量化研究 · 第 12 章 数据、回测与工具生态

量化研究 · 第 12 章 数据、回测与工具生态

章节摘要:本章是全教程的收束章,讲支撑量化研究的「基础设施」——数据、回测与工具生态。讲四块:数据源与另类数据(传统行情/财务/另类数据如文本/卫星/舆情);回测框架的对比与选择(vectorbt/backtesting.py/zipline 等,以及它们各自的坑);开源量化工具链全景(qlib/vnpy/FinRL/Riskfolio-Lib 等,对应前 11 章每个环节);以及仓库自带的 arXiv Radar 子站——它是怎么用 scripts/ 的爬虫自动追踪 AI+Finance 前沿论文的。本章共 4 节,前置依赖为「第 1~11 章」。

学习目标

阅读完本章,你应当能够:

1. 区分传统数据与另类数据,知道各自获取渠道。
2. 选择合适的回测框架,并知晓它们各自的坑。
3. 建立开源量化工具链全景,对应量化研究各环节。
4. 理解仓库的 arXiv Radar 子站如何追踪前沿文献。

核心概念速览

量化研究 = 数据 + 模型 + 回测 + 工具;选对基础设施,事半功倍。

子章节导航

01 数据源与另类数据

传统行情/财务数据、另类数据(文本/舆情/卫星)、数据源清单(资料/数据源与另类数据.md)。

02 回测框架对比

vectorbt、backtesting.py、zipline-reloaded;向量化 vs 事件驱动;各自的坑(资料/回测.md)。

03 开源量化工具链

qlib(AI 量化平台)、vnpy、FinRL(强化学习)、Riskfolio-Lib/PyPortfolioOpt(组合优化)、因子挖掘工具(资料/因子挖掘.md)。

04 arXiv 雷达与文献追踪

仓库 scripts/ 的 arxiv_crawler/generate_daily/paper_processor;arXiv Radar 子站;如何用 LLM 过滤相关论文与生成中文摘要。

子章节之间的逻辑关系

本章第 01 节(数据) ──► 第 02 节(回测) ──► 第 03 节(工具链) ──► 第 04 节(arXiv 雷达)
   │
   ▼
全教程结束(可回到任意章节深入)
​

前置知识与后续延伸

前置知识:

• 第 1~11 章(通读后回看,把每章方法落到工具)

后续延伸:

• 配合 freqtrade 教程看一个成熟交易框架的实现
• arXiv 雷达帮你持续追踪 AI+Finance 前沿