量化投资长期以来是机构专属：专业策略、风控体系与数据基础设施门槛极高，中小资金投资者只能凭消息和情绪交易，普遍存在缺乏纪律、回撤失控、难以稳定盈利的问题。本项目面向 A 股中频（日线至周线）量化交易场景立项，针对个人及小资金投资者（本金 50 万元以内）的真实痛点，解决"选股无体系、诊断无依据、风控靠人肉、执行缺纪律"四大问题。业务背景方面，A 股散户占比高、情绪化交易严重、牛短熊长，而市面软件大多只提供行情与指标，缺少从选股→诊断→风控→交易建议的闭环决策支持。系统以"AI + 量化"的方式把机构级投研流水线平民化，目标实现年化收益不低于 25%、最大回撤不超过 12%。
系统覆盖投研全链路，共六大功能模块：
① 数据中台：多源采集行情、财务、资金流、龙虎榜等数据，MySQL 主库 + MongoDB 归档缓存，定时调度与断点续跑；
② 智能选股：五维加权评分引擎（趋势/资金/基本面/情绪/题材）+ 24 套策略自动发现注册 + TDX 增强选股叠加层，输出并列增强分且不改动存量权重；
③ 个股诊断：坐庄四阶段识别（吸筹/洗盘/拉升/出货）、筹码成本分布、涨停质量四维打分、龙头带动性分析，AI 与规则双通道出具结论；
④ 智能风控：五级优先级止损引擎（强制平仓/回撤/移动止损/ATR/固定止损）+ 摊平禁令 + 连亏阶梯降仓，风险前置门禁自动拦截；
⑤ 交易建议：基于诊断结果给出仓位与买卖点建议（仅建议、不自动下单），支持模拟盘验证；
⑥ 自动投研邮件：每日及盘中自动生成"大盘定调、选股池、持仓诊断、风控提醒"多板块 HTML 研报并推送，附 AI 舆情解读。
全系统支持 AI 路由按任务类型自动切换模型、成本计量与灰度开关。
本人独立负责后端架构设计与核心策略研发。
技术栈：Python + FastAPI + MySQL + MongoDB（motor 异步 / pymongo 同步）+ APScheduler + Pandas/NumPy；前端 Vue3 + Vite（纯 JS、hash 路由）；对接 Tushare、Baostock、通达信等多数据源。
架构：分层解耦——数据层（统一数据库封装）、策略层（策略文件 AST 自动发现注册，新增策略零改主工程）、引擎层（统一评分/选股/诊断）、风控层（规则库独立）、调度层（cron 表驱动流水线）、展示层（邮件 HTML + Web 双通道）。
实现亮点：① "只包层、不改造"的增量范式，以叠加层为存量引擎补增强分，历史回测序列不断裂；② 五级优先级风控引擎，把反人性纪律工程化；③ 三级缓存回落机制，数据源故障自动降级、极端行情下研报不空窗；④ AI 路由按任务五档调度，兼顾效果与成本（日预算 5 元内）。
主要难点：多数据源口径不一与数据缺失（如指数代码缺失需多级回退）、流水线超时预算编排与迟到结果收割、以及在不破坏存量评分体系前提下持续演进；已建 201 个 pytest 用例保障回归。
评论