A股智能选股系统 V2.0 机构级量化研究框架 — 个人投资者使用
全市场 4000+ 只 A 股中，通过 基本面 × 技术面 × 资金面 × 行业面 × 消息面 × 催化剂 × 市场环境 七维复合评分，每日精选 1–2 只 最优质标的。
核心特性 41 个因子：估值/成长/质量/预期 + 趋势/动量/量价/形态/多周期 + 北向/主力/筹码 + 行业景气 + 资讯情绪 + 催化剂 量化严谨：防未来函数、幸存者偏差处理、行业中性化、市值中性化、MAD 去极值、ZScore 标准化 AI 增强：OpenAI/Claude/Gemini/DeepSeek/Local 多模型可插拔，新闻情绪分析、催化剂识别、投资逻辑生成 市场自适应：四大指数牛熊判断，因子权重动态调节 完整闭环：选股 → 持有 → 卖出（时间/技术/基本面止盈止损 + 分级减仓） YAML 配置驱动：改权重/阈值不改代码 内置回测：逐日循环 + T+1 成交模拟 + 绩效指标 + 网格搜索优化 因子评价：IC/ICIR 分析 + 分层回测 + 贡献率 + 自动降权淘汰 快速开始
pip install -r requirements.txt
python main.py
python main.py --verbose --top 5
python main.py --date 2026-01-15
python main.py --backtest --start 2024-01-01 --end 2025-12-31
python main.py --optimize
python main.py --ai openai 打包为独立 EXE pip install pyinstaller pyinstaller --onefile --name StockPicker --add-data "config.yaml;." main.py
把 config.yaml 放在 exe 同目录，双击运行。
配置 所有参数在 config.yaml 中修改：
weights: fundamental: 0.35 # 基本面权重 technical: 0.25 # 技术面权重 capital_flow: 0.10 # 资金行为权重 industry: 0.10 # 行业景气权重 news: 0.10 # 消息面权重 catalyst: 0.05 # 催化剂权重 market_regime: 0.05 # 市场环境权重
screening: top_n: 2 # 每日输出数量 min_score: 60 # 最低分数阈值
ai: provider: "none" # openai/claude/gemini/deepseek/local/none model: "gpt-4o-mini" 输出示例 ══════════════════════════════════════════════════════════════ A股智能选股系统 V2.0 选股日期: 2026-06-02 ══════════════════════════════════════════════════════════════
── 市场环境 ─────────────────────────────────────── 温度: 58/100 震荡偏多 建议仓位: 60% 上证指数: 3245.18 多头 沪深300: 3891.42 多头
╔══════════════════════════════════════════════════════════╗ ║ 🏆 #1 贵州茅台 (600519) ║ 推荐等级: S ⭐⭐⭐⭐⭐ 周期: 中线 ║ 最终得分: 87.3 / 100 ║ 行业: 食品饮料 ╠══════════════════════════════════════════════════════════╣ ║ 评分明细: ║ 基本面: 52.2 技术面: 22.1 资金面: 8.5 ║ 行业面: 7.2 消息面: 7.8 催化剂: 4.3 ║ 市场环境: 4.1 ╠──────────────────────────────────────────────────────╣ ║ 投资逻辑 (AI): 贵州茅台作为高端白酒龙头，当前PE处于... ║ 风险提示: ⚡ 白酒消费税改革 ⚡ 消费复苏不及预期 ╚══════════════════════════════════════════════════════════╝ 架构 stock-picker/ ├── main.py CLI 入口，8 步流水线 ├── config.yaml 全局 YAML 配置 │ ├── data/ 数据采集与治理 (akshare + 缓存 + 质量检查) ├── preprocessing/ 因子预处理 (MAD/ZScore/行业市值中性化/防未来函数) │ ├── factors/ 因子引擎 (41 因子 F01–F41) │ ├── fundamental/ 基本面：估值 + 成长 + 质量 + 预期 │ ├── technical/ 技术面：趋势 + 动量 + 量价 + 形态 + 多周期 │ ├── capital/ 资金面：北向 + 主力 + 筹码 │ ├── industry/ 行业面：景气度 + 相对强度 │ ├── news/ 消息面：资讯情绪 + 社区情绪 │ └── catalyst/ 催化剂：预增/回购/增持/并购/政策 │ ├── ai/ 大模型 AI 分析层 (5 模型可插拔) ├── environment/ 市场状态识别 (四大指数牛熊 + 权重自适应) ├── exit/ 卖出逻辑 (时间/技术/基本面/分级止盈止损) ├── risk/ 风险控制 (硬过滤/流动性/行业集中度/黑名单) ├── eval/ 因子评价 (IC/ICIR/分层回测/贡献率/自动降权) ├── backtest/ 回测引擎 (逐日循环/T+1 模拟/绩效/优化) ├── scoring/ 评分融合 (7 维加权 100%) └── output/ CLI 输出 (打分卡 + AI 投资逻辑) 技术栈 类别 选型 语言 Python 3.10+ 数据 akshare + 东方财富爬虫 处理 pandas, numpy, scikit-learn 缓存 pyarrow (Parquet) AI openai, anthropic, ollama 测试 pytest (14 tests) 打包 PyInstaller 开发计划 Phase 内容 状态 Phase 1 基础设施 + 因子引擎 (F01–F38) ✅ Phase 2 AI + 消息 + 催化剂 + 市场环境 + 卖出 ✅ Phase 3 回测 + 因子评价 + 风控 + 优化 ✅ 免责声明 本系统仅提供研究参考，不构成投资建议。股市有风险，投资需谨慎。
License MIT