全A量化交易和分析系统产品系统Vibe Coding

AutoPicker 面向 A 股个人量化研究与交易复盘场景，解决传统选股流程中数据分散、信号依赖主观判断、策略验证周期长，以及“回测看起来有效、实盘却难以成交”的问题。系统统一接入日线、分钟线、指数、题材与市场情绪数据，将盘前观察、盘中信号、盘后复盘和策略迭代串成闭环；重点处理复权价格与真实成交价分离、涨停/炸板/回封等 A 股特有交易约束，让选股结论能够被追溯、被解释、被重复验证，适用于个人投资研究、量化策略实验与交易能力训练。

平台包含五大工作区：行情侧提供今日打板决策、次日观察池、市场驾驶舱与 A-MAP 全景研究；复盘侧覆盖案例、首板连板、历史龙头、游资行为和执行偏差；训练侧提供候选事实、题材结构、板块角色、能力画像与个人打法库；量化侧支持 B1、B2、砖型、单针等策略的信号扫描、规则挖掘、批量回测、优秀策略管理和实盘回放；系统侧完成数据同步、质量修复、任务监控与参数配置。回测支持多板块、日线/分钟线、盘中首封/回封买入、14 条组合出场规则、动态仓位、权益曲线与归因分析，并通过 FastAPI 对外提供异步任务接口。

我完成了产品规划、交互设计、数据架构、策略引擎、回测执行、API 与自动化测试。前端使用 Streamlit 构建暗色金融工作台，并扩展 A-MAP 市场认知与复盘界面；后端以 StockPickerEngine Facade 统一业务入口，SQLite 保存日常行情与研究结果，DuckDB 承载分钟级数据，APScheduler 与线程任务中心执行长任务，FastAPI 提供分析、回测、策略和任务接口。实现中将前复权数据用于指标形态、不复权数据用于真实成交，建立 A→E 五阶段生命周期、规则注册中心和无未来函数约束；同时修复滑点、仓位随权益缩放、SQLite 并发锁与 Pydantic 序列化等问题，并用单元测试和跨周期回测验证可用性。项目亮点是把“市场观察—信号发现—可成交回测—解释归因—案例学习”做成统一闭环。