AI选股核心设计思路
一、总体架构
策略拆分为「筛选条件」+「AI提示词」，通过目标日期实现实盘选股与回测选股的统一，回测结果驱动AI自我优化策略。
二、选股流程（实盘 & 回测统一）
实盘选股与回测选股走的是同一条链路，唯一区别是 targetDate 不同：实盘填今天，回测填历史日期。
三、回测流程
回测 = 遍历时间区间内每个交易日，对每个交易日执行一次完整的选股流程，最终汇总统计。
回测并发模型
四、策略优化流程（核心闭环）
策略优化是一个迭代循环：回测 → 统计 → AI优化 → 验证 → 更新策略 → 再回测，直到胜率达标或达到最大迭代次数。
五、核心闭环：策略自我进化
这是整个系统最核心的设计——策略通过回测验证 + AI优化的闭环实现自我进化。
迭代效果示意
六、关键数据表关系
七、实盘 vs 回测 对比
| 维度 |
实盘选股 |
回测选股 |
| 目标日期 |
今天 |
历史任意交易日 |
| AI可见数据 |
截至当前的所有数据 |
截至目标日期的数据（零未来信息） |
| 选股链路 |
完整8步 |
完全相同的8步 |
| 并发控制 |
单次执行 |
Semaphore(2)，2个交易日并行 |
| 结果存储 |
selection_batch + stock_pick |
同左，selection_type=BACKTEST |
| 统计计算 |
无 |
计算胜率/涨幅 → backtest_result |
| 核心价值 |
实时交易指导 |
验证策略历史表现 |
八、策略优化退出条件
10
0
已为社区贡献8条内容
所有评论(0)