hl-quant

hl-quant 是一个面向量化交易策略优化的启发式学习（Heuristic Learning）实践框架。它将研究流程抽象为‘唯一可编辑的策略文件 + 固定回测打分器’的极简范式，通过结构化循环（提出经济假设→修改策略→固定评估→严格筛选）持续提升 Sortino 比率等单一评分指标。项目基于 Python 实现，强调评估口径一致性与策略迭代的可比性，不封装具体策略逻辑，而是提供可复用的优化组织方式。适用于量化研究员在策略原型验证、参数/逻辑启发式调优、以及构建可审计的自动化研究流水线等场景。