Quant Module

quant 模块提供量化分析工具，包括技术指标计算、因子分析、OHLCV 行情数据和策略回测。公式语法基于 Mai-language，兼容通达信/同花顺。

快速开始

from reportify_sdk import Reportify

client = Reportify(api_key="your-api-key")

# 计算 RSI 指标
df = client.quant.factors_compute(["000001"], "RSI(14)")

# 因子选股
stocks = client.quant.factors_screen(formula="RSI(14) < 30")

# 获取 OHLCV 数据
ohlcv = client.quant.ohlcv("000001")

# 策略回测
result = client.quant.backtest(
    start_date="2023-01-01",
    end_date="2024-01-01",
    symbols=["000001"],
    entry_formula="CROSS(MA(CLOSE, 5), MA(CLOSE, 20))",
)

因子 (Factors)

factors()

获取可用因子列表（变量和函数）。

factors = client.quant.factors()

for f in factors:
    print(f"{f['name']} ({f['type']}, level {f['level']}): {f['description']}")

因子分级：

Level 0 变量: CLOSE, OPEN, HIGH, LOW, VOLUME, AMOUNT 及别名
Level 0 函数: MA, EMA, REF, HHV, LLV, STD 等核心函数
Level 1 函数: CROSS, COUNT, EVERY 等应用函数
Level 2 函数: MACD, KDJ, RSI, BOLL 等技术指标

factors_compute()

计算因子值，使用 Mai-language 语法。

df = client.quant.factors_compute(
    symbols=["000001"],
    formula="RSI(14)",
    market="cn",
    start_date="2024-01-01",
    end_date="2024-06-01"
)

公式示例：

# 简单指标
df = client.quant.factors_compute(["000001"], "RSI(14)")

# 获取 MACD 的 DIF 线
df = client.quant.factors_compute(["000001"], "MACD().dif")

# 收盘价是否高于 20 日均线（布尔值）
df = client.quant.factors_compute(["000001"], "CLOSE > MA(CLOSE, 20)")

# MA20 偏离度（百分比）
df = client.quant.factors_compute(["000001"], "(CLOSE - MA(CLOSE, 20)) / MA(CLOSE, 20) * 100")

# 复合条件
df = client.quant.factors_compute(["000001"], "(CLOSE > MA(CLOSE, 20)) & (MA(CLOSE, 20) > MA(CLOSE, 60))")

支持的运算符：

类型	运算符	说明
比较	`>`, `<`, `>=`, `<=`, `==`, `!=`	比较运算
逻辑与	`&` 或 `AND`	大小写不敏感
逻辑或	`\|` 或 `OR`	大小写不敏感
逻辑非	`~` 或 `NOT`	大小写不敏感
算术	`+`, `-`, `*`, `/`	四则运算

支持的变量：

变量	别名	说明
`CLOSE`	`C`	收盘价
`OPEN`	`O`	开盘价
`HIGH`	`H`	最高价
`LOW`	`L`	最低价
`VOLUME`	`V`, `VOL`	成交量
`AMOUNT`	-	成交额
`LISTING_DATE`	-	上市日期（`YYYY-MM-DD` 字符串，可直接与日期字符串比较）

市场状态函数：

函数	说明
`IS_LIMIT_UP()`	是否一字涨停（一字板封涨停）
`IS_LIMIT_DOWN()`	是否一字跌停（一字板封跌停）
`IS_ST()`	是否为 ST 股票
`IS_CHAIN_MAIN()`	是否为中国主板股票（60/000开头）
`IS_CHAIN_STAR()`	是否为科创板股票（68开头）
`IS_CHAIN_CHINEXT()`	是否为创业板股票（30开头）

factors_screen()

因子选股，筛选满足条件的股票。

stocks = client.quant.factors_screen(
    formula="RSI(14) < 30",
    market="cn",              # 可选
    check_date="2024-06-01",  # 可选，默认最新交易日
    symbols=None              # 可选，None 表示当前市场
)

