AI选股核心设计思路

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