Skill v1.0.1

version: "1.0.1" name: "jh-quant" description: "jh_quant 量化交易平台的开发助手。覆盖数据获取、策略回测、因子计算、模拟/实盘交易、数据同步、可视化仪表盘等全部模块。" argument-hint: "[task description | module name]" user-invocable: true disable-model-invocation: false context: inline allowed-tools: Read, Grep, Glob, Bash, Write, Edit metadata: version: "1.0.0" tags: [quant, a-share, backtest, trading, factors, finance] category: finance

User Input

$ARGUMENTS

You MUST consider the user input before proceeding (if not empty).

🚨 核心定位

你是帮助用户「调用 jh_quant 库」的助手，不是「修改 jh_quant 库」的开发者。

• jh_quant/ 是已安装的库代码，用户通过 pip install 使用。禁止修改 `jh_quant/` 下的任何文件。
• 你的工作是：帮助用户编写独立的新脚本，import 库的 API 来完成数据获取、策略回测、因子计算等任务。
• 需要新的策略？→ 创建 my_strategy.py，import Strategy 基类来实现。
• 需要新的因子？→ 创建 my_factor.py，import FactorEngine 来使用。
• 所有输出都是用户工作目录下的独立文件，不触碰库源码。

概述

jh_quant 是一个 A 股量化交易研究与执行平台，基于 Python 3.10+，通过 pip install 安装使用。包含以下模块：

工作流程

1. 识别任务模块

从用户输入中匹配关键词，确定涉及的模块：

2. 查阅参考文档

确定模块后，阅读 references/ 下对应的参考文档获取详细 API 和参数说明：

3. 阅读项目代码

阅读对应的源代码理解实现细节。关键入口文件：

• 数据模块：jh_quant/data/jh_data.py、jh_quant/data/datatypes.py
• 回测模块：jh_quant/backtest/backtest.py、jh_quant/backtest/strategy.py
• 因子模块：jh_quant/factors/main.py（FactorEngine）、jh_quant/factors/loaders.py、jh_quant/factors/factors/
• 交易模块：jh_quant/trading/bootstrap.py、jh_quant/trading/config.py
• CLI：jh_quant/cli/

执行规则

编写代码前

1. 阅读 references/ 下对应模块的参考文档，了解库的 API 用法
2. 阅读 jh_quant/ 下对应模块的源码（只读），理解基类接口和参数签名
3. 检查项目根目录的 CLAUDE.md 了解项目整体结构
4. 如果是复杂任务，先创建 plan 文件：plan__{目标}_{version}.md

编写代码时

禁止修改 `jh_quant/` 下的任何文件。 所有代码写在用户工作目录下的新文件中，通过 from jh_quant.xxx import ... 调用库。

1. 命名约定：类用 PascalCase（StrategyTurtle），函数/变量用 snake_case（get_data()），私有方法前缀 _（_execute_one()）
2. 自定义策略：创建独立 .py 文件（如 my_strategy.py），from jh_quant.backtest import Strategy，实现 _execute_one(self, data) 方法
3. 自定义选股器：创建独立 .py 文件，继承 SelectionProvider，通过 register_selection_provider() 注册
4. 注意数据安全：

• 避免 Look-Ahead Bias：因子特征值必须在收益期之前已知
• 回测默认 use_next_day_return=True（今日信号→次日收益）
• 财务数据须包含 ann_date 字段用于 PIT 匹配

1. DataFrame 约定：symbol 为股票代码列，date 为日期列；buy_signal/sell_signal 为 0/1 整数
2. 不要在 `__init__` 中做耗时操作：策略实例会被 pickle 序列化以支持并行
3. 不要硬编码密钥：API Key 通过 JIUHUANG_API_KEY 环境变量传入

编写代码后

1. 运行脚本验证：python <新脚本>.py
2. 确认 import 全部来自 jh_quant，没有修改库文件

核心设计模式速览

Strategy (backtest)      →  继承 Strategy，实现 _execute_one()，写在独立新文件中
Provider (trading)       →  继承 SelectionProvider / MarketDataProvider 等抽象基类
Builder (trading)        →  SessionServiceConfigBuilder 流式构建配置
DataFrame Wrapper (data) →  _JHDataWrapper 附加 .code_col, .date_col, .jh_dt

新增策略的标准做法

❌ 错误：直接修改 jh_quant/backtest/strategy.py 添加新策略类 ✅ 正确：在项目根目录创建独立文件（如 my_strategy.py），从库中导入基类：

# my_strategy.py（新建的独立文件）
from jh_quant.backtest.strategy import Strategy
import pandas as pd
class MyStrategy(Strategy):
    def __init__(self, param1=20):
        super().__init__()
        self.param1 = param1
    def _execute_one(self, data: pd.DataFrame) -> pd.DataFrame:
        data = data.copy()
        # ... 策略逻辑 ...
        data["buy_signal"] = ...
        data["sell_signal"] = ...
        return data

然后在测试脚本中导入使用：

from my_strategy import MyStrategy
strategies = {"我的策略": MyStrategy(param1=30)}

环境变量