参数：

参数	类型	必填	说明
`formula`	`str`	是	选股公式
`market`	`str`	否	市场，默认 cn
`check_date`	`str`	否	检查日期，默认最新交易日
`symbols`	`list[str]`	否	股票池，None 表示当前市场

选股示例：

# RSI 超卖
stocks = client.quant.factors_screen(formula="RSI(14) < 30")

# 金叉
stocks = client.quant.factors_screen(formula="CROSS(MA(CLOSE, 5), MA(CLOSE, 10))")

# 上升趋势
stocks = client.quant.factors_screen(formula="(CLOSE > MA(CLOSE, 20)) & (MA(CLOSE, 20) > MA(CLOSE, 60))")

# 突破布林带上轨
stocks = client.quant.factors_screen(formula="CLOSE > BOLL(20, 2).upper")

# 行业筛选（申万行业）
stocks = client.quant.factors_screen(formula='INDUSTRY("银行") & (PE_TTM() < 10)')

# 在指定股票池中筛选
stocks = client.quant.factors_screen(
    formula="RSI(14) < 30",
    symbols=["000001", "600519", "000002"]
)

行情 (Quotes)

ohlcv()

获取单个股票的 OHLCV 日线数据。

df = client.quant.ohlcv(
    symbol="000001",
    market="cn",
    start_date="2024-01-01",
    end_date="2024-06-01"
)

print(df[["date", "open", "high", "low", "close", "volume"]])

参数：

参数	类型	必填	说明
`symbol`	`str`	是	股票代码
`market`	`str`	否	市场，默认 cn
`start_date`	`str`	否	开始日期，默认 1 个月前
`end_date`	`str`	否	结束日期，默认今天

ohlcv_batch()

批量获取多个股票的 OHLCV 数据。

df = client.quant.ohlcv_batch(
    symbols=["000001", "600519", "000002"],
    market="cn",
    start_date="2024-01-01",
    end_date="2024-06-01"
)

print(df[["symbol", "date", "close", "volume"]])

数据按日期（降序）、股票代码排序。

kline()

获取单个股票的 K 线数据，支持多种周期。

df = client.quant.kline(
    symbol="000001",
    kline_type="5M",
    start_datetime="2024-01-01 09:30:00",
    end_datetime="2024-01-01 15:00:00",
    market="cn"
)

print(df[["datetime", "open", "high", "low", "close", "volume"]])

参数：

参数	类型	必填	说明
`symbol`	`str`	是	股票代码
`kline_type`	`str`	否	K 线类型，默认 `1D`，支持 `1M`/`5M`/`15M`/`30M`/`60M`/`1D`/`1W`/`1MO`
`market`	`str`	否	市场，默认 `cn`
`stock_type`	`str`	否	品种类型，默认 `stock`，支持 `stock`/`etf`/`index`/`sw`
`start_datetime`	`str`	否	开始时间（YYYY-MM-DD HH:MM:SS），未指定时自动推算
`end_datetime`	`str`	否	结束时间（YYYY-MM-DD HH:MM:SS）

kline_batch()

批量获取多个股票的 K 线数据。

df = client.quant.kline_batch(
    symbols=["000001", "600519", "000002"],
    kline_type="1D",
    market="cn"
)

print(df[["symbol", "datetime", "close", "volume"]])

数据按日期（升序）、股票代码排序。

minute()

获取单个股票的分钟数据。

df = client.quant.minute(
    symbol="000001",
    start_datetime="2024-01-01 09:30:00",
    end_datetime="2024-01-01 15:00:00",
    market="cn"
)

print(df[["datetime", "open", "high", "low", "close", "volume"]])

参数：

参数	类型	必填	说明
`symbol`	`str`	是	股票代码
`start_datetime`	`str`	是	开始时间（YYYY-MM-DD HH:MM:SS）
`end_datetime`	`str`	是	结束时间（YYYY-MM-DD HH:MM:SS）
`market`	`str`	否	市场，默认 cn

minute_batch()

批量获取多个股票的分钟数据。

df = client.quant.minute_batch(
    symbols=["000001", "600519", "000002"],
    start_datetime="2024-01-01 09:30:00",
    end_datetime="2024-01-01 15:00:00",
    market="cn"
)

print(df[["symbol", "datetime", "close", "volume"]])

