v2 · Internal · multi-asset
Quant framework — three dimensions
多板块量化投资框架 — A 股 / 港股 / 美股。基本 + 技术 + 资金三维度选股，
CSV 驱动的可复现策略，结构化投资逻辑，多周期回测。
CSV-driven · Reproducible · Multi-asset · Multi-period.
01 — METHOD
Three dimensions, one score.
任何单维度的"好股"都可能踩坑 — 我们用三个独立维度交叉验证，得出**综合评分**。
单一维度 = 信息噪声，三个维度 = 投资逻辑。
DIMENSION 01
Fundamental
估值 + 财务质量。PE / PB / 营收增速 / 净利润增速 / ROE / 毛利率 / 资产负债率。优选低估值 + 高 ROE + 稳定营收。
PE / PB
ROE
Revenue
Margin
DIMENSION 02
Technical
动量 + 趋势 + 形态。涨跌幅 + 振幅 + 价位区间 + 量比 + 突破/支撑/阻力位。技术面与基本面共振时信号最强。
Momentum
Volatility
Support
Volume
DIMENSION 03
Capital Flow
资金面 + 板块景气。成交额 + 主力净流入 + 超大单 + 跨板块加权。资金涌入是估值修复的最强信号。
Turnover
Net Flow
L2 Data
Sector
02 — MARKETS
Three markets, one engine.
A 股 / 港股 / 美股 — 同一套评分框架，不同的数据源和回测日历。
跨市场相关性分析 + 全球资产配置。
CN
A 股
Shanghai · Shenzhen
Universe
5,864
Source
Eastmoney
L2
✓
HK
港股
Hong Kong
Universe
2,500+
Source
Tencent
L2
–
US
美股
NASDAQ · NYSE
Universe
8,000+
Source
Finnhub
L2
–
03 — PIPELINE
From data to decision, in five steps.
完整的量化研究工作流 — 从原始数据到投资决策，每一步都可复现。
STEP 01
Ingest
CSV-driven 原始数据 — 行情 / 财报 / 资金流
STEP 02
Enrich
计算技术面 / 资金面指标
STEP 04
Backtest
多周期历史回测验证
STEP 05
Decide
综合分数 + 风控 → 持仓
04 — PHILOSOPHY
Reproducible by design.
每个策略都是一份 Python 脚本 + 一份 CSV 数据。给定相同数据，结果必须可复现。
这是量化与"主观投资"最大的区别。
# quant/score.py — 综合评分
def score(stock):
f = stock['fundamentals'] # PE/ROE/营收
t = stock['technicals'] # 涨跌幅/动量/振幅
c = stock['capital_flow'] # 主力净流入/超大单
score = (
0.30 * fundamentals_score(f) +
0.30 * technicals_score(t) +
0.25 * capital_flow_score(c) +
0.15 * sector_prosperity(stock)
)
return {'code': stock['code'], 'score': round(score, 2)}