完成你的第一项量化研究

按你要完成的事情选择指南，从示例开始，逐步掌握研究、结果与参赛操作。

让你的 AI 助手带你开始研究

下载并解压客户端后，复制这段提示词，粘贴到电脑上的 AI Agent（智能助手）。它会检查客户端和数据，从示例或你的想法开始，在你的电脑上回测并解释报告。

查看或手动复制提示词

请帮助我使用 Quant 客户端，在这台 Windows 电脑上完成第一项真实量化研究，并根据结果继续改进。我可以用普通语言描述想法，你负责把想法转成可运行的因子、执行本机回测并解释结果。

先检查我已经下载或解压的 Quant 客户端，找到 QuantResearchClient.exe 及其完整 resources 目录。已有完整客户端时直接使用。需要下载时，打开 https://quant.singseq.com/download ，读取当前发布的 manifest，核对 ZIP 大小和 SHA-256 后完整解压，记录实际客户端版本。研究目录选择本机空间充足的数据盘，保留已有项目、数据和运行记录。

操作入口采用客户端 GUI 或安装包内 CLI。先读取当前 capabilities 和各命令 --help，按实际返回的参数执行。客户端自带 Electron、Python 3.11、回测引擎和科学研究套件。CLI 位于 resources/app/electron/cli.cjs，ASAR 安装包使用 resources/app.asar/electron/cli.cjs。使用客户端自身的 QuantResearchClient.exe 运行 CLI，为该命令进程设置 ELECTRON_RUN_AS_NODE=1。PowerShell 使用 Start-Process -Wait -WindowStyle Hidden，分别保存 stdout/stderr。capabilities 直接返回能力清单，实际操作命令使用 --json 并检查退出码及响应的 ok。CLI 执行环境与 GUI 启动环境分别准备。

按以下流程完成研究。

1. 先检查已有研究数据。在客户端“数据中心”选择现有本机数据，确认文件、字段、股票范围和日期覆盖。获取平台数据时，按客户端提示完成账号登录、研究网络连接、研究包下载与校验，在“准备本机数据”完成导入并点击“使用这份数据研究”。已有可用数据直接复用。回测、参数扫描、训练和诊断由这台用户电脑的本地 Python 进程执行，研究任务和结果保存在本机。平台比赛复核由服务器另行执行。

2. 如果我已经提供研究想法，就先把它改写成清楚的数学定义，再选择匹配的真实数据实现。如果我还没有具体想法，先用客户端内置的短期反转 RET5 示例完成首次回测。解释因子如何给股票排序、使用哪些历史信息、何时产生信号和成交。按证券与交易日期正确分组排序，使用运行时已可获得的输入。

3. 在“研究项目”保存源码，使用当前客户端与数据包的因子输入输出契约进行检查。根据实际数据覆盖设置日期、股票范围、基准和交易成本，运行一次完整本机回测。记录运行回执，读取同一任务的进度直到完成，发生中断时先恢复已有任务。保存本次源码快照、参数、数据身份、因子 CSV、指标、曲线与完整报告。

4. 打开“回测结果”，用普通语言解释收益、回撤、换手、Rank IC、ICIR、成本影响和分组表现，结合实际报告说明哪些结果支持原想法、哪些暴露风险。把已测事实、研究假设及尚缺的数据分别写清。基于这次结果提出下一步可检验的改动，每轮保留原始版本和对照结果。修改参数或比较多个候选时记录试验次数，并结合时间分段、样本外表现和稳定性检查解释结果。

5. 首轮结束后，告诉我项目保存位置、运行编号、报告位置、实际数据区间、关键结果和下一步研究方向，让我可以在客户端继续查看和复现。若受到缺少字段、数据区间、磁盘或账号状态阻碍，显示具体原因并优先修复能够处理的本机问题。登录验证码、短信或 MFA 需要本人操作时，再请我接手该步骤。

如果我随后选择参赛，再进入“比赛”，选择完成的本机作品，核对版本和数据包后提交。本次提交会上传源码快照、因子值和参数供主办方留存与独立复算。跟踪实际评测任务与报告，查看公开榜单中的预测能力和基准相关性，并按服务端返回的当前赛季规则解释评分及正式复核门槛。

使用能够操作本机文件或终端的 Agent。登录过程中可能需要你完成验证。作品可先保存在本机研究，选择参赛后再提交给平台。

搜索使用指南

找到 6 篇指南