# GitHub 量化框架与 Skills 方法审计

数据截止：2026-08-06（Asia/Shanghai）  
用途：Quant Atlas 的研究流程、数据治理、回测审计和影子撮合改造。  
边界：任何 LLM/Agent 的观点都不能直接产生订单；真实资金保持 `LOCKED`。

## 结论

这些项目能提高的是研究纪律、数据可追溯性、回测可信度和执行摩擦建模，不能证明或承诺未来收益。最有价值的组合不是照搬某一个项目，而是：

1. 用 Vibe-Trading 的点时数据、滚动样本外、Bootstrap/Monte Carlo 和分钟回测纪律；
2. 用 LEAN 的事件驱动订单生命周期与券商模型边界；
3. 用 Freqtrade 的前视偏差、递归指标和 dry-run 审计思想；
4. 用 AI Berkshire 的双源校验、否决清单、反方证据和组合压力测试；
5. 用 TradingAgents 的多角色复核，但只输出结构化 `PASS / CAUTION / BLOCK`，绝不让自然语言直接下单；
6. 用 OpenBB/Fincept 的连接器与来源追踪思想，把数据供应方、字段、截止时间和授权状态写进每个研究产物。

## 已核验项目

| 项目 | 类型 | 可采用部分 | 不采用/限制 |
|---|---|---|---|
| [xbtlin/ai-berkshire](https://github.com/xbtlin/ai-berkshire) | 真实 Codex Skill 集合，MIT | 双源校验；误差>1%告警；能力圈/数据充分度；快速否决；反方证据；组合相关性和压力测试 | 仓库展示的业绩为作者自述，不能当作可复现策略收益；价值投研结论不直接驱动分钟订单 |
| [TauricResearch/TradingAgents](https://github.com/TauricResearch/TradingAgents) | 多智能体投研框架 | 技术、流动性、多头、空头、风险、组合六角色相互质疑；保存中间证据 | LLM意见不稳定、不可作为撮合授权；只允许确定性聚合结果进入候选评分 |
| [HKUDS/Vibe-Trading](https://github.com/HKUDS/Vibe-Trading) | 研究、模拟、回测框架，MIT | 点时数据、A股数据回退、分钟分析、成本/冲击、walk-forward、Bootstrap、Monte Carlo、运行卡片、回测诊断 | 官方明确不执行实盘；其示例参数不是本策略的校准结果，不能原样复制 |
| [QuantConnect/Lean](https://github.com/QuantConnect/Lean) | 事件驱动算法引擎 | 订单状态机、部分成交、撤单竞态、券商模型、回测/实盘同代码边界 | 不引入整套引擎作为当前依赖；先移植可测试的订单生命周期规范 |
| [freqtrade/freqtrade](https://github.com/freqtrade/freqtrade) | 加密交易框架 | dry-run、lookahead-analysis、recursive-analysis、参数空间和日志审计 | 市场规则是加密资产，不可直接套用到 A股 T+1/T+0 |
| [OpenBB-finance/OpenBB](https://github.com/OpenBB-finance/OpenBB) | 金融数据连接器平台，AGPL | Provider 抽象、字段规范、来源和时间戳追踪 | 不复制受 AGPL 约束的实现到公开门户；只采用接口设计思想 |
| [Fincept-Corporation/FinceptTerminal](https://github.com/Fincept-Corporation/FinceptTerminal) | 金融终端，AGPL/商业双许可 | 数据连接器、研究终端分层、可视化信息架构 | 商业/内部使用存在许可边界；不复制代码或其商业数据接口 |
| [ZhuLinsen/daily_stock_analysis](https://github.com/ZhuLinsen/daily_stock_analysis) | A股日常分析工具 | 数据库优先缓存、结构化复盘和规则化指标 | 不是分钟撮合引擎，不作为收益证据 |
| [brokermr810/QuantDinger](https://github.com/brokermr810/QuantDinger) | 量化操作系统 | 研究/回测/模拟/真实连接分层，审计日志 | 前后端许可不同；不复制非商业前端实现 |
| [hsliuping/TradingAgents-CN](https://github.com/hsliuping/TradingAgents-CN) | 中文多智能体投研 | 中文资料组织、研究教育工作流 | 同样不能让 Agent 直接获得订单权限 |
| [mvanhorn/last30days-skill](https://github.com/mvanhorn/last30days-skill) | 真实 Codex Skill，MIT | 近30日多来源舆情研究；本机已安装，下一次任务可调用 | 舆情只能做风险/事件上下文，不能替代价格、财务或成交数据 |
| [ashishpatel26/500-AI-Agents-Projects](https://github.com/ashishpatel26/500-AI-Agents-Projects) | 项目索引 | 发现候选工具 | 目录本身没有可验证交易优势，不能作为模型或信号 |

## 已读并采用的 Skill 规则

### AI Berkshire

- `financial-data`：关键数字至少两个独立来源；误差超过1%必须标注，超过5%回到原始披露；价格复权口径不可混用。
- `investment-checklist`：数据充分度分级；目标是排除坏选择；触发红线直接否决；必须主动搜寻反方证据。
- `portfolio-review`：单标的信号服从组合相关性、行业/主题集中度、现金机会成本和压力测试。

### Vibe-Trading

- `minute-analysis`：分钟频率、交易日与市场对应的年化因子必须正确；VWAP/TWAP和量能分布使用分钟数据计算。
- `execution-model`：固定滑点、线性冲击、平方根冲击、延迟执行、参与率上限和1/2/3倍成本压力均需要测试。
- `market-microstructure`：公开L1只能近似价差和可见盘口；真实队列位置、VPIN/有效价差等需要逐笔或Level-2，缺失时必须降级标注。
- `backtest-diagnose`：零交易、低资金利用率、尾部未平仓、NaN、供应方限流与策略缺陷分别诊断，不能为了“好看”直接放宽参数。
- `research-discipline`：强制检查头部偏见、叙事偏见、确认偏见和近期偏见；每个正面结论至少寻找一个反例。

## 落到 Quant Atlas 的具体门槛

1. **数据门**：本地/R2对象校验通过；点时上市状态与T+0资格可重建；分钟时间戳、交易时段、复权、停复牌和涨跌停规则通过。
2. **偏差门**：禁止使用未来成分、未来复权因子、未来成交量；最终留出集不能反向选参。
3. **稳健门**：嵌套滚动样本外；牛市/熊市/震荡/高波分层；1/2/3倍成本；参数扰动；Bootstrap/Monte Carlo。
4. **组合门**：个股 T+1 与日内基金 T+0 两个资金袖套相互隔离；统一总回撤、行业集中度、日亏和风险预算。
5. **执行门**：限价、100份整倍、排队代理、延迟、部分成交、撤单/成交竞态、价格限制、成交量参与率和容量约束。
6. **前向门**：挑战者至少60个新交易日前向影子记录，且需人工批准；不能因一两天收益自动晋级。
7. **实盘门**：券商API、真实订单回报、Level-2/IOPV、合规与资金授权齐备前，真实订单恒为0。

## 对“收益更高、风险更低、速度更快”的处理

这四个目标通常冲突，不能同时无条件最大化。研究目标改为在硬约束下最大化净风险调整收益：

`maximize(样本外净收益 / 下行风险)`，同时满足最大回撤、日亏、流动性、成本、容量、T+1/T+0和合规限制。

任何只提高回测收益、却降低样本外稳定性或成本抗性的参数，都视为失败，不允许进入影子账户。