Skip to content

About

荐股/荐币 本地因子训练系统

Resources

Stars

0 stars

Watchers

0 watching

Forks

Repository files navigation

FactorForge

本地运行的 AI 辅助量化因子研究系统:AI 提出因子假设,确定性引擎负责回测、验证和淘汰。只有通过完整统计检验、赢得标的席位的模型才会进入推荐结果。

核心设计一句话:

LLM 负责提出假设,统计系统负责审判假设。

它解决的问题是:当系统可以快速测试上千个策略时,最终总能在历史里找到表现漂亮的模型——但那是 Alpha,还是大量尝试后碰巧捞到的噪声?FactorForge 把多重检验、样本外验证、防回测过拟合当作一等公民,而不是最后看一眼 Sharpe。

每日荐股页——每个标的只由它的冠军模型发言:当前评分、建议区间、操作倾向;没有合格模型就明说没有,绝不硬推。

每日荐股页

训练控制台——市场、数据源、因子池、历史长度、自动化训练,全部在本地页面完成:

训练控制台


工作流程

① 标的池 → ② AI/预设生成因子配方 → ③ 骨架去重 → ④ 权重抖动放大变体
→ ⑤ 因子计算与稳健化(Median/MAD → 加权 → EMA → 滞回带)
→ ⑥ IS 段选参 → ⑦ Walk-Forward 样本外评估
→ ⑧ 十道统计闸门(一票否决)→ ⑨ Champion/Challenger 席位仲裁
→ ⑩ 荐股(没有合格模型就明确说没有,绝不硬推)

AI 只负责提假设、选因子、定结构;因子计算、回测、检验、晋级、推荐全部由确定性程序完成。

一轮训练怎么切数据

默认 3000 根 K 线:

区间 占比 用途
前 2100 根 70% 参数 / 出场带选择(IS)
后 900 根 30% 完全样本外(OOS)
OOS 前 720 根 24% 验证折(默认 4 折,每折 180 根)
OOS 最后 180 根 6% Terminal Holdout(终窗)

关键原则:模型锁定后不得再对 OOS 调参;终窗只负责否决,不参与优化。

十道统计闸门

一个候选不是 Sharpe 高就能进模型库。十道门按序一票否决(fmtr/registry.go 的 gateVerdict——训练过滤、模型审计、荐股页 NO-REC 三处同判,报错只报第一道没过的门并带上本行数字):

# 闸门 默认条件
1 双判闸 超额收益 > 0;或基准躺平为正 Sharpe 时,风险调整 Sharpe ≥ 基准的 85%
2 验证段收益 > 0
3 交易笔数 ≥ 8 笔
3b 回撤上限 样本外最大回撤 ≤ 22%(max_dd_max,0=关闭)
3c 回撤持续期 整段最长连续水下占比 ≤ 90%(max_underwater_max,0=关闭)
4 折位稳定性 验证折"至多一红"
4b 收益集中度 尾段最赚 5% K 线的毛利占比 ≤ 50%(max_conc_top_share,0=关闭)
5 Terminal Holdout ≥ 0(只否决,不排序)
6 席位 DSR ≥ 0.50(dsr_min,0=关闭)——扣除多重试验选择偏差后的 Sharpe
7 CSCV / PBO 翻位率 ≤ 10%(pbo_max,0=关闭)——训练榜第一名换段历史后是否还站得住

相关策略不算独立试验:DSR 的试验数 N 经 Harvey-Liu 相关性修正(N_eff = 1+(N−1)(1−ρ̄)),权重变体按因子配方归族。新闸门不追溯否决老席位;清退存量席位走执行纪律面板的显式操作(先预览、后清退、逐条入台账)。

四层纪律(2026-10-08)

单窗口 + 单一 DSR 线的体系有一个实证缺口:一个 OOS 尾段只覆盖一个 regime(实测 ρ(IS,OOS)≈0 正是症状),而 DSR 0.50 的通过线对几十笔交易的短记录撑不起论文的 0.95 严格线。对策不是放松闸门,而是四层:

层 机制 旋钮 / 默认
1 多窗口确认 过全闸的候选还要在 85% / 70% 锚定的更早窗口上重考同一套 walk-forward(每窗自己的 70/30 切分与 B&H 基准;DSR/PBO 锚定窗弃权,其余经济闸全开——回撤上限每窗单独成立),≥2/3 窗过闸才算确认。治"一个 regime 的运气" confirm_windows,默认 3;1=关
2 席位分层 过闸幸存者按 DSR 分两档:≥0.95(论文 95% 拒绝线)=正式席;[0.50, 0.95)=观察席(信号照常展示、明确标注未达显著)。分层从不放人进门 dsr_formal,默认 0.95;0=不分层
3 资金线 回撤上限就是运营的资金容忍线(22%),只在主窗(操盘者将要经历的那段 OOS)成立,不在锚定窗重复计数(锚定窗回撤只披露)。样本内回撤另设同刻度上限:22% × √(IS/OOS 段长度) ≈ 33.6%——校准段自己就沉深=边缘或杠杆靠不住,可用 is_dd_max 覆盖 max_dd_max,0.22;is_dd_max 留空自动推导
4 前向纪律 在任席位在新鲜数据窗失手:首次降级为观察席,连续 2 次(missRetire)退席并逐条入台账。同数据重考归零连胜但不推进失手计数——冻结的数据源定不了席位的罪 固定 2

席位制度:Champion / Challenger

每个标的维护独立的模型席位。新模型作为挑战者,只有同时满足才替换在位冠军:

  1. 自身通过全部十道闸(同一份 gateVerdict,无第二把尺子);
  2. 换席门槛:验证段收益超过在任参照 + 5 个百分点(promoteMargin,防噪声换人);
  3. 同轴规则:在位者靠"净赚"赢的席,挑战者必须也按净赚赢;靠"风险调整"守的席就按风险调整比——不许换赛道;
  4. 连续过关(见下)。

连续过关(防"一次考试就上岗")

新席位默认需要连续 2 轮(consec_pass_min)全部过闸,且两轮之间样本窗口必须真正前进至少一个 OOS 折段——同一批 K 线重考不算新的一轮。

连胜采用三值语义(2026-10-08):

本轮该标的状态 连胜账本
过闸(本轮最强候选通过全部闸) 数据窗前进则 +1;同数据重考不增不减
参赛了但全不过闸 归零(真实的负观测;对未上席的待位标的同样生效——过闸 1/2 → 失手 → 过闸 ≠ 2/2 上车)
没参赛(数据抓取失败 / 流动性裁剪 / 名单调整) 不动(无观测不是失败)

自动化训练买不到连胜分:它买到的是更多独立样本(每轮换种子 = 换一整套候选),不是"挂机刷连胜"。

自动化训练

./indicator-training autotrain --market crypto --rounds 5                  # auto(默认)
./indicator-training autotrain --market crypto --rounds 5 --apply gate    # 严格
./indicator-training autotrain --market crypto --rounds 5 --apply force   # 每轮强刷
apply 连胜门 换席门槛 +5pp 同轴规则 语义
auto(默认) 放行(不记分) 生效 生效 只换更优的
gate 照走 生效 生效 完整纪律;背靠背连跑很可能一轮都不换席
force 绕过 绕过 绕过 每轮按该轮最好的候选重建席位,即使更差

轮数 1~10000(超过 200 轮启动时会再确认)。每轮独立:自己的 seed、候选批次、工件、席位裁决。训练结束席位自动写入,无需手动覆盖。

定时训练的节奏建议:

  • gate 模式:连胜门要求 K 线窗口前进一个样本外折段,背靠背连跑不满足——每天定时跑 1~5 轮即可,跑 100 轮和跑 5 轮效果相同(窗口没动,白烧算力);
  • auto 模式:每轮换种子 = 一批全新候选,多轮是"独立采样打磨面板",100 轮机制上成立、边际递减——轮次间隔设几分钟,别用它刷连胜分(auto 不记连胜)。

冠军包(导入 / 导出)

./indicator-training export --out champions.json          # 默认连模型工件一起打包
./indicator-training import --file champions.json --mode merge

席位记录的是工件文件名(指针),不是模型本身——只拷席位表不拷工件,导入后第一次荐股就会全部自动解绑。包里同时带走连胜账本与当时的门槛口径。merge 只动包里有的标的;replace 整表替换;版本比本机高的包一律拒绝。


荐股页怎么读

荐股是整个系统的唯一输出:每个标的由坐在冠军席上的模型给出建议,落选者保持沉默。

页面元素 含义
建议区间 [lo, hi] 模型评分的滞回带:低位偏多、高位偏空,带内位置(0~1)翻译成人话建议
5 根 K 线涨跌 与该模型训练节奏同口径的实际行情,供对照
DSR(面板 / 席位) 该面板与该席位晋级时的通胀调整 Sharpe:≥0.95 显著,<0.5 ≈ 噪声
闸窗说明(行内小字) 入场带按席位记录精确重放,但带宽的 MAD 来源窗是当前拉取窗前 70%,不等于训练原窗——出信频率会随行情年代漂移

