# AxiomQuant (策衡) 全量量化逻辑白皮书与技术数据字典 (Technical Reference & Data Dictionary) Version: 2026.09 Domain: https://axiomquant.app/ Repository: https://github.com/Suvalor/AIStocks --- ## 1. 系统哲学与确定性底线 (Core Philosophy & Deterministic Guardrails) 策衡(AxiomQuant)是一套面向中国 A 股二级市场的统计先行、确定性信号生成与闭环半自进化量化投研系统。 ### 核心底线:Zero LLM Signal Generation - **信号生成端(纯数学与统计确定性)**: 从 5000+ 股票原始行情清洗、因子截面计算、基本面与流动性门禁过滤,到最终候选仓位列表的生成,全程 **零大语言模型 (LLM) 调用**。系统完全由严谨的数学公式、统计推断与逻辑硬规则驱动,杜绝大模型在交易决策上的概率幻觉与输出漂移。 - **事后解释端(透明可信可追溯)**: 大语言模型(基于 TradingAgents 多智能体架构)仅在信号产生后介入,负责对已确定的客观量化结果进行多维度事后归因、撰写复盘研报,并记录不可变快照对账日志。 --- ## 2. 生产级 6 步选股流水线数学模型 (6-Step Screener Pipeline) 生产环境官方选股流水线(实现于 `backend/quant/fundamental_screener.py::screen_longs`),采用基于 SQL + Pandas 的全集合向量化运算,杜绝逐股 Python 循环: ### Step 1: 基础资格初筛 (Structural Eligibility Filter) - **硬性剔除规则**: - 剔除代码前缀或名称包含 `ST`、`*ST`、`退` 的标的; - 剔除已退市或处于整理期的标的; - 剔除上市时间不满 1 年(365 自然日)的次新股; - 剔除申万行业分类缺失(`industry is NULL`)的标的。 ### Step 2: 行业景气度甄别 (Industry Prosperity Gate) - **行业周期过滤**: - 结合申万一级/二级行业指数中短期动量与资金净流入; - 硬性剔除处于行业周期深度衰退槽谷、或结构性产能严重过剩的行业标的。 ### Step 3: 财务同比与环比增长 (Financial Growth Gate) - **财务基本面硬门禁**: - 归母净利润同比增长率 (Net Profit YoY) > 0; - 扣非净利润环比增长率 (Deducted Net Profit QoQ) > 0; - 营业收入同比增长率 (Revenue YoY) 当财报可用时要求 > 0; - 资产负债率 (Debt to Asset Ratio) 处于行业合理分位数以内。 ### Step 3b: 价格企稳止跌门禁 (Stabilization Pattern Gate) - **技术形态止跌判定**: - 要求 5 日均线 (MA5) 走平或拐头向上; - 最新收盘价站上 20 日均线 (MA20) 或在近期支撑位完成至少两次探底不破; - 剔除处于加速破位下跌段的左侧标的。 ### Step 4: 动量与高点距离 (Price Momentum & Distance) - **相对强势度约束**: - 当前收盘价距离过去 250 交易日(1 年)最高价的距离 `dist_from_high <= 0.40`(即股价处于近一年最高点的 60% 价格区间以上,避免深度套牢盘压力)。 ### Step 5: 主力资金流多周期共振 (Multi-Window Money Flow Resonance) - **资金真金白银共振**: - 5 日主力资金净流入净额 `net_inflow_5d > 0`; - 10 日主力资金净流入净额 `net_inflow_10d > 0`; - 20 日主力资金净流入净额 `net_inflow_20d > 0`; - 超大单与大单资金呈现连续净吸筹状态。 ### Step 6: 行业相对估值优势 (Valuation Advantage) - **估值性价比约束**: - 市盈率 TTM (PE TTM) 必须严格低于该股票所属申万三级行业的最新中位数水平(`PE_ttm < industry_median_PE`); - 剔除 PE_ttm <= 0 的亏损标的。 ### 输出与风控边界 - 最终输出:经 6 步漏斗严格筛选出的候选多头标的(Top 30 等权或风险平价配置)。 - 集中度防护 (R0-3 Guardrail):单标的仓位上限 10%,单一申万行业暴露不超过 30%。 - 分层止损机制 (R3-1 Guardrail):主板标的设置 -7% 阶梯硬止损,双创板标的设置 -10% 阶梯硬止损。 --- ## 3. 28+ 统计算法与因子库全量字典 (Statistical Modules Dictionary) 系统在 `backend/quant/` 目录维护的 28+ 算法模块体系: | 模块文件 | 核心统计算法与数学逻辑 | 产出指标 / 投研作用 | |---|---|---| | `alpha_discovery.py` | 遗传规划与公式化 Alpha 自动挖掘 | 探索多项式非线性因子组合 | | `backtest_engine.py` | 逐日事件驱动回测引擎,集成 Walk-Forward 滚动检验 | 净值曲线、夏普、索提诺、最大回撤 | | `chip_distribution.py` | 基于量价衰减模型的筹码分布密度估计 | 获利盘比例 (Profit Ratio)、筹码集中度 (90%集中度) | | `chip_transfer.py` | 换手率加权的筹码迁移与平均持仓成本漂移测算 | 