一天批量跑 213 因子 ML 量化策略｜（ml-quant-trading）

📌 核心价值：PyTorch + cvxpy 端到端 A股多因子研究栈，开箱即用 213 因子 + 偏差校正 + Markowitz 组合优化

一个干净、可 fork、端到端的 ML 量化交易研究栈：tensor 因子引擎、213 因子维度、bias correction、MLP/Transformer、Markowitz 优化、矢量化回测、公开数据验证，全套打包。

---

🚀 什么是 ml-quant-trading？

ml-quant-trading 是 Yimin Du 在 2026 年开源的 ML 多因子量化交易研究栈，是论文 arXiv:2507.07107 的配套代码。

核心定位：把"因子构造 → ML 训练 → 组合优化 → 矢量化回测"做成一条龙流水线

• 🧮 213 因子维度：204 个手工 legacy 因子 + 9 个 Alpha101 公式因子
• 🤖 ML 模型：MLP / Transformer，符号感知损失 + IC/RankIC 损失
• 📊 组合优化：cvxpy Markowitz + Ledoit-Wolf 协方差收缩
• 🛡️ 偏差校正：mask 一等公民、日内价格限制/停牌 mask、look-ahead 安全
• 📈 矢量化回测：标准指标（Sharpe / Sortino / Calmar / MDD / IC / RankIC）
• 🔬 学术严谨：30 个单元测试，CI 覆盖 Python 3.9 / 3.10 / 3.11
• 📦 现代工程：src 布局 + Click CLI + Docker + Google Colab
• 🌐 公开数据验证：Baostock（A 股）/ yfinance（美股 ETF）/ synthetic（GBM）

项目背景

传统量化研究代码散落在多个 notebook 里，缺少可复现的工程化封装。ml-quant-trading 提供了一套 PyTorch 研究栈，让学术研究者可以：

1. 一行命令 clone 下来
2. pip install -e .[dev] 安装
3. make paper CONFIG=configs/small.yaml 跑完整管线
4. 直接产出 benchmark 报告

⚠️ 本文仅作技术交流，不构成投资建议。股市有风险，投资需谨慎。

---

✨ 核心功能一览

7 大核心模块

模块	关键能力	技术实现
data	OHLCV/财务/公司行为数据 → Panel dataclass	Baostock + yfinance + synthetic GBM
features	GPU 张量原语、213 因子	cs_rank/ts_corr/ewma/delay/delta
bias	mask 一等公民、偏差校正	价格上下限/停牌 mask、行业中性化
training	GBM 数据增强、trainer	block-bootstrap、grad clip
models	MLP + Transformer、符号感知	AdjMSELoss / IC Loss / RankIC Loss
portfolio	cvxpy Markowitz + α sweep	Ledoit-Wolf 协方差收缩
backtest	矢量化引擎 + 标准指标	Sharpe / Sortino / Calmar / MDD / IC

213 因子家族分布

---

🛠️ 快速上手：5 分钟跑通示例

安装 / 部署

# 克隆仓库
git clone https://github.com/initial-d/ml-quant-trading.git
cd ml-quant-trading

# 安装（src 布局，自动注册 mlquant CLI）
pip install -e .[dev]

# 跑完整管线（默认 200 股 × 500 天合成面板，CPU 约 30 秒）
make paper CONFIG=configs/small.yaml

# 跑因子引擎性能基准
make benchmark

# 跑 30 个单元测试
make test

Docker / Colab 一键部署

# Docker（CPU 版 PyTorch 镜像）
docker build -t ml-quant-trading .
docker run --rm -v $(pwd):/app ml-quant-trading make paper

# Google Colab
# 直接打开 notebooks/public_factor_ic.ipynb 即可

核心代码示例（PyTorch 训练管线）

import torch
from mlquant.features import TensorFactorEngine, alpha101_registry
from mlquant.training import FactorDataset, Trainer
from mlquant.models import MLPRegressor, ICMLPLoss
from mlquant.backtest import VectorizedBacktest

# 1. 构造特征（204 legacy + 9 alpha101）
engine = TensorFactorEngine(device="cuda")
features = engine.compute(panel)  # shape: [T, N, 213]

# 2. 数据集 + 数据增强
dataset = FactorDataset(
    features=features,
    targets=returns,
    augment="gbm_block_bootstrap",
)

