qlib-multi-factor-backtest

name: qlib-multi-factor-backtest description: 负责 Top-N 多因子训练与含交易成本组合回测。用于 Phase 2/3 对比、参数优化、组合风险收益评估以及多因子证据产出。

Qlib 多因子组合回测（MFA）

本 skill 负责 MFA 子工作流，按 Retrieve -> Generate -> Evaluate -> Distill 执行。

输入与输出

• 输入：因子池、模型配置、回测区间与交易参数。
• 输出：MFA 指标（含成本收益/IR/回撤）、决策、证据与文档。

默认时序切分（csi1000）

• Train：2000-01-04 ~ 2023-12-31
• Valid：2024-01-01 ~ 2024-12-31
• Test（OOS）：2025-01-01 ~ 数据最新可用日
• 目标：在长历史训练基础上，用最近一年验证超参数与模型选择，以提升对近期市场风格的适配。

指标命名标准

• 统一使用 docs/METRIC_STANDARD_V1.md 与 src/project_qlib/metrics_standard.py。
• 优先输出 canonical 字段：
  • excess_return_annualized_with_cost
  • information_ratio_with_cost
  • max_drawdown_with_cost
  • excess_return_daily_with_cost
  • ic_mean / rank_ic_mean / ic_ir / rank_ic_ir
• 旧字段名（如 IR_with_cost、ann_ret_with_cost）仅保留兼容读取，不作为新增文档主口径。

R-G-E-D 执行定义

1) Retrieve

1. 从因子总表与 workflow 记录读取候选池与稳定因子集。
2. 明确本轮目标（增益、降回撤、降换手、稳健性）。
3. 因子池质量门控：
   • 检查候选因子的 IC 衰减曲线（factor_ic_decay 表）
   • 检查因子稳定性评分（stability_score）
   • 周频调仓时：优先选择 5d ICIR 保留率 >= 0.5 的因子
   • 排除稳定性评分 < 0.3 的因子

2) Generate

1. 构造至少两类组合器方案：线性 + 非线性。
2. 固定同一训练/验证/测试切分，保证可比性。
3. 调仓频率方案：必须同时测试日频与周频两类方案：
   • 日频：TopkDropout，1d label，每日调仓
   • 周频：Weekly Rebalance，5d label，每 5 个交易日调仓

3) Evaluate

1. 统一回测口径输出 excess_return_annualized_with_cost、information_ratio_with_cost、max_drawdown_with_cost，并补充 excess_return_daily_with_cost。
2. 执行交易成本压力测试（不同成本/调仓强度参数）。
3. 判定是否相对基线产生稳定增量，而非单次偶然提升。

4) Distill

1. 用 scripts/mfa_record_cli.py 写入工作流记录与证据。
2. 同步文档到 docs/workflows/multi-factor/ 并更新 INDEX.md。
3. 将有效组合模式回写 AGENTS.md 经验记忆。

线性/非线性对照要求

1. 线性方案：Lasso/线性加权类至少一套。
2. 非线性方案：树模型（如 LightGBM/XGBoost）至少一套。
3. 两类方案均需报告含成本指标，缺一不可。

可复用脚本

训练与对比

• scripts/run_phase2_comparison.py
• scripts/run_topn_comparison.py
• scripts/run_optimization.py
• scripts/train_csi1000_lite.py
• scripts/train_csiall_lite.py
• scripts/train_csiall_topn.py

周频调仓

• scripts/train_weekly_rebal.py（周频调仓回测，5d label + 每 N 日调仓）

可视化与记录

• scripts/visualize_factors.py
• scripts/mfa_record_cli.py

记录模板

• assets/templates/multi_factor_experiment_record.md

证据要求

• 至少包含一个可追溯证据：output_path / db_query / run_id / doc。
• decision 仅允许 Promote / Iterate / Drop。

临时脚本边界

1. 本 skill 的 scripts/ 只保留可复用脚本。
2. 一次性参数扫描/临时对比脚本必须放在项目根目录 ./scripts/。
3. 临时脚本完成后必须清理，不得沉淀到 skill。
4. skills 下不允许存在 __pycache__ / .pyc。

参考资料

• references/layer_b_metrics.md（历史资料，按 MFA 口径解释）