数据按日期（升序）、股票代码排序。

回测 (Backtest)

backtest()

执行策略回测。

result = client.quant.backtest(
    start_date="2023-01-01",
    end_date="2024-01-01",
    symbols=["000001"],
    market="cn",
    entry_formula="CROSS(MA(CLOSE, 5), MA(CLOSE, 20))",  # 买入信号：MA5 上穿 MA20
    exit_formula="CROSSDOWN(MA(CLOSE, 5), MA(CLOSE, 20))",  # 卖出信号（可选）
    initial_cash=100000,  # 初始资金
    commission=0.0003,    # 佣金费率
    position_size=0.2,    # 单个股票最大仓位 20%
    max_positions=5,      # 最大持仓股票数量
    cheat_on_open=False,  # 是否启用 T 日信号当日开盘成交
    auto_close=True,      # 自动平仓
    signal_factors={"rsi": "RSI(14)", "ma20": "MA(CLOSE, 20)"}  # 额外指标（可选）
)

参数：

参数	类型	必填	默认值	说明
`start_date`	`str`	是	-	回测开始日期（YYYY-MM-DD）
`end_date`	`str`	是	-	回测结束日期（YYYY-MM-DD）
`symbols`	`list[str]`	否	None	股票代码列表（不传则需传 filter_formula）
`filter_formula`	`str`	否	None	前置过滤公式
`market`	`str`	否	cn	市场（cn/hk/us）
`entry_formula`	`str`	否	None	买入/开仓公式（不传则需传 strategy_code）
`strategy_code`	`str`	否	None	自定义回测策略 Python 源码代码。代码中必须定义 `handle_data(context, datas)` 函数。
`exit_formula`	`str`	否	None	卖出/平仓公式（结果 > 0 触发卖出）
`initial_cash`	`float`	否	100000	初始资金（元）
`commission`	`float`	否	0	佣金费率（如 0.0003 表示万三）
`buy_commission`	`float`	否	0	买入手续费率（优先于 commission）
`sell_commission`	`float`	否	0	卖出手续费率（优先于 commission）
`min_commission_amount`	`float`	否	0	单笔最低手续费金额（元）
`slippage`	`float`	否	0	滑点比例（买入价上浮、卖出价下浮）
`position_size`	`float \| None`	否	None	单只股票最大仓位比例（None = 不限制）
`max_positions`	`int \| None`	否	None	最大持仓股票数量（None = 不限制）
`min_volume`	`int`	否	100	最小买入股数
`auto_close`	`bool`	否	True	是否在回测结束时自动平仓
`cheat_on_open`	`bool`	否	False	是否在 T 日信号生成后的 T 日开盘执行（False = T+1 开盘执行）
`signal_factors`	`dict[str, str]`	否	None	预计算因子字典，用于 `strategy_code` 模式

返回结果：

{
    "success": True,
    "initial_cash": 100000,
    "final_cash": 115000,
    "total_return": 15000,
    "total_return_pct": 0.15,
    "max_drawdown": 0.08,
    "profit_factor": 1.5,
    "win_rate": 0.6,
    "total_trades": 10,
    "winning_trades": 6,
    "losing_trades": 4,
    "trades": [...],
    "portfolio_value": {...},
    "benchmark_value": {...},
    "benchmark_return_pct": 0.12,
    "sharpe_ratio": 1.18,
    "alpha": 0.04,
    "beta": 0.92,
    "max_drawdown_start": "2023-08-15",
    "max_drawdown_end": "2023-10-23",
    "daily_returns": {...},
    "drawdown_series": {...},
    "error_msg": None
}

使用示例：

# 1. 简单金叉策略（只有买入信号）
result = client.quant.backtest(
    start_date="2023-01-01",
    end_date="2024-01-01",
    symbols=["000001"],
    entry_formula="CROSS(MA(CLOSE, 5), MA(CLOSE, 20))"
)

print(f"总收益: {result['total_return']:.2f}")
print(f"收益率: {result['total_return_pct']:.2%}")
print(f"最大回撤: {result['max_drawdown']:.2%}")
print(f"胜率: {result['win_rate']:.2%}")
print(f"盈亏比: {result['profit_factor']:.2f}")
print(f"交易次数: {result['total_trades']}")