# 3. 训练模型（符号感知损失）
model = MLPRegressor(input_dim=213, hidden=[256, 128])
trainer = Trainer(model, dataset, loss=ICMLPLoss())
trainer.fit(epochs=50)

# 4. 矢量化回测
preds = model.predict(features)
bt = VectorizedBacktest(preds, returns, cost_bps=10)
report = bt.run()
print(f"Sharpe: {report['sharpe']:.2f}, MDD: {report['mdd']:.2%}")

注意：必须使用 PyTorch 1.13+ 和 CUDA 12.x；CPU 也能跑但 213 因子计算偏慢

因子注册表使用

from mlquant.features.alpha101 import alpha101_registry

# 查看所有可用的 Alpha101 因子
print(alpha101_registry.list())  # ['alpha001', 'alpha002', ..., 'alpha101']

# 单独计算某个因子
alpha006 = alpha101_registry.get("alpha006")(panel)

# 自定义因子：只要遵循 (panel) -> Tensor 接口
@alpha101_registry.register("alpha_custom_momentum")
def alpha_custom_momentum(panel):
    return panel.close.pct_change(20).fillna(0)

---

📊 与竞品对比

对比维度	ml-quant-trading	Qlib	Rqalpha	Backtrader
核心定位	PyTorch 端到端 A股研究栈	微软 AI 量化平台	事件驱动研究框架	事件驱动回测框架
因子库	213 因子（开箱即用）	Alpha158 + 自定义算子	需自行实现	需自行实现
ML 模型	内置 MLP + Transformer	LGB/LSTM/Transformer	需自行集成	需自行集成
组合优化	cvxpy Markowitz	内置 Portfolio	需手写	需手写
Bias 校正	行业+log-size 中性化	需手工实现	无内置	无内置
公开数据验证	Baostock/yfinance/synthetic	需自备数据	需自备数据	需自备数据
学术严谨性	30 单测 + Docker + Colab	较完善	较少	较少

ml-quant-trading 的差异化：

1. 学术严谨：论文配套代码，arXiv 可查证
2. 现代工程：src 布局 + Click CLI + Docker
3. 偏差校正：mask-first 设计避免常见 A 股研究陷阱
4. 公开数据验证：内置 Baostock/yfinance/synthetic 三套可复现实验
5. 多语言文档：英文 + 简体中文 + 繁体中文

---

🏗️ 系统架构

整个系统是一个 Python 包 + CLI，每个子包独立：

src/mlquant/
├── data/        loaders, synthetic GBM panel, immutable Panel container
├── features/    GPU primitives, Alpha101 subset (9), legacy factors (204), neutralisation, bias mask
├── training/    FactorDataset, GBM augmentation, Trainer
├── models/      MLP / Transformer baselines, sign-aware losses
├── portfolio/   cvxpy-based Markowitz with α-sweep
├── backtest/    vectorised engine + paper-grade metrics
├── cli/         Click entry points wiring the stages together
└── utils/       config loading + deterministic seeding

数据契约：Panel 一等公民

所有阶段都操作一个不可变的 Panel dataclass（包含 7 个 [T, N] 张量 + 可交易 mask）。阶段之间通过 Panel 交换数据，不互相侵入内部。

@dataclass(frozen=True)
class Panel:
    prices: Tensor        # [T, N] 复权收盘价
    volumes: Tensor       # [T, N] 成交量
    fundamentals: Tensor  # [T, N, F] 财务数据
    mask: Tensor          # [T, N] 可交易 mask（价格上下限/停牌）
    ...

Mask-first 设计理念

传统 A 股研究代码经常混淆 nan、0、-1 的语义。ml-quant-trading 把 mask 作为 Panel 的一等公民：

• limit mask：日内价格上下限日不可买入
• halt mask：停牌日不可交易
• pre-IPO mask：上市前数据需排除
• look-ahead shift：未来信息泄漏防护

