数据获取与清洗
数据质量是量化的基础。常见步骤包括：缺失值处理、除权除息、对齐交易日历、字段标准化与生成衍生特征（收益率、移动平均等）。
因子研究与回测
使用历史数据评估因子的有效性（IC、信息比率），并通过回测框架（如 backtrader、rqalpha）评估策略的历史表现及风险。
交易与执行
真实交易需考虑交易成本、滑点与委托执行策略。对于A股，还需处理 T+1 交割与涨跌停限制。
数据质量是量化的基础。常见步骤包括：缺失值处理、除权除息、对齐交易日历、字段标准化与生成衍生特征（收益率、移动平均等）。
使用历史数据评估因子的有效性（IC、信息比率），并通过回测框架（如 backtrader、rqalpha）评估策略的历史表现及风险。
真实交易需考虑交易成本、滑点与委托执行策略。对于A股，还需处理 T+1 交割与涨跌停限制。