使用通联数据：申万行业分类与LTE-Advanced模拟

"该资源主要介绍了量化交易平台的使用，特别是如何进行行业分类和股票筛选，以及如何构建和执行交易策略。文档中提到了一个名为Quartz的量化实验室，它提供了丰富的功能，包括回测、日内交易和股票筛选。此外，还详细解释了申万行业分类在Python中的应用。" 在量化交易领域，行业分类是一个关键概念，用于归类股票到不同的业务领域，便于投资者分析特定行业的表现。在给定的文件中，提到了"The Vienna LTE-Advanced Simulators"，但这个名称可能与行业分类无关，可能是文档制作过程中的误写或者另一个主题。文件主要讨论的是基于Python的量化交易工具Quartz和申万行业分类。 申万行业分类是中国证券市场广泛采用的一种行业划分标准，包括一级、二级和三级行业。在Python中，可以通过`IndSW`这个模块来访问这些分类。例如，`IndSW.YinHangL2`代表申万二级行业中的银行业，`IndSW.CaiJueL1`代表申万一级行业的采掘业。通过`set_universe`函数，可以设定策略的股票池为特定的行业股票列表，例如2016年1月1日的银行股。 Quartz是一个用于策略开发和回测的平台，提供了简洁的API供用户定义回测参数、构建策略和进行回测。文档中包含了从基础到高级的教程，如10分钟快速入门，涵盖了导入模块、定义回测参数、构建策略以及使用历史数据进行回测的步骤。 股票筛选器是策略开发的重要部分，允许用户根据特定条件筛选股票，如财务指标、技术指标等。而股票行业分类和指数成分则帮助投资者了解股票所属的行业以及其在指数中的地位。通过`IndSW.L1()`、`IndSW.L2()`和`IndSW.L3()`函数，可以获取不同级别的行业分类说明，这对于行业比较和行业轮动策略特别有用。 文档中还展示了多个交易策略示例，如Halloween Cycle、Momentum/Contrarian策略，以及全球最小方差组合（GMVP）、加权平均价格（VWAP）策略等，这些都是量化交易中常见的投资逻辑。此外，还有 CAL（可能是另一种量化工具或编程语言）的介绍，尽管这部分信息没有在摘要中详细展开。 该资源为量化交易者提供了一套完整的工具集，包括股票池设置、行业分类、策略构建和回测，以及实际交易策略的实例，是学习和实践量化交易的宝贵资料。