---

💡 适用场景

场景 1：因子有效性快速验证

核心优势：213 因子开箱即用，无需自己实现

功能说明：内置 204 个 legacy 因子 + 9 个 Alpha101 因子，覆盖动量、反转、波动率、流动性、价值质量等 9 大类。

输入要求：标准 OHLCV 面板（Baostock/yfinance/synthetic 都可）

输出效果：每个因子的 IC、RankIC、ICIR 指标

适用场景：

• 研究者快速验证因子有效性
• 教学中演示因子构造原理
• 复现 WorldQuant Alpha101 论文

场景 2：ML 模型 + 组合优化全流程

核心优势：从 ML 训练到 Markowitz 组合的端到端管线

功能说明：内置 MLP 和 Transformer 两个 baseline 模型，配合符号感知损失（AdjMSE/IC Loss/RankIC Loss），可直接接到 cvxpy Markowitz 组合优化。

输入要求：因子矩阵 + 未来回报标签

输出效果：ML 预测值 + Markowitz 最优权重 + 矢量化回测报告

适用场景：

• 学术论文的 ML 因子模型实验
• 个人量化研究者的策略验证
• 教学演示 ML × 量化研究流程

场景 3：矢量化回测与公开数据验证

功能说明：矢量化回测引擎计算标准指标（Sharpe、Sortino、Calmar、MDD、IC、RankIC、turnover），支持成本拖累建模。

输入要求：ML 预测值或因子评分 + 价格数据 + 交易成本假设

输出效果：完整的绩效报告（净值曲线、IC 衰减、换手率）

适用场景：

• 量化基金研究员验证策略可行性
• 学生学习回测引擎的工程实现
• 复现论文 benchmark 表

用户群体总结

• ✅ 学术研究者：论文配套代码，arXiv 可查证
• ✅ 个人量化爱好者：开箱即用的端到端管线
• ✅ 教学场景：学生可以从因子构造学到组合优化
• ✅ 开源贡献者：现代工程化封装，便于二次开发
• ❌ 不适合：直接用于实盘交易（仅供研究）

---

🔬 核心技术亮点

1. Tensor-accelerated 因子引擎

GPU 矢量化、mask-aware 张量原语：

# cs_rank（带 ties）
ranked = cs_rank(features, mask=panel.mask)

# 时序算子
ma20 = ts_mean(panel.close, window=20, mask=panel.mask)
corr = ts_corr(panel.close, panel.benchmark, window=20)

# 指数加权移动平均
ewma_vol = ewma(panel.returns, halflife=30)

2. Alpha101 子集（9 个经典公式）

from mlquant.features.alpha101 import alpha101_registry

# Alpha006: (-1 * correlation(open, volume, 10))
alpha006 = alpha101_registry.get("alpha006")

# Alpha012: (sign(delta(volume, 1)) * sign(delta(close, 1)) * sign(delta(close, 1)))
alpha012 = alpha101_registry.get("alpha012")

3. GBM Block-Bootstrap 数据增强

为训练集扩充样本，提升模型鲁棒性：

from mlquant.training.augment import gbm_block_bootstrap

augmented = gbm_block_bootstrap(
    features=train_features,
    block_size=20,
    n_samples=1000,
    seed=42,
)

4. cvxpy Markowitz with α-sweep

from mlquant.portfolio import MarkowitzOptimizer

optimizer = MarkowitzOptimizer(
    covariance_estimator="ledoit_wolf",
    weight_upper_bound=0.05,  # 单股权重上限 5%
    solver="SCS",  # 默认 SCS，可选 MOSEK
)

# α sweep 扫描有效前沿
weights = optimizer.solve(mu, sigma, alpha=1.0)

---

🎯 总结

ml-quant-trading 是 2026 年面向量化研究者的优秀开源项目：

• 🏆 学术严谨：论文 arXiv:2507.07107 配套代码
• 🛠️ 现代工程：src 布局 + Click CLI + Docker + Colab
• 📊 数据驱动：213 因子 + 公开数据验证 + Bootstrap CI
• 🌐 多语言：英文 + 简体中文 + 繁体中文

推荐指数： ⭐⭐⭐⭐（4/5 星）

适合人群： 量化研究者 / 学术论文实验 / 量化教学 / 个人量化爱好者

立即体验：

GitHub 仓库： initial-d/ml-quant-trading

论文： arXiv:2507.07107

官方文档： docs/

---

🎓 进阶阅读

• 📘 Factor Handbook（英文）
• 📗 Factor Handbook（中文）
• 📙 Architecture
• 📕 Backtest Assumptions
• 📒 Reality Check
• 📓 Public Data Validation

---

数据截至 2026-07-18，最新信息请以官网为准。