Example 21: 全天候 Alpha 综合策略 — 完整可运行的综合策略代码，包含策略模块、回测脚本和模拟盘脚本。

支撑阻力位组合策略（完整实盘案例）

Example 20: 支撑阻力位组合策略 — 一个完整的多股票组合策略实战案例，包含预生成的回测报告（HTML/PNG/Markdown/JSON）， 可以直接打开浏览器查看策略表现，也可以运行回测验证。

策略亮点： 8 只不同行业 A 股，结合支撑阻力位 + RSI + MACD + ATR 止损， 回测期间（2020–2026）总收益 +137%。

多策略横向对比

Example 18: 多策略对比 — 在同一只股票、同一时间段内，横向对比买入持有、双均线、RSI 均值回归、布林带四种策略。 这是检验你对不同策略理解是否到位的最好工具。