主力吸筹/派发状态判定 | | `cointegration.py` | 恩格尔-格兰杰 (Engle-Granger) 协整检验与残差平稳性 ADF 检验 | 行业内配对交易与价差均值回归套利 | | `dragon_tiger_analytics.py` | 机构席位、知名游资营业部协同买卖图谱与席位溢价率分析 | 游资与机构共振强度得分 | | `emotion_thermometer.py` | 全市场涨跌家数比、连板高度、封板率、破净率多维加权情绪合成 | 0-100 市场情绪温度计 | | `factor_economic_constraint.py` | 经济学先验约束修剪(单调性检验、非负约束) | 过滤伪 Alpha 因子 | | `factor_regression.py` | Fama-MacBeth 截面两步回归与 Newey-West 异方差自相关调整 | 因子风险溢价显著性 t 值 | | `fundamental_screener.py` | 生产级 6 步多维基本面+技术面向量化选股流水线 | 每日多头候选标的池 (Top 30) | | `funds_flow.py` | 逐笔成交超大单、大单、中单、小单资金流多尺度加权分解 | 多周期净资金流入指标 | | `holder_change.py` | 股东户数变动趋势与人均持股集中度测算 | 筹码集中度预警 | | `holiday_calendar.py` | 严格对齐上交所/深交所/北交所休市日历与交易日判定 | 杜绝休市日无效调度 | | `industry_money_flow.py` | 申万 31 个一级行业与 134 个二级行业资金截面流向与轮动 | 行业景气度排名 | | `market_rules.py` | A 股交易硬规则集(主板 10%/双创 20% 涨跌停、T+1、最小报价单位) | 回测成交可行性约束 | | `money_flow_safety.py` | 资金流安全边际检测与诱多假突破量能穿透 | 识别拉高出货模式 | | `money_flow_sentiment.py` | 主力资金流与散户情绪资金背离度建模 | 资金面情绪偏离指标 | | `multifactor.py` | 因子正交化 (Gram-Schmidt)、去极值 (Winsorize)、Z-score 标准化与 IC 加权 | 最终复合 Alpha 得分 | | `player_aggregation.py` | 龙虎榜各路游资营业部历史战力加权画像与席位聚合 | 游资活跃席位胜率分布 | | `player_evidence.py` | 多源博弈证据链聚合算法 | 机构与游资持仓行为印证 | | `player_state.py` | 席位筹码沉淀周期与出货概率估计 | 席位派发预警 | | `policy_proxy.py` | 宏观政策代理变量与行业政策利好文本强度打分 | 政策驱动动量得分 | | `portfolio_circuit_breaker.py` | 组合熔断风控(日度最大亏损阈值、组合回撤动态减仓) | 动态仓位敞口控制 | | `quote_quality.py` | 行情数据完整性校验(跳空、缺柱、无效高低开收自检) | 数据治理告警 | | `rank_screener.py` | Filter-Rank-Trigger-Position 因子打分与候选排序引擎 | 综合排序候选池 | | `regime_detector.py` | 隐马尔可夫模型 (HMM) + 宏观指标的市场 4 态判定 (Bull/Bear/Range/Transition) | 宏观环境状态与置信度 | | `risk.py` | 历史模拟法与参数法 VaR (Value at Risk) 及 CVaR 风险测算 | 组合预期尾部风险 | | `sentiment_factor.py` | 财经快讯舆情自然语言情感极性提取与事件影响因子化 | 舆情情绪因子 | | `stabilization_pattern.py` | 底部形态技术判定(双底、头肩底、均线缠绕突破) | 止跌企稳确认信号 | | `stat_tests.py` | Deflated Sharpe Ratio (DSR) 过拟合检验、白噪声检验 | 策略伪显著性检验 | | `stress_test.py` | 历史极端情景压力测试(如 2015 股灾、2020 疫情、2024 微盘股流动性危机) | 组合抗压回撤测算 | | `table_state.py` | 盘口挂单薄微观结构不平衡度 (Order Book Imbalance) 计算 | 短期价格冲击偏向 | | `technical_signal_advisor.py` | 技术指标信号事后诊断与多周期技术形态校验 | 技术面决策参考 | | `trigger_signals.py` | 突破买入与回踩企稳触发器 (Trigger Layer) 阈值判定 | 确定性入场时机点位 | | `volatility.py` | GARCH(1,1) 条件异方差模型与 Parkinson 极差波动率测算 | 动态波动率预测与风控 | --- ## 4. 真实 A 股合规约束与回测执行模型 (Execution & Compliance Model) 为了杜绝量化回测“纸上富贵”,策衡建立了最严苛的真实成交仿真约束: 1. **现货 T+1 交易制度**: - 信号于 T 日收盘后 20:00 产出; - 最早买入时机为 T+1 日开盘(9:30 集合竞价或连续竞价); - T+1 日买入的头寸在 T+1 日收盘前绝对禁止卖出,最早必须在 T+2 日方可执行平仓。 2. **涨跌停板流动性硬约束**: - 主板标的单日涨跌幅上限为 +10.0%、下限为 -10.0%; - 创业板 (ChiNext) 与科创板 (STAR Market) 标的单日涨跌幅限制为 ±20.0%; - **买入硬约束**:若标的在买入当日开盘即涨停(一字板)或在委托撮合时封死涨停,判定为**流动性耗尽无法成交**,订单废弃,严禁假设买入; - **卖出硬约束**:若持有标的在卖出当日封死跌停,判定为**无法卖出**,头寸必须顺延至下一个打开跌停的交易日方可成交。 