三条诚实条款:

  • 没有合格模型 → NO-REC,明确写原因,绝不拿次品凑数;
  • 工件缺失自动解绑:席位只是指针,荐股时发现工件不在就解绑并说明,不装作还在服役;
  • 换源即停摆:换过数据源的市场,含衍生品因子的旧模型停止荐股并说明原因,不悄悄退化。旧口径(统一闸门 era 之前)晋级的席位会显式标注,不与现行口径的数字并列冒充可比。

市场与数据源

市场 数据源 备注
Crypto Bybit(默认);可选 binance(现货)/ tradingview 7×24;多空;杠杆 1/2/3/5×;仅 Bybit 可测衍生品因子
美股 TradingView;备援 Yahoo 多空;1/2× 杠杆
A 股 TradingView;备援 腾讯 → Yahoo T+1 只做多
港股 TradingView;备援 Yahoo 只做多
商品期货 TradingView 连续合约 1!;备援仅 PAXG 多空;1/2/3× 杠杆

三条铁律:

  • 严格单源(strict_data,默认开):选中的源连续失败(4 次退避,约 36 秒)即中止训练并点名市场/源/首个真实错误,绝不静默换源——两个源永远量不出同一个东西。放宽 strict_data 才启用上表备援链;crypto 无论开关都没有备援。
  • crypto 默认 Bybit:OI 与资金费率只有它提供,衍生品因子族(拥挤度、杠杆成本、清算级联)只在 Bybit 上可测;三个源都合法可选,但换源=换口径(Bybit 是 USDT 本位永续,与现货不是同一序列),换源后含衍生品因子的旧模型会停止荐股而不是悄悄退化。
  • 历史深度自适应:标的实拿少于申请根数时按实拿出成绩(不低于 600 根,否则切不出样本外折段);衍生品历史不足时把 K 线裁到可支撑窗口并写警示行。

衍生品因子(crypto × Bybit 专属)

8 个 OI / 资金费率因子,方向全部来自实测(残差化秩 IC),不是经济学推理——比如实测推翻了"OI 与价格同涨=健康上涨"的手册直觉:oi_chg 顶十分位后续收益更差(t=−6.10)。它们是候选因子,不是已验证 alpha:默认一个都不勾,勾上即完整生效(预设风格跟随勾选,不勾 11 条、勾满 15 条)。资金费率同时作为 carry 成本按 bar 计入 pnl。范畴约束:永续持仓在 A 股/港股/美股/期货上不存在,衍生品因子在这些市场会被引擎级剔除并点名。


成本与防未来函数

  • 成本模型:换手费 18bp + 滑点 10bp × 杠杆,平仓同计(研究参数,非真实成交保证);
  • 资金费率按 bar 分摊计入持仓成本(无数据不收费);
  • 防未来函数:因子归一化只用历史窗、EMA 单边递归、exposure[i] = position[i-1]——第 i 根 K 线的决策不用第 i 根的未来收益;实时信号复用回测的 NewSignalGate,减少线上与回测的实现偏差。

黑话对照表

词 人话
配方 一个候选策略:某组因子 + 某套参数
双判闸 要么跑赢躺平,要么风险调整达到躺平的 85%(熊市"少亏"不算本事)
验证段 训练窗之后、终窗之前的那段,用来选配方
折位 / 至多一红 验证折里至多一段亏钱,防靠某段行情撑门面
Holdout(终窗) 从一开始就锁进保险柜的最后一段,只考一次,考砸一票否决
DSR 把"试得多了总有个虚高 Sharpe"扣掉之后的选拔分
PBO "训练期第一名"换段考卷翻车的比率
席位 / 上岗 某标的"当前服役策略"的位置;上岗 = 荐股引擎开始使用它
换席门槛(5pp) 挑战者验证段须超过在任 5 个百分点才换人
连续过关 1/2 第一次全闸通过只是过闸,下一次新数据再全过一次才上岗(三值语义见上)
淘汰与上岗记录 只增不改的台账:每个配方怎么死的、每次席位裁决,全部留痕
严格单源 选定的源失败就中止训练并点名,不偷偷换源
走步验证 滚动向前考:每段考完再来下一段

Quick Start

依赖:Go、可访问的行情数据源、可选 OpenAI/Anthropic 兼容 API。

# 构建
go build -o indicator-training ./cmd/indicator-training

# 启动 Web 控制台
./indicator-training serve --addr 127.0.0.1:8095     # http://127.0.0.1:8095

# 训练(AI 生成配方)
./indicator-training train --market crypto --interval 4h --n 10 --source ai --seed 42

# 训练(内置预设,不消耗 API 配额,适合冒烟与复现)
./indicator-training train --market crypto --interval 4h --n 10 --source preset --seed 42

# 期货标的写 TV 连续合约代码
./indicator-training train --market fut --interval 4h --n 10 --source preset \
  --symbols COMEX:GC1!,NYMEX:CL1!,CBOT:ZW1!

