Use Cases
用一句话启动策略回测
以下是策略工厂支持的典型研究类型。输入策略逻辑后，可以生成代码并提交历史回测，再由研究员复核结果。
Key Workflows
重点研发场景
这些页面分别说明回测、代码生成、参数优化、工具差异、公开事实和报告模板。
AI 量化回测工具
从一句话策略想法到真实历史数据回测报告，适合快速验证策略原型。
查看页面 ->AI 生成量化策略代码
把自然语言策略逻辑转成可运行 Python，并进入回测验证链路。
查看页面 ->量化策略参数优化
自动提取参数空间，执行网格搜索和稳健性判断，减少经验式调参。
查看页面 ->动量轮动策略回测
从动量窗口、股票池和调仓频率出发，生成策略代码并验证回测指标。
查看页面 ->多因子选股策略
把因子定义、打分逻辑、持仓构建和暴露诊断纳入可复核流程。
查看页面 ->均值回归策略回测
验证价格偏离、入场阈值、出场规则、止损和尾部风险。
查看页面 ->FiClaw vs ChatGPT 做量化策略
对比通用 AI 问答和 AI Native 量化策略研发工作站的差异。
查看页面 ->示例回测报告
查看 prompt、策略摘要、指标、诊断结论和下一步优化建议。
查看页面 ->FiClaw 方法论
了解策略 spec、真实回测、参数优化、稳健性判断和人工复核边界。
查看页面 ->FiClaw 官方事实
一页说明 FiClaw 是什么、适合谁、能做什么和不做什么。
查看页面 ->量化策略回测报告模板
用统一结构沉淀 prompt、策略 spec、指标、诊断和下一步动作。
查看页面 ->动量轮动策略
基于过去 N 日涨幅排名，定期轮换持仓，买入动量最强的股票组合。
输入示例：
“基于20日动量因子的月度轮动策略，选沪深300中动量最强的20只股票”
参考指标：年化 18-25%，Sharpe 0.8-1.2，月度调仓
多因子选股
综合动量、波动率、换手率、市值等多个因子打分，选出综合得分最高的股票。
输入示例：
“结合动量、低波动和低换手率三个因子的等权多因子选股策略”
参考指标：因子 IC 0.03-0.05，年化超额 8-15%
均值回归策略
当股价偏离均线超过阈值时反向操作，捕捉价格回归均值的机会。
输入示例：
“基于布林带的均值回归策略，股价突破下轨时买入，触及上轨时卖出”
参考指标：胜率 55-65%，平均持仓 5-10 天
行业轮动
根据宏观经济周期或行业动量信号，在不同行业 ETF 之间轮换配置。
输入示例：
“基于行业动量的月度行业轮动策略，选过去60日涨幅最强的3个行业”
参考指标：年化 15-22%，最大回撤 < 20%
事件驱动策略
围绕财报发布、分红除权、指数调整等事件构建交易信号。
输入示例：
“财报发布后5日动量策略，买入业绩超预期且放量的股票”
参考指标：事件窗口超额 2-5%，年化交易次数 50-100
风险平价组合
按风险贡献均等原则分配权重，使每个资产对组合风险的贡献相同。
输入示例：
“沪深300成分股的风险平价组合，月度再平衡，目标年化波动率12%”
参考指标：Sharpe 0.9-1.3，波动率可控