# 2. 买入和卖出信号都指定
result = client.quant.backtest(
    start_date="2023-01-01",
    end_date="2024-01-01",
    symbols=["000001"],
    entry_formula="CROSS(MA(CLOSE, 5), MA(CLOSE, 20))",      # 金叉买入
    exit_formula="CROSSDOWN(MA(CLOSE, 5), MA(CLOSE, 20))"    # 死叉卖出
)

# 3. RSI 超卖超买策略
result = client.quant.backtest(
    start_date="2023-01-01",
    end_date="2024-01-01",
    symbols=["000001"],
    entry_formula="RSI(14) < 30",   # RSI 低于 30 买入
    exit_formula="RSI(14) > 70"     # RSI 高于 70 卖出
)

# 4. 使用 signal_factors 记录额外指标
result_indicator = client.quant.backtest(
    start_date="2023-01-01",
    end_date="2024-01-01",
    symbols=["000001"],
    entry_formula="CROSS(MA(CLOSE, 5), MA(CLOSE, 10))",
    exit_formula="CROSS(MA(CLOSE, 10), MA(CLOSE, 5))",
    signal_factors={
        "ma5": "MA(CLOSE, 5)",
        "ma10": "MA(CLOSE, 10)"
    }
)

# 5. 自定义策略
custom_code = """
def handle_data(context, datas):
    for data in datas:
        symbol = data.name
        position = context.portfolio.get_position(symbol)

        if position is None:
            if data.close > data.open:  # 阳线买入
                context.order_target_percent(symbol, 0.2)
        else:
            if data.close < data.open:  # 阴线卖出
                context.order_target_percent(symbol, 0)
"""

result_custom = client.quant.backtest(
    start_date="2023-01-01",
    end_date="2024-01-01",
    symbols=["000001"],
    strategy_code=custom_code
)

backtest_upload()

上传 Excel 文件进行回测。使用自己的行情数据（而非系统内置数据源）。

result = client.quant.backtest_upload(
    file_path="my_stock_data.xlsx",
    start_date="2023-06-01",
    end_date="2024-01-01",
    entry_formula="CROSS(MA(CLOSE, 5), MA(CLOSE, 10))",
    exit_formula="CROSS(MA(CLOSE, 10), MA(CLOSE, 5))",
    initial_cash=100000,
    commission=0.0003
)

参数：

参数	类型	必填	默认值	说明
`file_path`	`str`	否*	None	Excel 文件路径（与 `file_content` 二选一）
`file_content`	`bytes`	否*	None	Excel 文件字节内容（与 `file_path` 二选一）
`file_name`	`str`	否	None	文件名（使用 `file_content` 时可指定）
`start_date`	`str`	否	None	回测开始日期(YYYY-MM-DD)，指标计算后按此过滤
`end_date`	`str`	否	None	回测结束日期(YYYY-MM-DD)，指标计算后按此过滤
`entry_formula`	`str`	否	None	买入/开仓公式（不传则需传 `strategy_code`）
`strategy_code`	`str`	否	None	自定义回测策略 Python 源码
`exit_formula`	`str`	否	None	卖出/平仓公式
`initial_cash`	`float`	否	100000	初始资金（元）
`commission`	`float`	否	0	佣金费率
`buy_commission`	`float`	否	0	买入手续费率（优先于 commission）
`sell_commission`	`float`	否	0	卖出手续费率（优先于 commission）
`min_commission_amount`	`float`	否	0	单笔最低手续费金额（元）
`slippage`	`float`	否	0	滑点比例（买入价上浮、卖出价下浮）
`position_size`	`float \| None`	否	None	单只股票最大仓位比例。传 `None` 表示不限制
`max_positions`	`int \| None`	否	None	最大持仓股票数量。传 `None` 表示不限制
`min_volume`	`int`	否	1	最小买入股数
`auto_close`	`bool`	否	True	是否自动平仓
`cheat_on_open`	`bool`	否	False	`True` 时 T 日信号在 T 日开盘成交，`False` 时在 T+1 开盘成交
`signal_factors`	`dict[str, str]`	否	None	指标与因子字典

