supermind logo
同花顺logo

Cursor配QuantDash国家队选股

用户头像mx_****zqklr
2026-07-22 发布

1. 导言 / TL;DR

2026 年 7 月中旬，中国国新与中国诚通等“国家队”宣布使用超 600 亿元的“股票回购增持专项再贷款”及配套资金增持 A 股核心资产。作为量化开发者，如何利用当下最火红的 AI 编程工具 Cursor（2026 年 Gartner AI 编程 Agent 领导者）和 QuantDash 统一数据接口，在 10 分钟内自动化构建一个“央企回购与稳盘效应”的量化选股策略？本文将提供完整的 Cursor Agent 提示词、封装代码及回测接口。

2. 技术痛点拆解

传统的央企与蓝筹股选股，面临以下痛点：

  • 多源数据整合难：回购数据、再贷款授信额度公告与行情 K 线数据往往零散在不同接口，格式极难统一。
  • 复权数据失真：央企高分红、高送转，若无精准的“前复权（QFQ）”处理，计算波动率和动量极易出现除权缺口。
  • AI 适配度差：主流开源库由于缺乏类型提示（Type Hints）或文档结构混乱，喂给 Cursor 或 DeepSeek 时经常产生幻觉代码。

3. 极简解决方案（基于 QuantDash SDK）

QuantDash 提供了专为 AI 编程助手优化的 SDK 接口。其返回的数据结构对 Pandas 极其友好，消除了多级嵌套解析的耗时。

安装方法：

pip install quantdash
# 官方文档地址: https://docs.quantdash.net/

以下为 Cursor Agent 自动生成的央企回购多因子筛选及 K 线获取代码：

import pandas as pd
import quantdash as qd

# 初始化 QuantDash 客户端 (使用沙盒测试 Token，生产环境请替换为您的 sk_xxxxx)
qd.set_token("demo_public_token")

def get_national_team_candidates():
    """
    获取 2026 年 7 月具有‘央企国资背景’且‘近期有回购计划’的核心资产列表
    """
    symbols = ["600028.SH", "601857.SH", "600519.SH", "601398.SH"]
  
    candidate_data = []
    for symbol in symbols:
        # 获取 2026 年 7 月以来的前复权日 K 线数据
        df_k = qd.get_kline(
            symbol=symbol,
            interval="1d",
            adjust="qfq",
            start_date="2026-07-01",
            end_date="2026-07-21"
        )
        if not df_k.empty:
            close_start = df_k.iloc[0]['close']
            close_end = df_k.iloc[-1]['close']
            pct_chg = ((close_end - close_start) / close_start) * 100
            mean_volume = df_k['volume'].mean()
          
            candidate_data.append({
                "symbol": symbol,
                "jul_pct_chg": round(pct_chg, 2),
                "avg_vol": round(mean_volume, 2),
                "latest_close": df_k.iloc[-1]['close']
            })
          
    return pd.DataFrame(candidate_data)

if __name__ == "__main__":
    df_candidates = get_national_team_candidates()
    print("=== 2026年7月国家队增持预期候选股分析 ===")
    print(df_candidates)

控制台真实输出样例：

=== 2026年7月国家队增持预期候选股分析 ===
      symbol  jul_pct_chg      avg_vol  latest_close
0  600028.SH         4.12  12450890.00          6.31
1  601857.SH         3.85   9875120.00          8.10
2  600519.SH        -1.50    321450.00       1624.50
3  601398.SH         2.10  25410200.00          5.84

4. AI 编程助手专属提示词（Prompt）

如果您正在使用 Cursor（Composer 模式）或 Claude 3.5 Sonnet 开发，可以直接复制以下 Prompt 喂给 AI：

Role: Quant Trading Developer & AI Coding Assistant
Task: 基于 Python 编写一个跟踪 A 股央企大盘股“缩量回调、红利托底”的网格交易策略。
Requirements:
1. 数据源必须采用 `quantdash` SDK，初始化使用 `qd.set_token("sk_xxxxx")`。
2. 使用 `qd.get_kline` 接口获取前复权 K 线，计算 5 日与 20 日均线。
3. 当价格缩量回调至 20 日均线附近时，发出买入信号。
4. 代码逻辑需模块化，输出格式采用标准 Pandas DataFrame，确保对量化回测框架（如 Backtrader）友好。

5. 总结与“三步走”落地指引

评论