A股量化入门：聚宽 + BigQuant 策略回测
A股市场有独特的交易规则和投资者结构，量化策略需要针对性地设计。本教程教你使用国内两大主流平台——聚宽（JoinQuant）和 BigQuant，零代码或低代码搭建 A 股量化策略，并通过严格的历史回测验证策略有效性。
1. 聚宽平台入门
注册聚宽（joinquant.com），进入研究环境。聚宽的核心优势：(1) JQData 提供 A 股全量历史数据，包括复权价格、财务报表、龙虎榜等；(2) 在线 IDE 即开即用，无需本地环境配置；(3) 内置 get_price()、get_fundamentals() 等便捷 API。第一个任务：获取沪深 300 成分股过去 5 年的月度收益率数据，计算等权组合的累计收益曲线。
2. 多因子选股模型
基本面因子是最常用的选股策略：(1) 估值因子：PE（市盈率）< 行业平均、PB（市净率）< 3；(2) 盈利因子：ROE > 15%、净利润增长率 > 20%；(3) 动量因子：过去 3 个月涨幅在行业中排名前 30%；(4) 质量因子：资产负债率 < 60%、经营现金流 > 0。每月月初根据以上条件筛选出满足条件的 10-20 只股票，等权买入，每月调仓一次。
3. BigQuant AI 建模
BigQuant 的优势在于 AutoML 自动化建模：(1) 上传或选择内置的 2000+ 因子库；(2) 选择「AI 选股」模板，平台自动进行特征工程、模型训练和参数调优；(3) 支持 XGBoost、LightGBM、深度学习等多种模型；(4) 输出结果包含：因子重要性排名、选股列表、历史回测收益曲线。关键是把样本外测试做好——训练数据截止到 2024 年底，用 2025 年数据验证。
4. 回测与评价
回测是策略上线前最关键的一步：(1) 设置合理的回测参数：初始资金 100 万、手续费万 2.5（含印花税万 10）、考虑停牌无法交易；(2) 计算核心指标：年化收益率、夏普比率（目标 > 1.5）、最大回撤（目标 < 25%）、胜率（目标 > 55%）；(3) 用 Alphalens 做因子 IC 分析，确认每个因子在历史上确实有效；(4) 分年度查看收益，确保不是靠某个大年撑起来的。
5. 模拟盘到实盘
回测满意后，先在聚宽上跑模拟盘 2-3 个月。模拟盘关注点：(1) 实际交易滑点是否在预期范围内；(2) 每日调仓是否按时完成；(3) 实际收益与回测收益偏差是否在 5% 以内。模拟盘稳定后，对接券商 API（如华泰 PTrade、迅投 QMT）进行小资金实盘，初始投入不超过 5 万，逐步放大。
最佳实践
在聚宽上搭建一个A股低估值选股策略并回测3年
🎯 想验证低PE+高ROE的策略在A股是否有效
注册joinquant.com → 进入研究环境 → 用get_fundamentals查询沪深300成分股的PE、PB、ROE数据。
→ 5分钟获得沪深300的完整财务数据表
编写选股条件：PE<行业平均、ROE>15%、剔除ST和停牌股。每月初调仓，等权买入Top20。用run_daily定时执行。
→ 策略框架完成，可以开始回测
设置回测：2019-2024年数据、初始100万、手续费万2.5。查看夏普比率(目标>1.2)和最大回撤(目标<30%)。对比沪深300基准看超额收益。
→ 完整回测报告，知道策略什么时候赚钱什么时候亏钱
回测时一定要用'后复权'价格，用前复权数据做的回测结果都是错的
专家提示
- A股量化务必考虑T+1交易限制和涨跌停板，回测时不加这些约束结果全是虚的
- 做多因子模型时，因子个数控制在 5-10 个，多了容易过拟合
- 每月调仓一次就够了，A股换手率太高手续费会吃掉大部分收益