3. **交易费率与滑点模型**: - 双边佣金:万分之 2.5 (0.025%); - 卖方印花税:千分之 0.5 (0.05%); - 双边过户费:十万分之一 (0.001%); - 滑点模型:依据标的过去 20 日平均成交金额与委托金额比率,采用平方根市场冲击模型 (Square-Root Law) 动态追加 0.1% ~ 0.3% 滑点损失。 --- ## 5. 不可变对账数据库字典 (Immutable Audit Database Schema) 所有计算过程必须满足监管级全链路对账要求,核心数据模型定义如下: ### 5.1 `decision_logs`(决策快照与事后归因表) - **约束**:INSERT-ONLY,禁止 UPDATE 与 DELETE。 - **字段**: - `id` (Integer, Primary Key) - `agent_name` (String 50): 决策执行主体,如 `quant_engine`, `ai_analyst`, `risk_manager` - `decision_type` (String 64): 决策类型,如 `signal_generation`, `retrospective`, `stop_loss` - `ts_code` (String 20): 关联股票代码,如 `600519.SH`(大盘全景决策为 NULL) - `input_snapshot` (JSONB): 决策时刻所消费的完整特征向量快照 - `data_snapshot_hash` (String 64): `input_snapshot` 的 SHA-256 哈希值 - `reasoning` (Text): 客观透明的决策推导路径或智能体辩论结论 - `output` (JSONB): 输出决策内容(包含目标持仓比例、止损价位等) - `confidence` (Numeric 5,4): 模型置信度得分 (0.0000 - 1.0000) - `model_name` (String 50): 负责解释的模型标识(如 `TradingAgents-v2`) - `prompt_hash` (String 64): 所使用的 Prompt 模板 SHA-256 摘要 - `decision_version` (Integer): 决策版本号(默认 1) - `execution_date` (Date): 业务执行日期 - `created_at` (DateTime): 记录落库时间戳 ### 5.2 `signal_runs`(信号流水线不可变批次表) - **约束**:INSERT-ONLY,`trade_date` 上的 official 运行具备唯一性索引。 - **字段**: - `run_id` (UUID, Primary Key): 批次运行唯一识别码 - `trade_date` (Date): 信号归属交易日 - `input_data_hash` (String 64): 当日全市场输入数据校验哈希 - `pipeline_version` (String 20): 流水线代码版本(如 `2.1`) - `is_official` (Boolean): 是否为官方生产推荐基准 - `summary` (JSONB): 运行统计摘要(包含选股总数、行业暴露分布、平均估值等) - `generated_at` (DateTime): 生成时间戳 ### 5.3 `backtest_results`(回测结果与防过拟合检验表) - **字段**: - `id` (Integer, Primary Key) - `strategy_id` (Integer): 关联策略模板 ID - `start_date` / `end_date` (Date): 回测起止区间 - `initial_capital` / `final_capital` (Numeric 15,2): 初始与最终净资产 - `total_return` / `annual_return` (Numeric 8,4): 累计与年化收益率 - `sharpe_ratio` / `sortino_ratio` / `calmar_ratio` (Numeric 8,4): 风险调整后收益比率 - `max_drawdown` (Numeric 8,4): 最大回撤幅度 - `win_rate` (Numeric 5,4): 交易胜率 - `total_trades` (Integer): 发生总交易笔数 - `dsr_pvalue` (Numeric 8,6): Deflated Sharpe Ratio p 值 - `passed_dsr` (Boolean): 是否通过 DSR 防过拟合检验门禁(p < 0.05) - `parameters` (JSONB): 回测参数完整记录 --- ## 6. 多源数据互验与治理架构 (Data Governance) - **数据源拓扑**: - 基础日线与复权序列:BaoStock(免费金融数据接口)交叉校验 Tushare Pro 官方接口; - 资金流向高频数据:同花顺公开 Level-2 资金流汇总与东方财富网实时资金流; - 机构席位与游资动向:WeStock 与官方交易所龙虎榜公告; - 财经舆情文本:财联社电报流与华尔街见闻 7x24 实时资讯。 - **自动化治理日历**: - 每日 18:00 开始自动化全量拉取; - 20:00 前完成缺失值探测与自愈回补; - 数据校验通过后生成数据快照哈希,触发 6 步选股流水线。 --- © 2026 AxiomQuant Team. All rights reserved.