# 模型库
./indicator-training models
./indicator-training show --name X
./indicator-training delete --name X

# 推荐
./indicator-training recommend --name X --symbols BTCUSDT,ETHUSDT,SOLUSDT

--market 可取 crypto / us / cn / hk / fut。Web 控制台包含:AI 接口、训练(数据源/因子池/历史长度/断点续训/自动化训练)、模型库(席位、未入模原因、执行纪律面板、冠军包)、荐股页(每行带闸窗说明)。研究诊断工具:probe(行情双源核对)、randomtest(随机权重参考分布)、ictest(因子方向审计)。


Configuration

配置位于 fmtr_config.json(完整配置随训练工件保存,复盘以当轮工件为准):

参数 默认 含义
bars 3000 单轮申请的样本根数(实拿不足按实拿出场)
ai_skeleton_cap 16 因子配方数量上限
dsr_min 0.50 DSR 门槛(0=关闭)
pbo_max 0.10 PBO 翻位率上限(0=关闭)
consec_pass_min 2 连续过闸轮数(0=关闭;三值语义见"席位制度")
max_dd_max 0.22 回撤上限(0=关闭)
max_underwater_max 0.90 回撤持续期上限(0=关闭)
conc_drop 0.05 集中度测量份额(非松紧旋钮)
max_conc_top_share 0.50 收益集中度上限(0=关闭)
fee_bp 18 换手费 bp
slippage_per_lev_bp 10 每杠杆档滑点 bp
fold_count 5 OOS 折段数(0 → 强制 5 折)
strict_gen true AI 生成失败不静默回退
strict_data true 数据失败不静默换源
data_by_market 见下 每市场的行情源
{
  "crypto": "bybit(默认)| binance | tradingview",
  "us":     "tradingview | yahoo",
  "hk":     "tradingview | yahoo",
  "cn":     "tradingview | tencent | yahoo",
  "fut":    "tradingview | binance(仅黄金代币 PAXGUSDT)"
}

非法值加载时回退缺省并打日志留痕;合法值原样保留。K 线缓存按源分文件——换源必定缓存未命中。


Project Structure

FactorForge/
├── cmd/indicator-training/     # 入口
├── fmtr/                       # 训练引擎 / 回测 / 统计闸门 / 席位 / 荐股 / Web API
│   └── web/                    # 控制台页面
├── trend/ momentum/ volatility/ volume/ helper/   # 指标库
├── models/                     # by_symbol.json(席位)、pass_streaks.json(连胜账本)、工件
└── fmtr_config.json

已知限制

  • 各市场历史深度不均:实拿不足按实拿出场(≥600 根才有成绩);部分美股/港股/A 股及备援源盘中历史明显更短。
  • OOS 样本有限:默认 900 根 OOS 对复杂模型证据强度有限,可加大 bars。
  • 滑点未经真实成交验证。
  • 训练成本高:完整训练可达数小时,工件可达数百 MB。
  • 数据质量决定研究质量:数据连续性、时间戳、复权/换月处理、无未来信息、无幸存者偏差——系统不替你隐藏这些问题。

FactorForge 是研究系统,不是已证明有预测能力的交易系统。


研究原则

  1. 不因为 Sharpe 高就相信它;
  2. 不因为 AI 生成就相信它;
  3. 不因为一次通过就相信它;
  4. 没有证据就不推荐。

是什么 / 不是什么

是:本地量化研究系统、AI 辅助因子发现、Walk-Forward 模型选择、防过拟合框架、Champion/Challenger 管理、可审计流水线。 不是:自动印钞机、保证盈利的 AI、自动交易机器人、投资建议。


License

AGPL-3.0

Disclaimer

仅用于量化研究、历史数据分析与回测。历史表现不代表未来结果,不构成任何投资建议。请在充分理解数据、模型、统计方法与实际交易风险后使用。

About

荐股/荐币 本地因子训练系统

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages