AgentStack
SKILL verified MIT Self-run

Jq Strategy

skill-perfectuser21-jq-strategy-skill-jq-strategy-skill · by perfectuser21

|

No reviews yet
0 installs
7 views
0.0% view→install

Install

$ agentstack add skill-perfectuser21-jq-strategy-skill-jq-strategy-skill

✓ scanned · ✓ verified — works with Claude Code, Cursor, and more.

Security review

✓ Passed

No issues found. Passed automated security review. · v0.1.0 How review works →

  • Prompt-injection patterns
  • Secret / credential exfiltration
  • Dangerous shell & filesystem operations
  • Untrusted network calls
  • Known-malicious package signatures

What it can access

  • Network access No
  • Filesystem access No
  • Shell / process execution No
  • Environment & secrets No
  • Dynamic code execution No

From automated source analysis of v0.1.0. “Used” means the capability is present in the source — more access means more to trust, not that it’s unsafe.

Are you the author of Jq Strategy? Claim this listing to set pricing, connect Stripe payouts, and keep 70% of every sale.
Sign up to claim

About

聚宽策略代码生成器

把用户的自然语言描述翻译成可直接在 joinquant.com 回测的聚宽 Python 策略。

用户拿到代码 → 登录 joinquant.com → 策略 → 新建 → 粘贴 → 设日期 → 跑回测。


为什么需要这个 skill

用户往往只有模糊的投资想法("我想试试选市值小的股票"),而聚宽的 API 有几十个函数和专有对象(get_fundamentals / query / valuation / run_daily 等),直接上手门槛不低。本 skill 负责这层翻译,让用户专注在策略逻辑而不是 API 细节上。


🎯 工作流程

1. 解析需求

从用户描述里抽出 5 个要素。缺失的要素填默认值 —— 不要反问,Auto 模式偏执行:

| 要素 | 默认值 | 说明 | |------|--------|------| | 标的池 | 全 A 股 | 也可指定指数成分(沪深 300 / 中证 500)或几只 ETF | | 选股规则 | —— | 必须从描述里提取;如完全没线索,按"市值最小"兜底 | | 择时规则 | 开盘时 | run_daily(trade, 'open') | | 调仓频率 | 每 5 交易日 | 可改每日 / 每周 / 每月 / 信号触发 | | 持仓数量 | 3 只 | |

2. 选骨架

根据需求类型挑一个模板(完整模板见 reference/templates.md,有 4 类):

  • 选股轮动(定期按基本面选 N 只)→ 大多数选股类策略
  • 择时信号(技术指标触发买卖)→ 单标的 + 均线/MACD/RSI
  • 多因子打分(多指标综合打分选 top N)→ 低 PE + 高 ROE 组合
  • ETF 轮动(几只 ETF 间切换)→ 动量轮动

3. 填充代码

三个必须写对的部分:

  1. initialize(context) —— 基准、手续费、全局变量、调用频率
  2. 选股/择时函数 —— 核心策略逻辑
  3. trade(context) —— 调仓执行(卖旧 → 买新)

纪律:所有选股策略都必须加 filter_paused + filter_st。停牌和 ST 股在聚宽回测里会产生假成交,必须过滤掉。这不是可选项。

具体 API 用法见 reference/api-cheatsheet.md

4. 输出

按以下顺序给用户:

  1. 完整 .py 代码块(可复制)
  2. 保存到 ~/perfect21/investment/strategies/.py(目录不存在先创建)
  3. 参数摘要表(让用户一眼看懂这段代码在做什么)
  4. 回测设置建议(起止日期 / 初始资金 / 基准)
  5. 一行使用说明:登录 joinquant.com → 策略 → 新建 → 粘贴 → 跑回测

🧩 自然语言 → 聚宽语法映射

这是最核心的翻译表。用户描述中出现下列词时按映射来:

| 用户说 | 翻译成 | |--------|--------| | "小市值" / "市值最小的" | .order_by(valuation.market_cap.asc()) + 取前 N | | "市值 X 到 Y 亿" | valuation.market_cap.between(X, Y) | | "低 PE" / "低估值" | valuation.pe_ratio 0(排除亏损)| | "破净" | valuation.pb_ratio 15 | | "成长股" | indicator.inc_revenue_year_on_year > 20 | | "高分红" / "红利" | valuation.dividend_yield_ratio > 3 | | "沪深 300" | get_index_stocks('000300.XSHG') | | "中证 500" | get_index_stocks('000905.XSHG') | | "均线金叉" | 短 MA 上穿长 MA(需 get_price 算)| | "每日" / "每根 bar" | run_daily(trade, 'every_bar') | | "每周调仓" | run_weekly(trade, weekday=1) | | "每月调仓" | run_monthly(trade, monthday=1) | | "每 N 天调仓" | 用 g.days 计数器(见 examples/small-cap.py)| | "开盘买入" | time='open' | | "收盘买入" | time='close' | | "止损 X%" | run_daily 里查持仓收益率 .py** —— 名字用 kebab-case(如 small-cap.pyma-cross-510300.py`)

  1. 参数表放代码后,Markdown 表格形式
  2. 诚实边界 —— 如果用户想要的东西聚宽不支持(实时 tick、外部 API 调用、非 A 股标的),直接告诉用户,不要硬编出跑不起来的代码

🧪 工作示例

用户输入:选市值 20-30 亿,每 5 天换仓,买最小的 3 只

skill 的处理

  • 类型:选股轮动
  • 模板:template_stock_rotation
  • 要素:全 A 股池 / 市值 20-30 亿 / 每 5 交易日 / 持 3 只 / 市值升序
  • 参考 examples/small-cap.py(这就是这个输入对应的标准产出)

其他场景的完整示例:

  • 均线择时examples/ma-cross.py —— 5 日线上穿 20 日线买 510300,死叉清仓
  • 多因子打分examples/multi-factor.py —— 沪深 300 里 低 PE + 高 ROE + 低负债率综合打分,月度调仓持 10 只

📂 文件指引

  • reference/api-cheatsheet.md —— 聚宽所有核心 API 速查(initialize / get_fundamentals / query / 交易函数 / 过滤器 / 行情数据)。写代码时遇到不确定的 API 就去查。
  • reference/templates.md —— 4 类策略完整骨架,填空式使用。新需求先从这里挑一个骨架再填内容。
  • examples/ —— 3 个完整工作案例,可直接复用或改写。

🚫 不要做的事

  • 不要在 SKILL.md 或聊天里给用户整份 API 文档 —— 用户要的是能跑的代码,不是教程
  • 不要给本地可跑的 backtrader / rqalpha 代码 —— 那是另一个 skill 的事,聚宽代码只能在聚宽网页跑
  • 不要反问"你想要什么基准 / 手续费 / 资金"等细节 —— 填默认值,用户不满意自己改
  • 不要在代码里引用聚宽外的本地文件、外部 API —— 聚宽沙箱不允许

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

Install and usage instructions live in the source repository linked above.

Reviews

No reviews yet — be the first.

Versions

  • v0.1.0 Imported from the upstream source.