Excel 文件格式：

列名	是否必须	说明
`date`	必须	交易日期
`open`	必须	开盘价
`high`	必须	最高价
`low`	必须	最低价
`close`	必须	收盘价
`symbol`	多标的时必须	股票代码
`volume`	可选	成交量
`amount`	可选	成交额

支持中文列名自动映射：

中文列名	映射到
日期 / 时间 / 交易日期 / 交易日	`date`
开盘 / 开盘价	`open`
最高 / 最高价	`high`
最低 / 最低价	`low`
收盘 / 收盘价	`close`
成交量 / 交易量	`volume`
成交额 / 交易额	`amount`
代码 / 股票代码 / 证券代码	`symbol`

自定义字段列名仍须为 ASCII 字符（英文字母、数字、下划线）。

使用示例：

# 从文件字节上传
with open("my_data.xlsx", "rb") as f:
    content = f.read()
result = client.quant.backtest_upload(
    file_content=content,
    file_name="my_data.xlsx",
    entry_formula="CROSS(MA(CLOSE, 5), MA(CLOSE, 20))"
)

完整示例

技术分析工作流

from reportify_sdk import Reportify

client = Reportify(api_key="your-api-key")

# 1. 获取股票数据
df = client.quant.ohlcv("000001", start_date="2024-01-01")

# 2. 计算多个指标
rsi = client.quant.factors_compute(["000001"], "RSI(14)")
macd = client.quant.factors_compute(["000001"], "MACD()")
boll = client.quant.factors_compute(["000001"], "BOLL(20, 2)")

# 3. 合并数据
import pandas as pd
data = df.merge(rsi[["date", "rsi"]], on="date")
data = data.merge(macd[["date", "dif", "dea", "macd"]], on="date")
data = data.merge(boll[["date", "upper", "mid", "lower"]], on="date")

print(data.tail())

选股并回测

# 1. 选股：RSI 超卖
oversold_stocks = client.quant.factors_screen(formula="RSI(14) < 30")
print(f"发现 {len(oversold_stocks)} 只超卖股票")

# 2. 对每只股票进行回测
for stock in oversold_stocks[:5]:  # 取前 5 只
    result = client.quant.backtest(
        start_date="2023-01-01",
        end_date="2024-01-01",
        symbols=[stock["symbol"]],
        entry_formula="CROSS(RSI(14), 30)"  # RSI 上穿 30 买入
    )
    print(f"{stock['symbol']}: 收益率 {result['total_return_pct']:.2%}")

使用说明

文档接口

股票数据

量化分析

智能体

MCP

SDK

量化分析

Quant Module

快速开始

因子 (Factors)

factors()

factors_compute()

factors_screen()

行情 (Quotes)

ohlcv()

ohlcv_batch()

kline()

kline_batch()

minute()

minute_batch()

回测 (Backtest)

backtest()

backtest_upload()

完整示例

技术分析工作流

选股并回测

使用说明

文档接口

股票数据

量化分析

智能体

MCP

SDK

Documentation Index

​Quant Module

​快速开始

​因子 (Factors)

​factors()

​factors_compute()

​factors_screen()

​行情 (Quotes)

​ohlcv()

​ohlcv_batch()

​kline()

​kline_batch()

​minute()

​minute_batch()

​回测 (Backtest)

​backtest()

​backtest_upload()

​完整示例

​技术分析工作流

​选股并回测

Quant Module

快速开始

因子 (Factors)

factors()

factors_compute()

factors_screen()

行情 (Quotes)

ohlcv()

ohlcv_batch()

kline()

kline_batch()

minute()

minute_batch()

回测 (Backtest)

backtest()

backtest_upload()

完整示例

技术分析工作流

选股并回测