🚀 多子策略决策引擎 · 总览
💡 核心设计思想
为什么是「多子策略协同 + 会自我进化的事件驱动」
多周期 · 多策略协同
我从不认为任何单一策略能够完美穿越所有市场周期。与其押注「一招鲜」，我选择用一组 彼此相关度很低的子策略，各自负责不同的行情阶段，协同组成今天的「多子策略决策引擎」—— 不同的行情，交给最擅长它的那一个策略。
题材轮动活跃、妖股频出，普涨题材里放量补涨的低位股集中出击；空仓资金轮进最强宽基兜底。
→ 「妖股题材」策略
境内某板块走出主升浪，或美股科技处上升趋势时，集中跟随当下最强主线。
→ 「ETF 轮动」策略
资金逐步扩散，个股市值抬升、进入横盘蓄势。V4.1 新增主力暗中出货避雷层。
→ 「低位横盘」策略
题材接近见顶，各类公司市值普遍被炒高、大盘风格主导。
→ 「大盘高位」策略
事件驱动 · 像人一样，从历史中学习
事件驱动子系统的灵感来自《噪声》(Noise)：书中指出，人类真正高质量的判断，往往源于对 历史相似情境的「匹配」，而非纯粹的计算。于是我让机器也这样思考—— 先给它一座「案例记忆库」，再让它在真实市场中不断验证、反思、进化。
① 建库
以《开盘啦》历史 500+ 主题作为初始训练样本，建立案例记忆库。
② 实时解读
每小时抓取财联社新闻，对每条热点即时给出预判与强度评分。
③ 回检反馈
一周后用关联个股的真实涨跌回检：涨了 → 成功经验入库；没涨 → 失败教训反思。
④ 迭代进化
模型据此持续迭代，新案例每天喂入，越用越聪明。
「预测 → 验证 → 反思 → 进化」闭环每天自动运转
⏰ 信号怎么来、什么时候看
🟢 每日信号生成
每个交易日收盘后，系统读取当天行情与资金数据，自动算出次日值得关注的标的，傍晚更新到网站。
🔴 离场提示
系统同时跟踪已入选标的，触发风控条件（回撤、到期、动能减弱等）时，次日给出离场提示。
📌 这是「每天看一次」的参考信号，不是盯盘工具。所有信号均为量化模型的研究性参考，不构成投资建议，是否操作及盈亏由您自行决定。
📈 净值曲线 (归一化为 1.0)
🧱 子决策树独立表现
| 子决策树 | 权重 | Ret | 年化 | MDD | Sharpe | Calmar |
|---|
⚠ 四腿(大盘高位 / 妖股题材 / 低位横盘 / 板块轮动)按等权 25%×4、每日再平衡配比并入主组合。因 ETF 2020 年才成立，本表各腿与组合均按 2020 年起统一口径计算，便于横向对比（更早业绩不计入此表）。
✅ 回测做得有多严谨
很多策略「回测很美、实盘打脸」，是因为回测里偷偷用了现实拿不到的便宜。本系统对照业界开源框架（米筐 RQAlpha）的标准，把常见「作弊点」逐一堵死，力求回测接近真实可执行：
数据来源：Tushare Pro（A 股行情/资金/基本面）。回测周期：2018 年初至今（约 8 年）。说明：历史回测不代表未来收益，所有数据仅供研究参考。
📊 年度表现 (四腿组合)
| 年份 | 收益 |
|---|